Fase de pruebasEste entorno está en pruebas de prelanzamiento — todos los datos se restablecerán en el lanzamiento.
Mockomat
INTEGRACIÓN AI

Mockomat es un prompt.

Dile a Claude, Cursor o cualquier LLM que cree una API GraphQL simulada. Ellos la construyen, tú observas, y el enlace está en tu portapapeles antes de que el modelo termine tu frase. Sin inicio de sesión. Sin archivos de configuración.

< 60s de cero a consultable
10 herramientas MCP · próximamente
24h sesiones de invitado
0 archivos de configuración
claude · mockomat-mcp · session
LIVE
— / Tres formas de entrar

Elige el punto de entrada que se adapte a tu stack.

Ya sea escribiendo una línea en ChatGPT o configurando una sesión prolongada en Cursor, hay un camino. Todos acceden a la misma API pública y terminan con un mock consultable.

01 Más fácil

Solo pregunta.

Dile a cualquier LLM que use Mockomat.

Sin herramientas que instalar, sin claves API que copiar. La especificación de capacidades en /.well-known/ai-capabilities.md enseña a cada LLM cómo comunicarse con Mockomat. El modelo crea un proyecto de invitado, construye tu esquema y te devuelve una URL consultable. El proyecto de invitado dura 24 horas desde el inicio de su sesión de invitado y no se puede mover a una cuenta.

"Create a mock GraphQL API for an e-commerce store with products, customers, and orders. Use Mockomat."
02 Próximamente

El servidor MCP.

Integración nativa para Claude Desktop, Claude Code, Cursor, Copilot.

mockomat-mcp expone 10 herramientas — create_project, list_data_sources, create_table, generate_api, query_data, import_openapi y más. La cookie de sesión se gestiona automáticamente. El AI nunca ve HTTP, solo llamadas a herramientas limpias.

# mockomat-mcp — paquete npm próximamente
03 Ruta de migración

Carga una especificación OpenAPI.

¿Tienes un archivo Swagger u OpenAPI? Mockomat lo lee.

Adjunta una especificación a tu prompt y el LLM la envía a importOpenApiSpec en la API GraphQL pública. Tablas, atributos, relaciones y operaciones por defecto — todo generado desde tu contrato API existente. Itera sobre el modelo a partir de ahí.

POST /public-graphql importOpenApiSpec(input: { specContent, selectedSchemas })
— / El momento wow

Observa cómo diseña la AI,como una película.

Las decisiones de modelado normalmente requieren días de reuniones — el PM discrepa con el arquitecto, el desarrollador está a oscuras, el tester espera un contrato. En Mockomat, la AI construye el esquema en tiempo real y todo tu equipo observa el mismo tablero. Las tablas aparecen. Los atributos se vinculan. Las relaciones se conectan. Todos ven la misma imagen, en el mismo momento.

Product owner ve la estructura de datos que importa a las partes interesadas
Arquitecto revisa relaciones y cardinalidades en vivo
Desarrollador lanza consultas contra el mock al instante
Tester fija fixtures en el momento en que aparecen
LIVE · Tablero de modelado
PO AR DV QA
+ Claude
User
· email · fullName · avatarUrl · locale
Product
· sku · name · priceEur · stock
Order
· orderNo · total · status · createdAt
C Claude añadió la relación User → Order
— / Servidor MCP

Diez herramientas.Muy pronto.

mockomat-mcp habla el Model Context Protocol a través de STDIO. El paquete npm llegará pronto: cuando esté disponible, añádelo una vez a Claude Desktop, Claude Code o Cursor y tu AI obtendrá un nuevo kit de herramientas. Mientras tanto, cualquier LLM puede crear APIs mock con la especificación de capacidades.

npm
# mockomat-mcp — paquete npm próximamente
Lee la especificación de capacidades
MCP Tools
create_project Spin up a new mock project with slug and metadata
get_project_status Retrieve project state, tables, and endpoints
list_data_sources Browse the public data-pool catalog
get_data_source Inspect schema + sample rows of a source
create_table Add an entity with typed attributes
create_attribute Append a field to an existing table
create_relation Link two tables with cardinality
generate_api Publish the GraphQL endpoint for the project
query_data Run a GraphQL query against the live mock
import_openapi Parse an OpenAPI/Swagger spec into tables

Lo que un LLM puede y no puede hacer, por nivel.

Los puntos de entrada gratuitos son lo suficientemente amplios para que cualquier prompt tenga éxito. Las cargas de trabajo en producción — integración CI, demos públicas, agentes AI en el proceso — funcionan con un plan de pago con autenticación por clave API y cuotas más altas.

Invitado

  • 1 proyecto · basado en sesión
  • Caducidad de 24h
  • 100 solicitudes API / día
  • Endpoint mediante enlace compartido, limitado por IP

Starter

  • 1 proyecto
  • Proyectos persistentes
  • 1000 solicitudes API / día
  • Sin API externa (solo enlaces compartidos)
  • 2 colaboradores invitados por proyecto

Professional

  • 10 proyectos
  • Endpoints privados y claves API
  • 10 claves API por proyecto
  • 50.000 solicitudes API / mes
  • 11 miembros del equipo

Business

  • 20 proyectos
  • 250.000 solicitudes API / mes
  • 50 claves API por proyecto
  • 19 miembros del equipo · 3 mantenedores
  • Analítica de endpoints