Генерирует синтетические реляционные наборы данных и сид-файлы (seed fixtures) на основе SQL DDL или ORM-схем с гарантированным соблюдением целостности внешних ключей.
Также известен как RitualDev-Lab/MockForge, mockforge, @ritualdev-lab/mockforge
- Звёзды
- 0
- Инструменты
- —
- Загрузки, 30 дней
- —
- Последняя версия
- 0.1.1
- Последний коммит
- 8 нояб. 2026 г.
- Лицензия
- —
Что такое MockForge AI MCP?
MockForge AI — это MCP server. Генерирует синтетические реляционные наборы данных и сид-файлы (seed fixtures) на основе SQL DDL или ORM-схем с гарантированным соблюдением целостности внешних ключей.
Сводка сгенерирована из README проекта
О MockForge AI MCP server
MockForge AI предоставляет разработчикам и QA-инженерам способ генерации синтетических реляционных наборов данных без использования облачной инфраструктуры. Инструмент анализирует SQL DDL, схемы Prisma или Drizzle и спецификации OpenAPI для построения графа зависимостей. Благодаря использованию алгоритма топологической сортировки Кана (Kahn's Topological DAG Sorter) и браузерного движка WebAssembly SQLite, инструмент гарантирует валидность всех связей внешних ключей в процессе синтеза данных. Это позволяет создавать миллионы строк со скоростью более 88 000 строк в секунду.
Пользователи могут взаимодействовать с системой через CLI, Python SDK или Node.js/TypeScript SDK. Движок работает полностью на стороне клиента или внутри эфемерных serverless edge runtimes, что означает отсутствие необходимости во внешней базе данных или VPS для работы. Поддерживается экспорт данных в различные форматы, включая SQL INSERT-скрипты, вложенный JSON, наборы CSV, фикстуры Pytest и сидеры TypeScript. Это делает инструмент подходящим для локальной разработки, CI/CD конвейеров и сред автоматизированного тестирования, где требуются конфиденциальность данных и низкая задержка.
Что вы можете с ним делать
- 1Генерация реляционных сид-файловСоздание SQL или JSON файлов, содержащих тысячи связанных записей на основе существующей схемы базы данных.
- 2Автоматизация фикстур для тестирования на PythonИнтеграция генерации синтетических данных напрямую в наборы тестов Pytest с помощью Python SDK.
- 3Анонимизация продуктовых данныхЗамена конфиденциальной информации в снимках (snapshots) баз данных синтетическими данными для соблюдения нормативных требований.
- 4Мокирование API endpointsРазвертывание временных in-memory HTTP-серверов, которые отдают динамические данные на основе определений схем.
Взято из README проекта. Каждый вариант использования проверен на соответствие цитате из него.
Как установить MockForge AI MCP
Форматы проверены 10 ноя 2026Добавить в CursorДобавить в GooseУстановка MockForge AI MCP в Claude Code
$ claude mcp add mockforge -- npx -y @ritualdev-lab/mockforgeУстановка MockForge AI MCP в Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"mockforge": {
"command": "npx",
"args": [
"-y",
"@ritualdev-lab/mockforge"
]
}
}
}Установка MockForge AI MCP в VS Code
.vscode/mcp.json
{
"servers": {
"mockforge": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@ritualdev-lab/mockforge"
]
}
}
}Установка MockForge AI MCP в VS Code CLI
$ code --add-mcp '{"name":"mockforge","type":"stdio","command":"npx","args":["-y","@ritualdev-lab/mockforge"]}'Установка MockForge AI MCP в Claude Desktop
claude_desktop_config.json
{
"mcpServers": {
"mockforge": {
"command": "npx",
"args": [
"-y",
"@ritualdev-lab/mockforge"
]
}
}
}Установка MockForge AI MCP в Codex
$ codex mcp add mockforge -- npx -y @ritualdev-lab/mockforgeУстановка MockForge AI MCP в Codex config.toml
~/.codex/config.toml
[mcp_servers.mockforge] command = "npx" args = ["-y", "@ritualdev-lab/mockforge"]
Установка MockForge AI MCP в Gemini CLI
$ gemini mcp add -s user mockforge npx -- -y @ritualdev-lab/mockforgeУстановка MockForge AI MCP в Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"mockforge": {
"command": "npx",
"args": [
"-y",
"@ritualdev-lab/mockforge"
]
}
}
}Автоматические проверки
Запущено 15 нояб. 2026 г.Полный отчёт →Прошло наши автоматизированные проверки. Это не аудит безопасности: изучите код и предоставьте серверу минимально необходимый доступ. Как работают проверки · Что исправить, чтобы получить больше баллов
- Связанный и доступный исходный репозиторийritualdev-lab/mockforge is public and reachablegithub.com/ritualdev-lab/mockforge ↗Пройдено
- Пакет указывает этот репозиторий как источник@ritualdev-lab/mockforge names ritualdev-lab/mockforge as sourcenpmjs.com/package/@ritualdev-lab/mockforge ↗Пройдено
- Происхождение сборки (аттестация Sigstore)No build attestation published for this releaseНе проверялось
- Open source лицензия (OSI)No licenseПроблема
- Коммит или релиз за последний годLast commit or release 2026-11-08github.com/ritualdev-lab/mockforge ↗Пройдено
- OpenSSF ScorecardНе проверялось
- Имя пакета не похоже на популярный пакетNo popular package one edit away from @ritualdev-lab/mockforgeПройдено
- Нет критических предупреждений в пакете или его зависимостях99 resolved dependencies checked; no critical advisoryosv.dev ↗Пройдено
- Нет скрытых инструкций для модели0 tool descriptions and the README read; no override phrases, credential paths or hidden charactersПройдено
- Деструктивные инструменты помеченыНе проверялось
- Удалённая конечная точка отвечает на рукопожатие MCPНе проверялось
README
Открыть на 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.
Вопросы о MockForge AI MCP
Как добавить MockForge AI MCP в Claude Code?
Выполните claude mcp add mockforge -- npx -y @ritualdev-lab/mockforge в терминале. Добавьте --scope user, чтобы сервер был доступен во всех проектах.
Как добавить MockForge AI MCP в Cursor?
Откройте ~/.cursor/mcp.json и добавьте сервер в mcpServers, используя конфигурацию Cursor из раздела установки выше.
Как быстро MockForge генерирует данные?
В оперативной памяти инструмент может генерировать более 88 000 строк в секунду.
Какие форматы входных данных поддерживаются для определений схем?
Движок поддерживает SQL DDL (Postgres, MySQL, SQLite), схемы Prisma/Drizzle, а также спецификации OpenAPI/Swagger.
В каких форматах можно экспортировать мок-данные?
Вы можете экспортировать данные в виде SQL INSERT-скриптов, вложенного реляционного JSON, наборов реляционных CSV, фикстур Pytest или сидеров TypeScript/Prisma.