Sviluppo · Server MCP locale
Orionbelt Semantic Layer
API-first semantic layer MCP server compiling YAML models into dialect-specific SQL.
Cosa indica il MCP Registry
La voce come pubblicata nel MCP Registry ufficiale (consultazione: 4 ottobre 2026), ultima versione.
- Nome nel registro
io.github.ralfbecher/orionbelt-semantic-layer- Versione
- 0.3.0
- Stato
- Attivo
- Categoria
- sviluppo
- Trasporto
- stdio (processo locale)
- Pacchetto
- PyPI
- Pubblicato
- 19 febbraio 2026
- Aggiornato
- 19 febbraio 2026
- Editore
- ralfbecher (GitHub) · 2 server con una pagina qui
- Namespace
- Namespace verificato dal MCP Registry tramite GitHub (github.com/ralfbecher) · come funziona
- Repository
- github.com/ralfbecher/orionbelt-semantic-layer
- Fonte
- Voce nell’API del registro
Pacchetti
| Registro | Pacchetto | Versione | Trasporto |
|---|---|---|---|
| PyPI | orionbelt-semantic-layer | 0.3.0 | stdio |
Come collegare Orionbelt Semantic Layer
Orionbelt Semantic Layer viene eseguito in locale a partire da un pacchetto Python pubblicato su PyPI: orionbelt-semantic-layer, versione 0.3.0. Comunica via MCP su stdio, quindi il client lo avvia come programma e dialoga con esso tramite standard input e standard output. Richiede Python; i client in genere lo avviano con uvx (di uv) o dopo pip install - il comando abituale è uvx orionbelt-semantic-layer.
Nel formato JSON mcpServers, letto da molti client MCP desktop e per editor di codice, la voce si presenta così (segnaposto tra parentesi angolari):
{
"mcpServers": {
"orionbelt-semantic-layer": {
"command": "uvx",
"args": [
"orionbelt-semantic-layer"
]
}
}
}Ricavato dalla voce del registro, non testato qui. Cosa fa il server, e a quali condizioni, lo stabilisce il suo editore; prima di concedergli l’accesso ai propri account o file conviene consultarne il repository o il sito web. Come aggiungere un server MCP a un assistente · Prima di collegare un server
Altri server di ralfbecher (GitHub)
| Server | Esecuzione |
|---|---|
| Orionbelt AnalyticsOntology-based MCP server for database schema analysis and RDF/OWL ontology generation. | Locale · stdio |
Altri server della categoria sviluppo
| Server | Esecuzione |
|---|---|
| OrchestrUIDeterministic UI policy, discovery and audits for coding agents across seven ecosystems. | Locale · stdio |
| OrchexAutopilot AI orchestration - auto-plan, parallelize, self-heal, and route across 6 LLMs. | Locale · stdio |
| Ori MemoryPersistent memory infrastructure for AI agents. Identity, knowledge graph, and search. | Locale · stdio |
| Oriora RouterAI model routing on your own vendor keys: pick model per prompt, or route and run it. | Remoto · HTTPVerifica live: accesso richiesto |
| Orm MCPMCP server for @mostajs/orm: generate, lint (24 rules) & migrate EntitySchemas. | Locale · stdio |
| orm-preflightChecks TypeORM migrations for data loss, table locks, and deploy problems before they run. | Locale · stdio |
| Orq.aiBuild and monitor LLM apps on Orq.ai: AI gateway, agents, prompts, evals, traces. | Remoto · HTTPVerifica live: accesso richiesto |