Groq LLM 도구 호출과 로컬 SQLite 데이터베이스로 구동되며, Streamlit 프론트엔드와 Model Context Protocol (MCP) 서버 백엔드를 갖춘 엔터프라이즈 직원 데이터베이스용 자연어 인터페이스입니다.
flowchart TD
%% Styling
classDef client fill:#2d3748,stroke:#94a3b8,stroke-width:1px,color:#f8fafc,rx:10px
classDef core fill:#0f172a,stroke:#3b82f6,stroke-width:2px,color:#eff6ff,rx:6px
classDef db fill:#064e3b,stroke:#10b981,stroke-width:2px,color:#ecfdf5,rx:6px
classDef ai fill:#312e81,stroke:#8b5cf6,stroke-width:2px,color:#eef2ff,rx:6px
%% Nodes
User(["👤 User Browser"]):::client
ExtAI(["🤖 MCP Client (Claude, Cursor)"]):::client
App["⚡ Streamlit App"]:::core
Server["🔌 MCP Server"]:::core
DBLayer["⚙️ Shared DB Layer"]:::core
Groq{"🧠 Groq LLM"}:::ai
SQLite[("💾 SQLite Database")]:::db
%% Connections
User <-->|"Chat Interface"| App
App <-->|"Prompts & Tools"| Groq
App -->|"Execute Tools"| DBLayer
ExtAI <-->|"MCP / stdio"| Server
Server -->|"Execute Tools"| DBLayer
DBLayer <-->|"SQL Operations"| SQLiteRelated MCP server: OCP AI Custom HR MCP Server
Python 3.11+
git clone <your-repo-url>
cd mcp_project
# Create and activate a virtual environment
python -m venv venv
venv\Scripts\activate # Windows
# source venv/bin/activate # macOS/Linux
# Install dependencies
pip install -r requirements.txt프로젝트 루트(F:\PROJECTS\MCP\.env)에 .env 파일을 생성합니다:
GROQ_API_KEY=gsk_your_key_here
GROQ_MODEL=llama-3.3-70b-versatile # optional, this is the default# From the project root (F:\PROJECTS\MCP\)
sqlite3 enterprise_data.db < schema.sql# From F:\PROJECTS\MCP\
streamlit run mcp_project/app.py브라우저에서 http://localhost:8501을 엽니다.
LLM은 사용자의 쿼리에 따라 다음 도구를 자동으로 호출할 수 있습니다:
도구 | 설명 |
| 모든 활성 사용자와 그들의 역할 나열 |
| 새 사용자 추가 (이름 + 역할) |
| 이름으로 활성 사용자 비활성화 |
| 전체, 활성 및 비활성 사용자 수 가져오기 |
| 이름 조각으로 사용자 검색 |
"현재 활성 사용자는 누구인가요?"
"Jane Doe를 관리자로 추가해줘"
"총 사용자가 몇 명인가요?"
"Alice라는 이름의 사용자를 검색해줘"
"Bob Jones를 비활성화해줘"
"사용자 통계를 보여줘"
server.py는 Model Context Protocol을 통해 동일한 도구를 노출합니다. 로컬 stdio 연결과 HTTP 기반 sse 전송을 모두 지원합니다!
현재 노출되는 항목:
도구: DB 쿼리 및 업데이트 작업
리소스: MCP를 통해 schema.sql 노출
프롬프트: hr-assistant와 같이 미리 구성된 프롬프트 제공
AI 데스크톱 앱(Claude Desktop / Cursor 등)에서 로컬로 실행하려면:
python mcp_project/server.py --transport stdio포트 8000에서 HTTP SSE 서버로 실행하려면:
python mcp_project/server.py --transport sse --port 8000F:\PROJECTS\MCP\
├── .env # ← API key (never commit this!)
├── .gitignore
├── requirements.txt
├── schema.sql # DB schema — use to recreate the database
├── enterprise_data.db # SQLite database (gitignored)
└── mcp_project\
├── app.py # Streamlit frontend
├── server.py # MCP stdio server
└── db.py # Shared database access layer.env 파일을 절대 커밋하지 마십시오. .gitignore에 제외되어 있습니다.
enterprise_data.db를 절대 커밋하지 마십시오. schema.sql을 사용하여 재생성하십시오.
Groq API 키가 노출된 경우 console.groq.com에서 키를 교체하십시오.
This server cannot be deployed
GibsonAI MCP server: manage your databases with natural language
Text-to-SQL MCP server: read-only queries on PostgreSQL, MySQL and SQL Server with your real schema
MCP server exposing klokin time-tracking operations (employees, time entries, stores) to AI clients.
MCP server unifying ERPs, CRMs, APIs and knowledge base for Claude, ChatGPT and Gemini.
