
MCP Car Database
A client-server system using Model Context Protocol that allows users to query a SQLite database of fictional car data.
README
Projeto MCP
Este é um projeto finalizado que utiliza o protocolo MCP (Model Context Protocol) para comunicação entre cliente e servidor. O projeto inclui a criação de um banco de dados SQLite e a implementação de um cliente que consulta esse banco.
Estrutura de pastas
📁 mcp-car
│-- 📂 app
│ ├── server.py # Arquivo do servidor MCP
│ ├── database.py # Script responsável pela criaçãodo banco de dados
│-- 📂 client
│ ├── client.py # Código principal do cliente onde ocorre interação
│-- 📂 utils
│ ├── create_cars.py # Gera dados fictícios para o banco
│-- README.md # Documentação do projeto
Como rodar o projeto
-
Criar e configurar o ambiente virtual
-
Para garantir que todas as dependências do projeto sejam instaladas corretamente, é recomendado criar um ambiente virtual.
-
Na raiz do seu projeto, execute o seguinte comando para criar um ambiente virtual:
python -m venv venv
Em seguida:
.\venv\Scripts\activate
Então para baixar as dependências:
pip install -r requirements.txt
-
Isso instalará todas as bibliotecas que o projeto necessita para funcionar corretamente.
-
Agora você pode seguir com o restante da configuração do projeto, já com o ambiente virtual pronto para uso.
-
Criar o banco de dados
- Navegue até a pasta
app
. - Abra o arquivo
database.py
e execute-o para criar o banco de dados no formato SQLite dentro da sua pasta "data". Este script criará a estrutura necessária para armazenar os dados dos carros.
- Navegue até a pasta
-
Preencher o banco de dados com dados fictícios
- Acesse a pasta
utils
. - Abra o arquivo
create_cars.py
e execute-o para popular o banco de dados com 100 registros de carros fictícios. Esse passo é necessário para ter dados no banco antes de rodar o sistema.
- Acesse a pasta
-
Executar o cliente e consultar os dados
- Com o banco de dados preenchido, vá até a pasta
client
. - Execute o arquivo
client.py
para interagir com o sistema. O agente permitirá que você insira filtros (como marca, modelo, ano, etc.) para procurar carros no banco de dados.
- Com o banco de dados preenchido, vá até a pasta
Exemplo de uso
Ao rodar o cliente (client.py
), você será solicitado a informar critérios de busca, como:
- Marca
- Modelo
- Ano
- Cor
- Preço máximo
O cliente enviará a consulta para o servidor, que realizará a busca no banco de dados e retornará os carros que atendem aos critérios fornecidos.
Você pode interromper a busca digitando "sair" a qualquer momento.
Contribuições
Sinta-se à vontade para explorar e modificar o projeto conforme necessário. Caso tenha dúvidas ou queira sugerir melhorias, envie um pull request ou entre em contato.
Recommended Servers
playwright-mcp
A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.
Magic Component Platform (MCP)
An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.
Audiense Insights MCP Server
Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.

VeyraX MCP
Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.
graphlit-mcp-server
The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.
Kagi MCP Server
An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.

E2B
Using MCP to run code via e2b.
Neon Database
MCP server for interacting with Neon Management API and databases
Exa Search
A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.
Qdrant Server
This repository is an example of how to create a MCP server for Qdrant, a vector search engine.