Cosmos Semantic

Name: Cosmos Semantic
Author: WiliamRosa

de WiliamRosaversión 0.3.0i★ –iSe ejecuta en tu computadora

Nombre en el registroio.github.WiliamRosa/cosmos-semantic

Instalar

Resumen

Descripción del creador (original en inglés)

Governed metrics, business rules and a glossary for AI agents, with evidence on every answer.

Los tres pilares de PopNx MCP

Estos tres nunca se combinan en una sola puntuación: las opiniones, las mediciones y la popularidad son cosas distintas.

Opinión de usuariosiAún no hay reseñasLas reseñas se abrirán junto con las cuentas en una etapa posterior
Nuestras revisiones básicasi1 de 1 superadasRevisado con información pública; el código aún no se ha escaneado
UsoiAún sin medir★ –

Qué puedes hacer con él

Todavía no escribimos un resumen sencillo para este. Abajo están los datos que leímos del registro.

Conexión: Se ejecuta en tu computadora
Transporte: stdio
Categoría: Otros
Debes completar: COSMOS_API_KEY

Instalación

Elige la app de IA que usas y copia la configuración.

Antes de instalar

Revisiones básicas: 1 de 1 superadas
Se ejecuta en tu computadora con los permisos de tu usuario (archivos, red, apps).
Debes completar tú: COSMOS_API_KEY, COSMOS_DEV_API_KEYS

Los valores marcados como secretos son llaves de tu cuenta. Nunca los compartas ni los pegues en un chat.

Necesitas

PyPIuv de Python instalado (para el comando uvx)

¿Qué app usas?

ClaudeClaude CodeCursorVS CodeChatGPT

Elige tu app arriba. La recordamos, así que la próxima vez el botón dirá “Instalar en …”.

Abre Claude Desktop → Settings → Developer → Edit Config y pega esto en claude_desktop_config.json

{
  "mcpServers": {
    "cosmos-semantic": {
      "command": "uvx",
      "args": [
        "cosmos-semantic",
        "mcp",
        "--model",
        "--connections"
      ],
      "env": {
        "COSMOS_API_KEY": "your-value",
        "COSMOS_DEV_API_KEYS": "your-value"
      }
    }
  }
}

Ejecuta esto en tu terminal

claude mcp add cosmos-semantic --env COSMOS_API_KEY=your-value --env COSMOS_DEV_API_KEYS=your-value -- uvx cosmos-semantic mcp --model --connections

Completa los valores vacíos antes de ejecutarlo.

Este necesita valores en su línea de comandos, así que copia la configuración y complétalos.

O copia la configuración tú

Pégalo en .cursor/mcp.json de tu proyecto, o en ~/.cursor/mcp.json

{
  "mcpServers": {
    "cosmos-semantic": {
      "command": "uvx",
      "args": [
        "cosmos-semantic",
        "mcp",
        "--model",
        "--connections"
      ],
      "env": {
        "COSMOS_API_KEY": "your-value",
        "COSMOS_DEV_API_KEYS": "your-value"
      }
    }
  }
}

Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.

Este necesita valores en su línea de comandos, así que copia la configuración y complétalos.

O copia la configuración tú

Pégalo en .vscode/mcp.json de tu proyecto

{
  "servers": {
    "cosmos-semantic": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "cosmos-semantic",
        "mcp",
        "--model",
        "--connections"
      ],
      "env": {
        "COSMOS_API_KEY": "your-value",
        "COSMOS_DEV_API_KEYS": "your-value"
      }
    }
  }
}

Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.

Este se ejecuta en tu computadora, y ChatGPT solo puede conectarse a servidores en internet. Elige otra app.

Tu elección se guarda en una cookie en este dispositivo; no necesitas cuenta.

Valores que debes completar

COSMOS_API_KEY secreto obligatorio env
The caller's key; its user context feeds the model's row filters
COSMOS_DEV_API_KEYS env
YAML file with development keys (local use); production uses an OIDC provider

Esta configuración se genera a partir de la ficha del creador en el registro. Si el README dice otra cosa, sigue el README.

Qué puede hacer

Se ejecuta en tu computadora; la lista de herramientas aparece en tu app de IA después de instalarlo.

Revisiones básicasi

Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 8 nov 2026

✓ Superada
El creador coincide con el repo
El nombre en el registro se verificó con la cuenta de GitHub WiliamRosa, dueña del repo
… Aún sin revisar
Sigue en mantenimiento
Todavía no hemos leído este repo en GitHub
… Aún sin revisar
Tiene licencia
Todavía no hemos leído este repo en GitHub
– No aplica
El endpoint responde
Este se ejecuta en tu computadora; no hay endpoint en internet
– No aplica
Inicio de sesión con OAuth
Se ejecuta en tu computadora y usa ajustes locales en su lugar
… Aún sin revisar
Sin instrucciones ocultas en las descripciones de herramientas
Se ejecuta en tu computadora; solo podemos leer listas de herramientas de endpoints en internet

Comparado con otros en Otrosi

Más estrellas que el 0% de los otros 18397 servidores de esta categoría
Publicado en el registro más recientemente que el 94% de los otros 18397 servidores de esta categoría
Revisiones básicas iguales o mejores que el 100% de los otros 18397 servidores de esta categoría

Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.

Preguntas frecuentes

¿Es seguro Cosmos Semantic?

Superó 1 de 1 revisiones básicas aplicables. No hemos leído el código. Antes de agregar una clave o un token, revisa qué acceso pide el servidor y usa una clave que tenga solo los permisos que necesitas.

¿Qué claves o códigos necesita?

Debes completar: COSMOS_API_KEY

¿Se ejecuta en mi computadora o en la nube?

Se ejecuta en tu computadora. Tu app de IA lo inicia cuando hace falta, y los datos no pasan por los servidores del creador (a menos que el propio servidor llame a un servicio en línea).

¿Sigue en mantenimiento?

El repo de GitHub cambió por última vez –, y la última versión (0.3.0) llegó al registro hace 3 días.

¿Qué apps pueden usarlo?

Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas Python (uv) en tu computadora.

¿Qué puedo usar en su lugar?

En la misma categoría: Spec Driven Development, Remote Desktop Commander, alalanet — check before you pay

Alternativas

Servidores de la misma categoría hechos por otros creadores, ordenados por estrellas.

Cómo leer una tarjeta:★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi

Spec Driven Development

de formulahendry

MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.

Se ejecuta en tu computadora★ 440MITActualizado hace 14 meses

Instalar

Remote Desktop Commander

de desktop-commander

Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.

Se ejecuta en la nube★ 211Actualizado anteayer

Instalar

alalanet — check before you pay

de alalanet

Check packages, MCP servers and x402 endpoints before agents install or pay. Signed.

Se ejecuta en la nubeActualizado hoy

Instalar

README del creador

Abrir el README

Copiado tal cual del repo del creador. PopNx MCP no lo ha revisado ni lo respalda. Se quitaron HTML, imágenes y scripts. Los enlaces llevan fuera de este sitio.

Cosmos Semantic

An open-source semantic layer with an ontology at its core, so AI agents and apps get the same number on every database, with the proof in every answer.

[Live demo of the console](https://wiliamrosa.github.io/cosmos-semantic-platform/) · Quickstart · Docs · Article (em português)

AI agents that write SQL over raw tables return numbers that look right and that nobody can explain: "revenue" has three definitions, "active customer" means 60 days to one team and 90 to another. Cosmos Semantic defines metrics, business rules and concepts once, serves them to agents over MCP instead of letting them guess SQL, and attaches evidence to every answer.


Multi-database	One model, the same number on Databricks, Snowflake, Oracle, SQL Server, Postgres, MySQL, MariaDB and DuckDB, checked by the test suite on every change
Ontology	A bilingual business glossary (SKOS), versioned business rules with owners and tests, and a knowledge graph of teams, systems and processes
Built for AI agents	A native MCP server: agents find the concept, ask for a governed metric and get deterministic SQL; personal data never reaches them
Verifiable numbers	Every answer carries the expanded formula, rules, row filters, reference date and hashes; `cosmos replay` tells whether a number changed and why
Reconciliation	Compares a governed metric with the legacy SQL a team already uses and names the likely cause of each divergence
Open, no lock-in	Apache 2.0, its own engine, and import from dbt, Power BI, Cube and Apache Ossie

The YAML format uses the dbt Semantic Layer vocabulary and ships a JSON Schema; Cube and dbt are import sources and export targets, not dependencies. The core is Apache 2.0 within an open-core model (ADR 0005).

Status: phases 0 to 3 are implemented: the engine, the ontology (glossary and business rules), the REST API, the MCP server, OIDC identity, verifiable numbers (evidence, replay, reconciliation, impact, bootstrap), business context (rule versions, usage and cost, knowledge graph, Power BI import, AI-assisted discovery, the retail pack, SKOS export) and the read-only console. See the roadmap.

Quickstart

pip install "cosmos-semantic[duckdb,testdata]"

cosmos init demo && cd demo cosmos demo-data cosmos query revenue average_order_value --by orders.status --evidence cosmos explain rule:active_customer

That is a governed metric with its evidence (formula, rules, policies, as_of and hashes) in about a minute, on a local DuckDB file. The quickstart continues with business rules, row filters, personal data and connecting an AI agent over MCP. Extras: duckdb, postgres, sqlserver, mysql (MySQL and MariaDB), oracle, databricks, snowflake, server (REST and MCP), ai (cosmos suggest), testdata.

Console

cosmos serve also serves a read-only console at /console, in English or Portuguese, for people who decide rather than build:

metric health and ownership;
business processes as graphs colored by health;
the catalog in business words;
every audited answer, with a button to reproduce it;
usage and cost per agent.

cosmos check records rule tests and reconciliations against legacy reports, so the console shows health over time.

Development

Requires Python 3.11+ and uv. From a clone of this repository:

uv sync --all-extras

Generate synthetic e-commerce data into a local DuckDB (data/ecommerce.duckdb)

uv run cosmos demo-data -c examples/ecommerce/connections.yml # --locale pt_BR for Brazilian data with CPF

Validate the example model

uv run cosmos validate -m examples/ecommerce/semantic

Revenue and average order value by status

uv run cosmos query revenue average_order_value --by orders.status \ -m examples/ecommerce/semantic -c examples/ecommerce/connections.yml

Same query as CSV (raw values, header + one row per result row) for spreadsheets and scripts

uv run cosmos query revenue average_order_value --by orders.status --csv \ -m examples/ecommerce/semantic -c examples/ecommerce/connections.yml

Metrics from different models, with the user's row filter; --show-sql prints the generated SQL

uv run cosmos query revenue paid_value customer_count --by customers.region -u region=Midwest --show-sql \ -m examples/ecommerce/semantic -c examples/ecommerce/connections.yml

Business rules as a filter and as a grouping; --as-of pins "today"

uv run cosmos query customer_count --where "{rule.active_customer}" --by customers.segment \ -u region=Northeast --as-of 2026-10-22 -m examples/ecommerce/semantic -c examples/ecommerce/connections.yml

Evidence envelope: formulas, rules, policies, as_of and hashes; then replay the audited query

export COSMOS_AUDIT_LOG=data/audit.jsonl uv run cosmos query average_order_value --by customers.segment --where "{rule.active_customer}" -u region=Northeast --evidence -m examples/ecommerce/semantic -c examples/ecommerce/connections.yml uv run cosmos replay -m examples/ecommerce/semantic -c examples/ecommerce/connections.yml

Reconcile a governed metric with legacy SQL or another model, and explain the divergence

uv run cosmos reconcile revenue --by orders.status --sql legacy_revenue.sql -m examples/ecommerce/semantic -c examples/ecommerce/connections.yml uv run cosmos reconcile --cases examples/ecommerce/divergence_zoo.yml -m examples/ecommerce/semantic -c examples/ecommerce/connections.yml

What a change affects, and who queried it (also: --changes-from )

uv run cosmos impact rule:active_customer -m examples/ecommerce/semantic --audit data/audit.jsonl

Past numbers under the rule in effect then, or under today's rule

uv run cosmos query customer_count -w "{rule.active_customer}" --as-of 2026-06-30 --rules-as-of 2026-10-23 -u region=Midwest -m examples/ecommerce/semantic -c examples/ecommerce/connections.yml

Usage and estimated cost per metric, user, agent and data source (rates: `cost` in connections.yml)

uv run cosmos usage --audit data/audit.jsonl -m examples/ecommerce/semantic -c examples/ecommerce/connections.yml

The business knowledge graph: owners, source systems and processes (Mermaid, DOT or JSON)

uv run cosmos graph --focus process:order_to_cash -m examples/ecommerce/semantic uv run cosmos impact system:payment_gateway -m examples/ecommerce/semantic

AI-assisted discovery: concepts, rules, metrics and descriptions, validated by the engine, for review

(repeat --source to require that each suggestion runs on every database the model serves)

uv run cosmos suggest --source local -m examples/ecommerce/semantic -c examples/ecommerce/connections.yml -o suggestions.yml

Industry pack mapped onto your tables by name (draft + report for review)

uv run cosmos pack list uv run cosmos pack apply retail --source local --schema public -c examples/ecommerce/connections.yml -o semantic/retail.yml

The business glossary as SKOS/RDF for data catalogs (turtle, jsonld or ntriples)

uv run cosmos export skos -m examples/ecommerce/semantic -o glossary.ttl --base https://data.example.com/glossary/

Draft a model from the database catalog (keys, joins, measures, LGPD suggestions), then review it

uv run cosmos bootstrap -c examples/ecommerce/connections.yml -o semantic/draft.yml

Business rule examples (on DuckDB, without touching the data sources) and reference queries

uv run cosmos test -m examples/ecommerce/semantic uv run cosmos reference

Import models from other tools

uv run cosmos import cube path/to/model -o semantic/imported.yml uv run cosmos import dbt path/to/dbt/models --schema analytics -o semantic/dbt.yml uv run cosmos import ossie model.yaml -o semantic/ossie.yml uv run cosmos import powerbi model.bim -o semantic/powerbi.yml # or a TMDL folder

REST API and MCP

cosmos serve starts the REST API at /v1 and the MCP server at /mcp in the same process; interactive docs are at /docs.

# Production: tokens from the OIDC provider (Cosmos only validates, never issues)

export COSMOS_OIDC_ISSUER=https://login.microsoftonline.com/ /v2.0 export COSMOS_OIDC_AUDIENCE=api://cosmos-semantic

Development: API keys bound to a fixed context (a file with `keys: { : {subject, user}}`)

export COSMOS_DEV_API_KEYS=dev-keys.yml

uv run cosmos serve -m examples/ecommerce/semantic -c examples/ecommerce/connections.yml curl -X POST localhost:8080/v1/query -H "X-API-Key: " -H "content-type: application/json" \ -d '{"metrics": ["revenue"], "dimensions": ["customers.segment"]}'

Remote MCP clients use /mcp as an OAuth protected resource: requests without a valid token get HTTP 401 with a WWW-Authenticate header pointing to /.well-known/oauth-protected-resource, which names the identity provider (set COSMOS_PUBLIC_URL behind a proxy).

For local MCP clients (Claude Desktop, Claude Code), use the stdio transport: cosmos mcp -m ... -c ... with COSMOS_API_KEY set. The tools are search_concepts, explain, list_members, query and show_sql. Every call runs as the user who owns the token; personal data never reaches agents.

Data sources

Local Postgres: docker compose -p cosmos-semantic -f deploy/docker-compose.yml up -d, then cosmos demo-data --target postgres and cosmos reference --source postgres. To also run the tests on Postgres, set COSMOS_PG_URI=postgresql://cosmos:cosmos@localhost:15432/cosmos.

Local SQL Server: docker compose -p cosmos-semantic -f deploy/docker-compose.yml --profile sqlserver up -d and COSMOS_MSSQL_URI='mssql+pymssql://sa:Cosmos!Passw0rd@localhost:14330/master'. Every data source accepts a schema_map in connections.yml (for example public: dbo) to use the same model with different schemas.

Local MySQL, MariaDB and Oracle Database Free: docker compose -p cosmos-semantic -f deploy/docker-compose.yml --profile mysql --profile mariadb --profile oracle up -d,

Solo se muestra el principio; lee el resto en el repo

Cosmos Semantic

Resumen

Los tres pilares de PopNx MCP

Qué puedes hacer con él

Instalación

Antes de instalar

Valores que debes completar

Qué puede hacer

Revisiones básicasi

El creador coincide con el repo

Sigue en mantenimiento

Tiene licencia

El endpoint responde

Inicio de sesión con OAuth

Sin instrucciones ocultas en las descripciones de herramientas

Comparado con otros en Otrosi

Preguntas frecuentes

Alternativas

Spec Driven Development

Remote Desktop Commander

alalanet — check before you pay

README del creador

Cosmos Semantic

Quickstart

Console

Development

Generate synthetic e-commerce data into a local DuckDB (data/ecommerce.duckdb)

Validate the example model

Revenue and average order value by status

Same query as CSV (raw values, header + one row per result row) for spreadsheets and scripts

Metrics from different models, with the user's row filter; --show-sql prints the generated SQL

Business rules as a filter and as a grouping; --as-of pins "today"

Evidence envelope: formulas, rules, policies, as_of and hashes; then replay the audited query

Reconcile a governed metric with legacy SQL or another model, and explain the divergence

What a change affects, and who queried it (also: --changes-from )

Past numbers under the rule in effect then, or under today's rule

Usage and estimated cost per metric, user, agent and data source (rates: cost in connections.yml)

The business knowledge graph: owners, source systems and processes (Mermaid, DOT or JSON)

AI-assisted discovery: concepts, rules, metrics and descriptions, validated by the engine, for review

(repeat --source to require that each suggestion runs on every database the model serves)

Industry pack mapped onto your tables by name (draft + report for review)

The business glossary as SKOS/RDF for data catalogs (turtle, jsonld or ntriples)

Draft a model from the database catalog (keys, joins, measures, LGPD suggestions), then review it

Business rule examples (on DuckDB, without touching the data sources) and reference queries

Import models from other tools

REST API and MCP

Development: API keys bound to a fixed context (a file with keys: { : {subject, user}})

Data sources

Usage and estimated cost per metric, user, agent and data source (rates: `cost` in connections.yml)

Development: API keys bound to a fixed context (a file with `keys: { : {subject, user}}`)