Neurelo

Cada tabla o colección del esquema recibe endpoints para crear, leer, actualizar y borrar, y la misma definición produce lecturas y escrituras con joins entre entidades relacionadas. Los dos formatos salen juntos, así que un cliente móvil y un panel web consumen la misma API REST y GraphQL. La referencia se genera al mismo tiempo y las llamadas se autentican con una clave en la cabecera X-API-KEY.

Hay preguntas que no encajan en una ruta CRUD. El editor de consultas personalizadas te deja escribir SQL o MQL, probarlo contra la fuente de datos y publicarlo como endpoint con variables para los filtros. Un asistente de consultas con IA recibe una petición en lenguaje natural y redacta la consulta usando tu esquema como contexto. Neurelo avisa de que el resultado suele ser correcto, pero no siempre, así que conviene leer el borrador antes de desplegarlo.

Las definiciones viven en JSON o YAML, de modo que se revisan como cualquier archivo del repositorio. El editor visual escribe ese mismo archivo y un diagrama entidad-relación muestra cómo se conectan las tablas. Las ramas y los commits funcionan como espera un desarrollador, y un proyecto puede sincronizar las definiciones con un repositorio Git remoto, con lo que los cambios de esquema pasan por la misma revisión que el código.

Cada entorno ancla un commit a una fuente de datos, y así un equipo prueba una rama sin publicar contra una copia de staging mientras producción sigue en la última versión. Los runners ejecutan las llamadas y corren en la nube de Neurelo, no en tus servidores. Un entorno sin tráfico durante siete días se detiene solo, y los ajustes principales quedan bloqueados mientras los runners están activos.

Al activar la observabilidad en un entorno, el panel registra cada llamada y muestra las operaciones más lentas, los códigos de respuesta, el volumen total y la tendencia de uso por hora, día, semana o mes. Basta para detectar un endpoint que empezó a tardar después de un cambio de esquema sin montar otro sistema de monitorización. Las métricas se quedan por entorno, así que una prueba no ensucia los números de producción.

Las migraciones generan el SQL necesario para llevar una base de datos de un commit al siguiente y se pueden aplicar desde la consola o dejar en tu propio pipeline. La función solo cubre PostgreSQL y MySQL, llega como vista previa y hay que activarla al crear el proyecto. Un generador aparte llena un entorno con filas simuladas en tres tamaños: unas 10, 100 o 1.000 por tabla.

Las librerías para TypeScript/JavaScript, Go y Python envuelven los endpoints con métodos tipados, así que el código de la app no arma URLs a mano. Un servidor MCP publicado expone la lectura de esquemas y la ejecución de SQL a Claude Desktop y otros clientes MCP. El API Playground dentro de un entorno lanza llamadas de prueba contra los endpoints reales y enseña la respuesta antes de que escribas integración alguna.