MCP-Datenbrücke für Java. Ermöglicht sicheres Text-zu-Abfrage über eine semantische Schicht und macht Unternehmensdaten für KI-Agenten zugänglich.
foggy-projects/foggy-data-mcp-bridge ist eine MCP-Datenbrücke (Model Context Protocol), die speziell für Java entwickelt wurde. Sie ermöglicht eine sichere Text-zu-Abfrage-Funktionalität, indem sie eine semantische Schicht zwischen KI-Agenten und Unternehmensdatenbanken legt. Dieses Tool adressiert die zentralen Herausforderungen der direkten Datenbankabfrage durch KI: Es verhindert schädliche oder ineffiziente Abfragen, indem es die Absicht des Benutzers in kontrollierte, vordefinierte Datenbankoperationen übersetzt. Die Brücke macht Unternehmensdaten für KI-Agenten wie Claude Code, Cursor oder Codex zugänglich, ohne dass diese die komplexe zugrunde liegende Datenbankstruktur verstehen müssen. Entwickler profitieren von einer sichereren und zuverlässigeren Integration von KI-gestützten Datenabfragen in ihre Java-basierten Anwendungen, wobei die semantische Schicht als Schutz- und Interpretationsschicht fungiert. Das Projekt ist Open Source und auf GitHub verfügbar.
npx skills add foggy-projects/foggy-data-mcp-bridgeInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
MCP-Datenbrücke für Java. Ermöglicht sicheres Text-zu-Query über eine semantische Schicht und macht Unternehmensdaten für KI-Agenten zugänglich.
Quelle: https://github.com/foggy-projects/foggy-data-mcp-bridge
Entdeckt während der täglichen awesomeskills.dev Agent-Skill-Jagd.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.