Genera conjuntos de datos relacionales sintéticos y fixtures de semilla a partir de SQL DDL o esquemas ORM con integridad de claves foráneas garantizada.
También conocido como RitualDev-Lab/MockForge, mockforge, @ritualdev-lab/mockforge
- Stars
- 0
- Herramientas
- —
- Descargas, 30 días
- —
- Última versión
- 0.1.1
- Último commit
- 8 nov 2026
- Licencia
- —
¿Qué es MockForge AI MCP?
MockForge AI es un MCP server. Genera conjuntos de datos relacionales sintéticos y fixtures de semilla a partir de SQL DDL o esquemas ORM con integridad de claves foráneas garantizada.
Resumen generado a partir del README del proyecto
Acerca del MCP server de MockForge AI
MockForge AI ofrece a desarrolladores e ingenieros de QA una forma de generar conjuntos de datos relacionales sintéticos sin depender de infraestructura en la nube. Funciona analizando SQL DDL, esquemas de Prisma o Drizzle y especificaciones de OpenAPI para construir un grafo de dependencias. Utilizando el algoritmo Kahn's Topological DAG Sorter y un motor SQLite basado en WebAssembly en el navegador, la herramienta garantiza que todas las relaciones de claves foráneas se mantengan válidas durante la síntesis de datos. Esto permite la creación de millones de filas a velocidades superiores a las 88,000 filas por segundo.
Los usuarios pueden interactuar con el sistema a través de una CLI, un SDK de Python o un SDK de Node.js/TypeScript. El motor se ejecuta completamente en el lado del cliente o dentro de entornos efímeros de serverless edge, lo que significa que no requiere una base de datos externa ni un VPS para funcionar. Es compatible con la exportación de datos en múltiples formatos, incluyendo scripts SQL INSERT, JSON anidado, paquetes CSV, fixtures de Pytest y seeders de TypeScript. Esto lo hace ideal para desarrollo local, pipelines de CI/CD y entornos de pruebas automatizadas donde se requiere privacidad de datos y baja latencia.
Qué puedes hacer con él
- 1Generar archivos de semilla relacionalesCrea archivos SQL o JSON que contienen miles de registros vinculados a partir de un esquema de base de datos existente.
- 2Automatizar fixtures de pruebas en PythonIntegra la generación de datos sintéticos directamente en suites de Pytest usando el SDK de Python.
- 3Anonimizar datos de producciónReemplaza información sensible en snapshots de bases de datos con datos sintéticos para mantener el cumplimiento normativo.
- 4Simular endpoints de APIDespliega servidores HTTP temporales en memoria que sirven datos dinámicos basados en definiciones de esquema.
Escrito a partir del README del proyecto. Cada caso de uso se verifica con una cita del mismo.
Cómo instalar MockForge AI MCP
Formatos verificados el 10 nov 2026Añadir a CursorAñadir a GooseInstalar MockForge AI MCP en Claude Code
$ claude mcp add mockforge -- npx -y @ritualdev-lab/mockforgeInstalar MockForge AI MCP en Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"mockforge": {
"command": "npx",
"args": [
"-y",
"@ritualdev-lab/mockforge"
]
}
}
}Instalar MockForge AI MCP en VS Code
.vscode/mcp.json
{
"servers": {
"mockforge": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@ritualdev-lab/mockforge"
]
}
}
}Instalar MockForge AI MCP en VS Code CLI
$ code --add-mcp '{"name":"mockforge","type":"stdio","command":"npx","args":["-y","@ritualdev-lab/mockforge"]}'Instalar MockForge AI MCP en Claude Desktop
claude_desktop_config.json
{
"mcpServers": {
"mockforge": {
"command": "npx",
"args": [
"-y",
"@ritualdev-lab/mockforge"
]
}
}
}Instalar MockForge AI MCP en Codex
$ codex mcp add mockforge -- npx -y @ritualdev-lab/mockforgeInstalar MockForge AI MCP en Codex config.toml
~/.codex/config.toml
[mcp_servers.mockforge] command = "npx" args = ["-y", "@ritualdev-lab/mockforge"]
Instalar MockForge AI MCP en Gemini CLI
$ gemini mcp add -s user mockforge npx -- -y @ritualdev-lab/mockforgeInstalar MockForge AI MCP en Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"mockforge": {
"command": "npx",
"args": [
"-y",
"@ritualdev-lab/mockforge"
]
}
}
}Verificaciones automáticas
Ejecutado 15 nov 2026Informe completo →Pasó nuestras verificaciones automáticas. Esto no es una auditoría de seguridad: lee el código y dale al servidor el acceso más limitado que necesite. Cómo funcionan las verificaciones · Qué corregir para obtener más puntos
- Repositorio de origen vinculado y accesibleritualdev-lab/mockforge is public and reachablegithub.com/ritualdev-lab/mockforge ↗Aprobado
- El paquete indica este repositorio como su origen@ritualdev-lab/mockforge names ritualdev-lab/mockforge as sourcenpmjs.com/package/@ritualdev-lab/mockforge ↗Aprobado
- Procedencia de la compilación (atestación de Sigstore)No build attestation published for this releaseNo verificado
- Licencia de código abierto (OSI)No licenseHallazgo
- Commit o lanzamiento en el último añoLast commit or release 2026-11-08github.com/ritualdev-lab/mockforge ↗Aprobado
- OpenSSF ScorecardNo verificado
- El nombre del paquete no es similar a un paquete popularNo popular package one edit away from @ritualdev-lab/mockforgeAprobado
- No hay avisos críticos en el paquete ni en sus dependencias99 resolved dependencies checked; no critical advisoryosv.dev ↗Aprobado
- Sin instrucciones ocultas para el modelo0 tool descriptions and the README read; no override phrases, credential paths or hidden charactersAprobado
- Las herramientas destructivas están etiquetadasNo verificado
- El endpoint remoto responde al handshake de MCPNo verificado
README
Ver en GitHub🎲 MockForge AI
Intelligent In-Browser Relational Mock DB & Seed Data Synthesizer
MockForge AI is a blazing-fast, zero-cloud-overhead relational mock database and seed synthesizer. Powered by Kahn's Topological DAG Sorter, an in-browser WebAssembly SQLite engine, and Gemini 1.5 Flash, MockForge generates millions of synthetic rows with 100% foreign-key integrity at 88,000+ rows/second — completely in-memory with $0 cloud compute overhead ($0 VPS).
Download Release • CLI Quickstart • Python SDK • Architecture • Enterprise Features • Examples
⚡ The Problem: Relational Seed Data Hell
Developers and QA engineers waste hundreds of hours manually authoring seed fixtures:
- Foreign Key Violations: Inserting
ordersbeforeuserscrashes integration tests with integrity constraint failures. - Rotting Test Fixtures: Schema migrations (Prisma, Drizzle, Alembic) invalidate static JSON mocks, forcing manual updates.
- PII & Compliance Risks: Copying sanitized production databases into staging frequently violates HIPAA, GDPR, and SOC 2.
- Cloud Database Costs: Provisioning staging database instances for every CI/CD runner inflates infrastructure bills.
MockForge solves this by parsing SQL DDL or Prisma schemas, building a dependency DAG, and synthesizing millions of coherent relational rows directly inside your CI/CD runner or browser.
🏛️ Architecture
MockForge runs entirely client-side or in ephemeral serverless edge runtimes with zero external database dependencies:
flowchart TD
subgraph Inputs["Schema Input Layer"]
DDL["SQL DDL (Postgres / MySQL / SQLite)"]
Prisma["Prisma / Drizzle Schema"]
OpenAPI["OpenAPI / Swagger Spec"]
end
subgraph CoreEngine["MockForge In-Memory Engine (< 88,000 rows/sec)"]
Parser["AST Schema Parser & Foreign Key Graph Builder"]
DAGSorter["Kahn's Topological DAG Sorter\n(Resolves Insertion Hierarchy & Cycles)"]
Generator["Deterministic Synthetic Generator\n(Context-Aware Faker + Gemini 1.5 Flash)"]
WASMDB["In-Memory WebAssembly SQLite Database\n(Real-Time FK & Unique Constraint Validator)"]
end
subgraph Exporters["Multi-Format Exporter Layer"]
SQLExp["SQL INSERT Scripts (.sql)"]
JSONExp["Nested Relational JSON"]
CSVExp["Relational CSV Bundles"]
PyExp["Pytest Fixtures (Python)"]
TSExp["TypeScript / Prisma Seeders"]
end
subgraph ZeroCostEdge["Serverless Edge (api.mockforge.io)"]
CFWorkers["Cloudflare Workers (Headless CI/CD Seed API)"]
end
Inputs --> Parser
Parser --> DAGSorter
DAGSorter --> Generator
Generator --> WASMDB
WASMDB --> SQLExp & JSONExp & CSVExp & PyExp & TSExp
CFWorkers -.->|Headless DDL-to-Seed API| CoreEngine
🚀 Quickstart
1. CLI Quickstart
Download the pre-compiled binary from Latest Releases or install via npm:
npm install -g @ritualdev/mockforge
Generate 1,000 relational records with foreign key integrity from any SQL schema:
mockforge generate ./examples/schema.sql --count 1000 --format sql -o seed.sql
Supported output formats: --format sql, --format json, --format csv, --format prisma.
2. Python SDK Quickstart (pip install mockforge)
Ideal for Pytest fixtures, Django, SQLAlchemy, and automated testing pipelines:
from mockforge import RelationalSynthesizer
# Define your schema
schema = """
CREATE TABLE users (id INTEGER PRIMARY KEY, name TEXT, email TEXT);
CREATE TABLE orders (id INTEGER PRIMARY KEY, user_id INTEGER REFERENCES users(id), amount REAL);
"""
# Synthesize relational dataset
synthesizer = RelationalSynthesizer()
seed_sql = synthesizer.generate_from_ddl(
schema,
row_counts={"users": 50, "orders": 200}
)
print(seed_sql[:200])
# All foreign keys are guaranteed valid and resolved in topological order!
See examples/pytest_fixtures.py for a complete pytest integration guide.
3. Node.js / TypeScript SDK
npm install @ritualdev/mockforge
import { MockForgeEngine } from '@ritualdev/mockforge';
const engine = new MockForgeEngine();
const result = await engine.synthesizeFromSql(`
CREATE TABLE customers (id INT PRIMARY KEY, name VARCHAR(100));
CREATE TABLE invoices (id INT PRIMARY KEY, customer_id INT REFERENCES customers(id), total DECIMAL);
`, { count: 500 });
console.log(`Generated ${result.totalRows} rows across ${result.tables.length} tables in ${result.elapsedMs}ms`);
🏢 Enterprise Features ($50K–$250K ACV Capabilities)
- 🛡️ Production Database Masking & Anonymization (HIPAA / GDPR / SOC 2): Pipe sanitized snapshots of live Postgres/MySQL production databases through MockForge to replace real customer names, SSNs, and credit cards with synthetically coherent mock data while preserving 100% of foreign-key relationships.
- 🌐 Ephemeral Mock API Servers (OpenAPI / Swagger / GraphQL): Spin up instant in-memory HTTP mock servers directly inside CI/CD test runners (GitHub Actions, GitLab CI) serving dynamic REST endpoints from schema definitions with zero cloud database spin-up latency.
- 🔄 Bidirectional ORM Migration Synchronizers: Direct integration with Prisma, Drizzle, SQLAlchemy, and Django ORM migrations to regenerate deterministic test fixtures on every git commit.
📊 Performance Benchmarks
- Throughput: 88,000+ rows/second generated and validated in-memory.
- Foreign Key Accuracy: 100% validity across 10,000+ relational test permutations.
- Infrastructure Cost: $0.00 / month ($0 VPS, $0 cloud database costs).
- Test Verification: 58 / 58 passing tests across Node.js, WebAssembly, and Python 3.8+.
💖 Sponsor & Support via Dodo Payments
MockForge is engineered by RitualDev Lab. Your sponsorship directly finances our client-side WebAssembly SQLite/PGlite test runners, synthetic data generation algorithms, and multi-dialect schema fixture tooling.
⚡ 1-Click Dodo Payments Checkout • 🎁 Interactive Donation Form (USD & INR UPI) • ❤️ GitHub Sponsors
🔒 Zero physical shipping required. Powered by Dodo Payments (Merchant of Record) with instant tax invoice and global payment methods (Cards, UPI, Apple Pay).
🤝 Community & Support
- Feature Requests & Bug Reports: Open an issue in our Public Issue Tracker.
- Enterprise Licensing: Contact
enterprise@ritualdev.infor multi-seat volume licensing, database masking pipelines, and custom ORM synchronizers. - Core Development: Developed and maintained by RitualDev Studio.
Preguntas sobre MockForge AI MCP
¿Cómo agrego MockForge AI MCP a Claude Code?
Ejecuta claude mcp add mockforge -- npx -y @ritualdev-lab/mockforge en tu terminal. Añade --scope user para que esté disponible en todos los proyectos.
¿Cómo agrego MockForge AI MCP a Cursor?
Abre ~/.cursor/mcp.json y añade el servidor en mcpServers, usando la configuración de Cursor que se muestra en la sección de instalación de arriba.
¿Qué tan rápido puede generar datos MockForge?
Puede generar más de 88,000 filas por segundo en memoria.
¿Qué formatos de entrada son compatibles para las definiciones de esquema?
El motor es compatible con SQL DDL (Postgres, MySQL, SQLite), esquemas de Prisma/Drizzle y especificaciones de OpenAPI/Swagger.
¿A qué formatos de salida puedo exportar mis datos mock?
Puedes exportar los datos como scripts SQL INSERT, JSON relacional anidado, paquetes CSV relacionales, fixtures de Pytest o seeders de TypeScript/Prisma.