foggy-data-mcp-bridge은(는) 무엇을 하나요?
Java용 MCP 데이터 브리지. 의미 계층을 통해 안전한 Text-to-Query를 가능하게 하여 엔터프라이즈 데이터를 AI 에이전트가 접근할 수 있도록 합니다.
출처: https://github.com/foggy-projects/foggy-data-mcp-bridge
매일 진행되는 awesomeskills.dev 에이전트 스킬 사냥 중 발견되었습니다.
Java 기반 MCP 데이터 브릿지로, 시맨틱 레이어를 통해 안전한 Text-to-Query를 지원하여 엔터프라이즈 데이터를 AI 에이전트에 제공합니다.
foggy-projects/foggy-data-mcp-bridge는 Java 애플리케이션을 위한 MCP(Model Context Protocol) 데이터 브릿지입니다. 이 스킬의 핵심은 시맨틱 레이어(Semantic Layer)를 활용하여 자연어 기반의 Text-to-Query를 안전하게 수행함으로써, 복잡한 엔터프라이즈 데이터베이스에 대한 접근을 AI 에이전트에게 개방하는 것입니다. 기존의 직접적인 SQL 접근 방식과 달리, 시맨틱 레이어는 데이터 스키마와 비즈니스 용어를 추상화하여 AI가 더 안전하고 정확하게 질의를 생성할 수 있도록 돕습니다. 이는 데이터베이스 구조 변경이나 권한 문제에 대한 걱정 없이, 개발자가 아닌 사용자도 자연어로 데이터를 탐색하고 인사이트를 얻을 수 있게 해줍니다. GitHub에서 오픈소스로 제공되며, Java 기반의 엔터프라이즈 환경에서 특히 유용합니다. 이 브릿지는 MCP 프로토콜을 따르므로 Claude Code, Cursor, Codex 등 MCP를 지원하는 다양한 AI 에이전트와 호환되어 사용될 수 있습니다. 결과적으로, 조직은 데이터 접근을 민주화하면서도 보안과 거버넌스를 유지할 수 있는 강력한 도구를 얻게 됩니다.
npx skills add foggy-projects/foggy-data-mcp-bridgeInstalled? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Java용 MCP 데이터 브리지. 의미 계층을 통해 안전한 Text-to-Query를 가능하게 하여 엔터프라이즈 데이터를 AI 에이전트가 접근할 수 있도록 합니다.
출처: https://github.com/foggy-projects/foggy-data-mcp-bridge
매일 진행되는 awesomeskills.dev 에이전트 스킬 사냥 중 발견되었습니다.
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.