Phase de testCet environnement est en test de pré-lancement — toutes les données seront réinitialisées au lancement.
Mockomat
INTÉGRATION AI

Mockomat est un prompt.

Demande à Claude, Cursor ou n'importe quel LLM de créer une API GraphQL fictive. Ils la construisent, tu regardes, et le lien est dans ton presse-papiers avant que le modèle ne finisse sa phrase. Sans connexion. Sans fichiers de configuration.

< 60s de zéro à requêtable
10 outils MCP · bientôt disponibles
24h sessions invité
0 fichiers de configuration
claude · mockomat-mcp · session
LIVE
— / Trois points d'entrée

Choisis le point d'entrée adapté à ton stack.

Que tu tapes une commande dans ChatGPT ou que tu configures une longue session Cursor, il y a un chemin. Tous passent par la même API publique et aboutissent à un mock requêtable.

01 Le plus simple

Demande, tout simplement.

Demande à n'importe quel LLM d'utiliser Mockomat.

Aucun outil à installer, aucune clé API à copier. La spec de capacités sur /.well-known/ai-capabilities.md apprend à chaque LLM comment communiquer avec Mockomat. Le modèle crée un projet invité, construit ton schéma et te renvoie une URL requêtable. Le projet invité dure 24 heures à partir du démarrage de sa session invité et ne peut pas être transféré dans un compte.

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

Le serveur MCP.

Intégration native pour Claude Desktop, Claude Code, Cursor, Copilot.

mockomat-mcp expose 10 outils — create_project, list_data_sources, create_table, generate_api, query_data, import_openapi, et plus encore. Le cookie de session est géré pour toi. L'IA ne voit jamais le HTTP, seulement des appels d'outils propres.

# mockomat-mcp — package npm bientôt disponible
03 Chemin de migration

Dépose une spec OpenAPI.

Tu as un fichier Swagger ou OpenAPI ? Mockomat le lit.

Joins une spec à ton prompt et le LLM l'envoie à importOpenApiSpec sur l'API GraphQL publique. Tables, attributs, relations et opérations par défaut — tout est généré à partir de ton contrat API existant. Itère sur le modèle à partir de là.

POST /public-graphql importOpenApiSpec(input: { specContent, selectedSchemas })
— / Le moment waouh

Regarde l'IA concevoir,comme un film.

Les décisions de modélisation prennent normalement des jours de réunions — le chef de produit est en désaccord avec l'architecte, le développeur est dans le flou, le testeur attend un contrat. Sur Mockomat, l'IA construit le schéma en temps réel et toute ton équipe regarde le même tableau. Les tables apparaissent. Les attributs se lient. Les relations se connectent. Tout le monde voit la même image, au même moment.

Chef de produit voit la structure de données qui intéresse les parties prenantes
Architecte examine les relations et cardinalités en direct
Développeur lance des requêtes contre le mock instantanément
Testeur fixe les fixtures dès leur apparition
LIVE · Tableau de modélisation
PO AR DV QA
+ Claude
User
· email · fullName · avatarUrl · locale
Product
· sku · name · priceEur · stock
Order
· orderNo · total · status · createdAt
C Claude a ajouté la relation User → Order
— / Serveur MCP

Dix outils.Bientôt disponibles.

mockomat-mcp parle le Model Context Protocol via STDIO. Le package npm arrive bientôt — ajoute-le alors une fois à Claude Desktop, Claude Code ou Cursor et ton IA disposera d'une nouvelle boîte à outils. En attendant, n'importe quel LLM peut créer des API mock grâce à la spec de capacités.

npm
# mockomat-mcp — package npm bientôt disponible
Lire la spec de capacités
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

Ce qu'un LLM peut et ne peut pas faire, par palier.

Les points d'entrée gratuits sont suffisamment larges pour que n'importe quel prompt réussisse. Les charges de production — intégration CI, démos publiques, agents AI dans la boucle — résident sur un plan payant avec authentification par clé API et des quotas plus élevés.

Invité

  • 1 projet · basé sur la session
  • Expiration 24h
  • 100 requêtes API / jour
  • Endpoint via lien de partage, limité par IP

Starter

  • 1 projet
  • Projets persistants
  • 1 000 requêtes API / jour
  • Pas d'API externe (liens de partage uniquement)
  • 2 collaborateurs invités par projet

Professional

  • 10 projets
  • Endpoints privés & clés API
  • 10 clés API par projet
  • 50 000 requêtes API / mois
  • 11 membres d'équipe

Business

  • 20 projets
  • 250 000 requêtes API / mois
  • 50 clés API par projet
  • 19 membres d'équipe · 3 mainteneurs
  • Analytiques des endpoints