Desafio Técnico - Desenvolvedor Python | C2S

Este projeto implementa um agente virtual de busca de veículos v1.0, desenvolvido em Python, atualmente suporta:

• Modelagem de dados (veículos) via ORM.
• Banco de dados para persistência local.
• Comunicação cliente-servidor baseada em protocolo MCP (Model Context Protocol) com sockets TCP.
• Interface de terminal (CLI) com agente interpretativo de linguagem natural simples.
• Testes automatizados com para garantir qualidade de código e integridade do fluxo.

Tecnologias Utilizadas:

• Python 3.11
• SQLAlchemy 2.0
• SQLite
• Comunicação Cliente/Servidor via MCP
• Faker para geração de dados ficticios
• Parser de linguagem natural simples para filtros
• Testes automatizados com pytest

1. Clonar repositório:

git clone https://github.com/SwintexD/C2S--Desafio-Tecnico.git
cd C2S--Desafio-Tecnico

2. Criar e ativar virtualenv (recomendado):

python -m venv venv
# Windows
venv\Scripts\activate
# Linux/Mac
source venv/bin/activate

3. Instalar dependências:

pip install -r requirements.txt

[-] Banco de Dados

• O projeto usa SQLite (produtos.db). As tabelas são criadas automaticamente ao rodar 'server.py' ou pelo script de criação inicial.

[-] Como Rodar MCP

• Servidor

python server.py

• Cliente/Agente Virtual (Executar em terminal separado)

python client.py

• Testes Automatizados

test_parser.py → validações da função que interpreta o texto do usuário

test_query_engine.py → valida busca/filtros no DB(produtos.db)

test_integrado.py → valida fluxo Cliente <-> Servidor <-> DB

Para rodar todos os testes use:
pytest -vv

• Vídeo Demo link: https://www.youtube.com/watch?v=9mZRTAEp6m0

Considere que, esse projeto é para fins de Desafio Técnico de um sistema simples!!

A quantidade de veículos visualizáveis é configurável, por padrão é '10'

Atualmente o agente entende múltiplos filtros e retorna resultados similares!

- ex: Gostaria de visualizar uma Ford Ranger Diesel, preferencialmente gostaria de cor preta
- ex: Mostre carros Volkswagen azul automático e flex

O projeto segue boas práticas de Python, organização de código e testabilidade.

Parser e query engine são separados para facilitar manutenção e testes.

O código é claro e legível, pronto para execução em qualquer ambiente local desde que siga as etapas acima.