Neurelo

Chaque table ou collection du schéma reçoit des points de terminaison pour créer, lire, modifier et supprimer, et la même définition produit aussi des lectures et écritures avec jointures entre entités liées. Les deux formats sortent ensemble, donc un client mobile et un tableau de bord web consomment la même API REST et GraphQL. La référence est générée en même temps, et les appels s'authentifient avec une clé dans l'en-tête X-API-KEY.

Certaines questions ne rentrent pas dans une route CRUD. L'éditeur de requêtes personnalisées vous laisse écrire du SQL ou du MQL, l'essayer sur la source de données et le publier comme point de terminaison avec des variables pour les filtres. Un assistant de requêtes IA prend une demande en langage courant et rédige la requête en s'appuyant sur votre schéma. Neurelo précise que le résultat est souvent juste sans l'être toujours, donc le brouillon mérite une relecture avant publication.

Les définitions vivent en JSON ou YAML, ce qui permet de les relire comme n'importe quel fichier du dépôt. L'éditeur visuel écrit ce même fichier, et un diagramme entité-relation montre comment les tables se relient. Branches et validations fonctionnent comme un développeur l'attend, et un projet peut synchroniser les définitions avec un dépôt Git distant, donc les changements de schéma passent par la même revue que le code.

Chaque environnement épingle une validation à une source de données, ce qui permet de tester une branche non publiée sur une copie de recette pendant que la production reste sur la dernière version. Les runners exécutent les appels et tournent sur le cloud de Neurelo, pas sur vos serveurs. Un environnement sans trafic pendant sept jours s'arrête seul, et les réglages principaux restent verrouillés tant que les runners tournent.

Une fois l'observabilité activée sur un environnement, le tableau de bord enregistre chaque appel et affiche les opérations les plus lentes, les codes de réponse, le volume total et la tendance d'usage par heure, jour, semaine ou mois. De quoi repérer un point de terminaison devenu lent après un changement de schéma sans ajouter un autre outil de supervision. Les métriques restent par environnement, donc un essai ne brouille pas les chiffres de production.

Les migrations génèrent le SQL nécessaire pour faire passer une base d'une validation à la suivante, et s'appliquent depuis la console ou dans votre propre pipeline. La fonction ne couvre que PostgreSQL et MySQL, arrive en aperçu et doit être activée à la création du projet. Un générateur distinct remplit un environnement avec des lignes fictives en trois tailles : environ 10, 100 ou 1 000 par table.

Les bibliothèques TypeScript/JavaScript, Go et Python enveloppent les points de terminaison avec des méthodes typées, donc le code de l'application ne fabrique plus ses URL à la main. Un serveur MCP publié expose la lecture de schémas et l'exécution de SQL à Claude Desktop et aux autres clients MCP. L'API Playground d'un environnement lance des appels de test sur les vrais points de terminaison et montre la réponse avant que vous n'écriviez la moindre intégration.