🚗 MCP - 汽车数据分析系统
使用Google Gemini和MariaDB的智能数据分析系统
*为研究和投资组合目的开发的项目。*
📋 关于项目
这是一个项目 MCP(模型上下文协议) 演示了一个生成性AI模型之间的集成(谷歌双子座)和一个数据库 MariaDB使用自然语言进行数据分析。
🎯 教育目标
- 在实践中展示LLM和数据库之间的沟通
- 使用NLP实现完整的分析系统
- 创建一个功能性的环境 Docker+Python+SQL
- 作为应用AI和数据工程的学习材料
🏗️ 系统架构
projeto-mcp-automotivo/
├── 📁 database/
│ └── dados_fake_completo.sql
├── 📁 src/
│ ├── database.py
│ ├── mcp_gemini.py
│ ├── requirements.txt
│ └── .env
├── docker-compose.yml
└── README.md🚀 使用的技术
- Python 3.10+
- MariaDB 11.4
- 谷歌双子座2.0 Flash
- 码头工人
- 熊猫
⚙️ 功能
🔍 自然语言分析
- 葡萄牙语直接提问
- 自动生成 SQL 查询
- 智能执行和结果解释
🛠️ 快速安装
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.py💡 如何使用
简单问题的例子:
"Qual o faturamento total?"
"Quais são os 5 produtos mais vendidos?"
"Quem são os melhores vendedores?"测试LLM的更详细的问题:
"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?"📘 为实践学习而设计的项目
随时探索,修改和扩展系统。
