io.viseon/semantic-intelligence

Est-ce que io.viseon/semantic-intelligence est sûr ?

Au dernier audit MCP Hub, le serveur MCP « io.viseon/semantic-intelligence » est classé « Non encore testé ». Référencé dans l'annuaire. Seul le pentest comportemental fait foi, et il n'a pas encore été exécuté sur ce serveur. Le verdict est réévalué en continu ; consultez la fiche pour l'état à jour.

Méthode : MCP Hub analyse la description de chaque outil (couche 1) et, pour le verdict fort, exécute le serveur dans une micro-VM isolée avec leurres et réseau bloqué (couche 2). On publie des noms et des compteurs, jamais le contenu brut renvoyé par un outil.

Les 7 outils

• find_by_type≈ 106 tokens

  Find all entities of a specific schema.org type (exact type name, for example Service, Person, DefinedTerm).

  Paramètres, retour & exemple (1)

  Paramètres

  • type · string · requis

  Exemple d'appel

  {"name": "find_by_type", "arguments": {"type": "texte"}}

  Exemple de retour

  {"content": [{"type": "text", "text": "…"}], "structuredContent": {"count": 1, "items": []}}

• fuzzy_find_and_traverse≈ 272 tokens

  Find and rank schema.org entities from natural language, tolerating typos and alternative names. Returns bounded entity context with relationship IDs; use get_entity for full detail. The optional detail argument is summary (for each hit: id, type, name, url, the start of the description and the match score) or full (every property and relationship). A client on protocol 2026-07-28 or later gets summary unless it asks for full; an older client gets full unless it asks for summary.

  Paramètres, retour & exemple (5)

  Paramètres

  • type · string · optionnel
  • limit · integer · optionnel
  • query · string · requis
  • detail · string · optionnel · summary | full
  • weights · object · optionnel

  Exemple d'appel

  {"name": "fuzzy_find_and_traverse", "arguments": {"query": "texte"}}

  Exemple de retour

  {"content": [{"type": "text", "text": "…"}], "structuredContent": {"count": 1, "items": []}}

• get_citable_passages≈ 283 tokens

  Return passages of the VISEON articles word for word, each with a link to the passage itself, the article it is part of and how much of the query it holds, so an answer can quote and cite them. query: the distinctive words asked about (a name, a term, a phrase the article uses). article: optional, an article's @id, page url or title, to look inside that article only. limit: 1 to 5 passages, default 3. The text is verbatim and unaltered: no model has read or paraphrased it. It matches the article's own words, so ask in the words the article would use; for what the graph says about an article (description, author, date, topics) use fuzzy_find_and_traverse and get_entity.

  Paramètres, retour & exemple (3)

  Paramètres

  • limit · integer · optionnel
  • query · string · requis
  • article · string · optionnel

  Exemple d'appel

  {"name": "get_citable_passages", "arguments": {"query": "texte"}}

  Exemple de retour

  {"content": [{"type": "text", "text": "…"}], "structuredContent": {"note": "texte", "count": 1, "items": []}}

• get_entity≈ 80 tokens

  Get complete schema.org entity data by URL (its @id), including relationships the graph holds in either direction.

  Paramètres, retour & exemple (1)

  Paramètres

  • url · string · requis

  Exemple d'appel

  {"name": "get_entity", "arguments": {"url": "texte"}}

  Exemple de retour

  {"content": [{"type": "text", "text": "…"}]}

• query_relationships≈ 134 tokens

  Find entities connected to a subject: one row per property value, with object_type 'uri' for links to other entities and 'literal' for values. Optionally filter by predicate.

  Paramètres, retour & exemple (2)

  Paramètres

  • subject · string · requis
  • predicate · string · optionnel

  Exemple d'appel

  {"name": "query_relationships", "arguments": {"subject": "texte"}}

  Exemple de retour

  {"content": [{"type": "text", "text": "…"}], "structuredContent": {"count": 1, "items": []}}

• search_content≈ 100 tokens

  Substring search across the text of every entity; returns up to 20 entity URLs.

  Paramètres, retour & exemple (1)

  Paramètres

  • query · string · requis

  Exemple d'appel

  {"name": "search_content", "arguments": {"query": "texte"}}

  Exemple de retour

  {"content": [{"type": "text", "text": "…"}], "structuredContent": {"count": 1, "items": []}}

• traverse_path≈ 416 tokens

  Walk the knowledge graph from one entity in a single call. start: an entity @id or a name (resolved like fuzzy_find_and_traverse). path: one entry per hop, each a predicate or a list of predicates; prefix a predicate with ^ to follow it backwards (e.g. ^worksFor finds who works for an organisation). Literal values (dates, names, emails) named in a hop are returned in values. Example, who founded the company Hamza works for and when: start "Hamza Ashraf", path [["worksFor"], ["founder", "foundingDate"]]. Without path, follows every link for maxHops (1-3, default 2) and returns links only, with a budget of 100 rows shared between hops, so hubs are cut short rather than hiding later hops (use a path to go deeper: a path call may return up to 400 rows). Returns edges [{hop, from, predicate, to, to_name, to_types}], values [{hop, subject, subject_name, predicate, value}], truncated and truncated_hops (the hops that hit a limit).

  Paramètres, retour & exemple (3)

  Paramètres

  • path · array · optionnel
  • start · string · requis
  • maxHops · integer · optionnel

  Exemple d'appel

  {"name": "traverse_path", "arguments": {"start": "texte"}}

  Exemple de retour

  {"content": [{"type": "text", "text": "…"}], "structuredContent": {"hops": 1, "edges": [], "start": {}, "values": [], "truncated": true, "truncated_hops": []}}

C'est votre serveur ?

Revendiquez-le sur l'espace créateur (preuve GitHub, domaine ou npm) pour afficher le badge « propriétaire vérifié » et lancer un pentest comportemental à la demande afin d'obtenir le badge « Vérifié ».

Créer un compte / revendiquer →

Source

https://viseon.io/mcp