19/12/2025
Всем привет!
Один из потенциальных клиентов попросил прототип MCP - шлюза к данным компании и мы подготовили для него демо.
Хотел поделиться краткими итогами.
Что сделали?
Локальную нейросеть (подняли прямо на ноутбуке!) обеспечили инструментами для поиска и интерпретации данных в базах знаний и данных компании.
В чем суть:
Вместо того чтобы копаться в базах данных или ждать отчёт от ИТ — просто спрашиваешь нейросеть обычными словами, и она находит нужную информацию. Или (в перспективе) даже выполняет действия: создаёт заказ, обновляет статус, формирует документ.
Живые примеры, полученные на прототипе:
Запрос:
Сколько всего клиентов в БД?SQL:
SELECT COUNT(*) AS TotalCustomers FROM Customers;Ответ:
Всего в базе данных 91 клиент.*******
Запрос:
Окей, можешь проверить товары какой категории, согласно записям в БД, покупали чаще всего?SQL:
Наиболее часто покупаемые товары относятся к следующим категориям (в порядке убывания общего количества продаж):
1. **Beverages** (Напитки) - 9532 единицы
2. **Dairy Products** (Молочные продукты) - 9149 единиц
3. **Confections** (Кондитерские изделия) - 7906 единиц
4. **Seafood** (Морепродукты) - 7681 единица
5. **Condiments** (Приправы) - 5298 единиц
6. **Grains/Cereals** (Злаки/Крупы) - 4562 единицы
7. **Meat/Poultry** (Мясо/Птица) - 4199 единиц
8. **Produce** (Свежие продукты) - 2990 единиц
Данные рассчитаны на основе суммирования количества заказанных единиц (`Quantity`) из таблицы `Order Details`, сгруппированного по категориям.Ответ:
SELECT
c.CategoryID,
c.CategoryName,
COUNT(DISTINCT o.OrderID) AS OrdersCount,
SUM(od.Quantity) AS TotalQuantity,
SUM(od.Quantity * od.UnitPrice * (1 - od.Discount)) AS TotalAmount
FROM Categories c
JOIN Products p
ON p.CategoryID = c.CategoryID
JOIN [Order Details] od
ON od.ProductID = p.ProductID
JOIN Orders o
ON o.OrderID = od.OrderID
GROUP BY
c.CategoryID,
c.CategoryName
ORDER BY
c.CategoryName;
Может работать с любыми данными, которые уже есть в компании — базы, документы, системы учёта. В случае с прототипом - работает с БД Postgres, MS SQL и может искать документы в рамках RAG (в нашем случае на Postgres + pgvector)
По сути это универсальное решение для тех, кто хочет быстрее получать доступ к своим данным и автоматизировать рутину.