Enables natural language analysis of automotive data by generating and executing SQL queries through Google Gemini AI, allowing users to ask questions in Portuguese and receive intelligent interpretations of database results.
Provides integration with MariaDB database for querying and analyzing automotive sales data, including products, customers, vendors, and transactions through AI-generated SQL queries.
Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@MCP Automotivo qual foi o faturamento total do último mês?"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
Sistema inteligente de análise de dados utilizando Google Gemini e MariaDB
Projeto desenvolvido para fins de estudo e portfólio.
Este é um projeto MCP (Model Context Protocol) que demonstra a integração entre um modelo de IA generativa (Google Gemini) e um banco de dados MariaDB, permitindo realizar análises de dados usando linguagem natural.
Demonstrar na prática a comunicação entre LLMs e bancos de dados
Implementar um sistema completo de análise utilizando NLP
Criar um ambiente funcional com Docker + Python + SQL
Servir como material de estudo em IA aplicada e engenharia de dados
Related MCP server: MCP-Driven Data Management System
projeto-mcp-automotivo/
├── 📁 database/
│ └── dados_fake_completo.sql
├── 📁 src/
│ ├── database.py
│ ├── mcp_gemini.py
│ ├── requirements.txt
│ └── .env
├── docker-compose.yml
└── README.mdPython 3.10+
MariaDB 11.4
Google Gemini 2.0 Flash
Docker
pandas
Perguntas diretas em português
Geração automática de queries SQL
Execução e interpretação inteligente dos resultados
git clone https://github.com/raphamaster/projeto-mcp-automotivo.git
cd projeto-mcp-automotivo
# Subir banco de dados via Docker
docker-compose up -d
# Instalar dependências do Python
pip install -r src/requirements.txt
# Executar o sistema
python src/mcp_gemini.pyExemplos de perguntas simples:
"Qual o faturamento total?"
"Quais são os 5 produtos mais vendidos?"
"Quem são os melhores vendedores?"Perguntas mais elaboradas para testar a LLMs:
"Qual categoria de produtos tem a melhor margem de lucro (diferença entre preço de venda e custo) e quantas unidades foram vendidas de cada categoria no último mês?"
"Quais clientes do tipo 'Oficina' têm o maior ticket médio e qual a frequência de compras deles? Mostre também o valor total gasto por cada um."
"Como evoluiu o faturamento mensal nos últimos 6 meses? Mostre a variação percentual mês a mês e identifique se há alguma tendência de crescimento ou queda."
"Compare a performance dos vendedores considerando não apenas o faturamento, mas também o número de vendas realizadas e o tempo que cada um está na empresa. Quem tem a melhor eficiência?"
"Quais produtos têm alta demanda (muitas vendas) mas estoque baixo, representando risco de ruptura? E quais têm estoque alto mas pouca saída, representando capital parado?"
"Qual é o produto 'carro-chefe' de cada categoria em termos de faturamento?"
"Existe correlação entre o valor da venda e a forma de pagamento escolhida?"
"Quais vendedores são mais eficientes em vender produtos de alta margem?"Sinta-se à vontade para explorar, modificar e ampliar o sistema.
This server cannot be deployed
Ask questions in plain language, get answers from your business database. No SQL required.
Ask data questions in natural language. Get SQL, insights, and charts from your databases.
Query BigQuery, Snowflake, Redshift & Azure Synapse with natural language
Ask business questions in plain English. Get instant answers from your database, no SQL needed.
