Ponte de Dados MCP para Java. Habilita Texto-para-Consulta seguro através de uma camada semântica, tornando dados corporativos acessíveis para Agentes de IA.
O foggy-data-mcp-bridge é uma ponte de dados construída sobre o protocolo MCP (Model Context Protocol) para projetos Java, que permite que Agentes de IA consultem bancos de dados corporativos de forma segura usando linguagem natural. Ele atua como uma camada semântica entre o agente e a fonte de dados, evitando que consultas SQL arbitrárias e potencialmente perigosas sejam executadas diretamente. Em vez disso, o desenvolvedor define 'consultas nomeadas' ou visões semânticas que mapeiam os dados disponíveis, e o agente seleciona a consulta apropriada com base no contexto da conversa. Dessa forma, o sistema oferece uma alternativa segura e controlada ao Texto-para-SQL tradicional, já que o agente não precisa conhecer a estrutura interna do banco de dados nem ter permissões de escrita. A ferramenta é particularmente útil para equipes que desejam expor dados empresariais a assistentes de IA sem comprometer a segurança ou a integridade dos dados. Suportado em qualquer ambiente compatível com Java e com o MCP SDK, o foggy-data-mcp-bridge se integra facilmente a agentes como Claude Code, Cursor ou Codex.
npx skills add foggy-projects/foggy-data-mcp-bridgeInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Ponte de Dados MCP para Java. Possibilitando Texto-para-Consulta seguro por meio de uma camada semântica, tornando dados empresariais acessíveis para Agentes de IA.
Fonte: https://github.com/foggy-projects/foggy-data-mcp-bridge
Descoberto durante a caça diária de habilidades de agente no awesomeskills.dev.
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.