Fase di testQuesto ambiente è in test pre-lancio — tutti i dati saranno azzerati al lancio.
Mockomat
INTEGRAZIONE AI

Mockomat è un prompt.

Chiedi a Claude, Cursor o qualsiasi LLM di creare un'API GraphQL mock. Loro costruiscono, tu guardi, e il link è nella tua clipboard prima che il modello finisca la sua frase. Nessun login. Nessun file di configurazione.

< 60s da zero a interrogabile
10 tool MCP · in arrivo
24h sessioni guest
0 file di configurazione
claude · mockomat-mcp · session
LIVE
— / Tre modi per iniziare

Scegli il punto di ingresso adatto al tuo stack.

Che tu stia scrivendo una riga in ChatGPT o configurando una sessione Cursor di lunga durata, c'è un percorso. Tutti raggiungono la stessa API pubblica e terminano con un mock interrogabile.

01 Più semplice

Chiedi e basta.

Chiedi a qualsiasi LLM di usare Mockomat.

Nessun tool da installare, nessuna API key da copiare. La capability spec a /.well-known/ai-capabilities.md insegna a ogni LLM come comunicare con Mockomat. Il modello crea un progetto guest, costruisce il tuo schema e restituisce un URL interrogabile. Il progetto guest dura 24 ore dall'avvio della sua sessione guest e non può essere spostato in un account.

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

Il server MCP.

Integrazione nativa per Claude Desktop, Claude Code, Cursor, Copilot.

mockomat-mcp espone 10 tool — create_project, list_data_sources, create_table, generate_api, query_data, import_openapi e altri. Il cookie di sessione è gestito automaticamente. L'AI non vede mai HTTP, solo chiamate tool pulite.

# mockomat-mcp — pacchetto npm in arrivo
03 Percorso di migrazione

Carica una spec OpenAPI.

Hai un file Swagger o OpenAPI? Mockomat lo legge.

Allega una spec al tuo prompt e l'LLM la invia a importOpenApiSpec sull'API GraphQL pubblica. Tabelle, attributi, relazioni e operazioni predefinite — tutto generato dal tuo contratto API esistente. Itera sul modello da lì.

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

Guarda l'AI progettare,come un film.

Le decisioni di modellazione normalmente richiedono giorni di riunioni — il PM non è d'accordo con l'architetto, lo sviluppatore è all'oscuro, il tester aspetta un contratto. Su Mockomat, l'AI costruisce lo schema in tempo reale e l'intero team guarda la stessa board. Le tabelle appaiono. Gli attributi si legano. Le relazioni si connettono. Tutti vedono la stessa immagine, nello stesso momento.

Product owner vede la forma dei dati che interessa agli stakeholder
Architetto verifica relazioni e cardinalità in tempo reale
Sviluppatore inizia le query contro il mock istantaneamente
Tester fissa i fixture nel momento in cui appaiono
LIVE · Board di modellazione
PO AR DV QA
+ Claude
User
· email · fullName · avatarUrl · locale
Product
· sku · name · priceEur · stock
Order
· orderNo · total · status · createdAt
C Claude ha aggiunto la relazione User → Order
— / Server MCP

Dieci tool.In arrivo.

mockomat-mcp parla il Model Context Protocol via STDIO. Il pacchetto npm è in arrivo: quando sarà disponibile, aggiungilo una volta a Claude Desktop, Claude Code o Cursor e la tua AI otterrà una nuova cassetta degli attrezzi. Nel frattempo, qualsiasi LLM può creare API mock tramite la capability spec.

npm
# mockomat-mcp — pacchetto npm in arrivo
Leggi la capability spec
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

Cosa può e cosa non può fare un LLM, per livello.

I punti di ingresso gratuiti sono abbastanza ampi perché qualsiasi prompt abbia successo. I carichi di lavoro di produzione — integrazione CI, demo pubbliche, agenti AI nel loop — risiedono su un piano a pagamento con autenticazione API-key e quote più elevate.

Ospite

  • 1 progetto · basato su sessione
  • Scadenza 24h
  • 100 richieste API / giorno
  • Endpoint tramite link di condivisione, rate-limited per IP

Starter

  • 1 progetto
  • Progetti persistenti
  • 1000 richieste API / giorno
  • Nessuna API esterna (solo link di condivisione)
  • 2 collaboratori ospiti per progetto

Professional

  • 10 progetti
  • Endpoint privati e chiavi API
  • 10 chiavi API per progetto
  • 50.000 richieste API / mese
  • 11 membri del team

Business

  • 20 progetti
  • 250.000 richieste API / mese
  • 50 chiavi API per progetto
  • 19 membri del team · 3 gestori
  • Analytics sugli endpoint