DBX: O Cliente de Banco de Dados que Roda 40+ Databases em 15 MB com IA Integrada

Eu já passei raiva com cliente de banco de dados. DBeaver é competente, mas precisa do Java — e quando o JRE quebra, você perde meia hora caçando erro de classpath. O TablePlus é rápido e bonito, mas só roda no macOS. As alternativas web dependem de um Chromium empacotado que consome 500 MB de RAM antes mesmo de você abrir uma conexão. O DBX ataca exatamente essas três dores de uma vez só — e adiciona IA e MCP no pacote.

O que é o DBX: 40+ bancos de dados em 15 MB

DBX é um cliente de banco de dados open-source (AGPL-3.0) criado pelo desenvolvedor t8y2 que já acumula mais de 2.000 estrelas no GitHub e 40 releases desde o lançamento. A proposta é ambiciosa: suportar MySQL, PostgreSQL, SQLite, Redis, MongoDB, DuckDB, ClickHouse, SQL Server, Oracle, Elasticsearch, MariaDB, TiDB, OceanBase, openGauss, StarRocks, Redshift, CockroachDB, TDengine e mais duas dezenas de engines — tudo em um único binário de aproximadamente 15 MB.

Sem Java JRE. Sem Python venv. Sem Chromium embutido. A instalação no macOS é um brew install --cask; no Windows, um scoop install; e no Linux, o AppImage direto da página de releases. Se você prefere rodar no servidor, um docker run sobe a versão web na porta 4224 com persistência em volume. A mesma experiência em qualquer plataforma, com as mesmas conexões.

Para quem vem do DBeaver ou Navicat, o DBX importa perfis de conexão diretamente dessas ferramentas — você não precisa recriar nada.

Stack técnica: Tauri 2, Vue 3 e Rust puro

A arquitetura do DBX explica o tamanho reduzido. O app usa Tauri 2 como framework desktop — o que significa que o frontend é Vue 3 + TypeScript com componentes shadcn-vue e Tailwind CSS, enquanto o backend roda em Rust puro. Nada de Electron, nada de Node.js no runtime — o Tauri usa o WebView nativo do sistema operacional e um binário Rust enxuto para a lógica pesada.

Os drivers de banco de dados são nativos: sqlx para PostgreSQL, MySQL e SQLite, tiberius para SQL Server, redis-rs para Redis e o driver oficial MongoDB para Rust. Cada conexão vai direto ao banco, sem middleware, sem proxy — o que significa latência mínima e zero dependências externas.

Assistente de SQL com IA integrada — no mesmo editor

Esse é o recurso que mais me chamou atenção. O DBX embute um assistente de IA diretamente no editor de queries — não é um plugin, não é uma extensão separada. Você seleciona uma tabela, descreve o que quer em linguagem natural e recebe a SQL pronta. Funciona com Claude (Anthropic), OpenAI ou modelos locais via Ollama.

Mas o detalhe que mostra que o autor pensou no fluxo real de trabalho: a SQL gerada pela IA passa por verificações de segurança antes de executar. Nada de DROP TABLE acidental porque o modelo alucinou uma sintaxe. O assistente também explica queries existentes, otimiza SQL lento e corrige erros de sintaxe — tudo no mesmo editor CodeMirror 6 com syntax highlighting, autocomplete contextual e 9 temas.

MCP: seus bancos de dados prontos para agentes de IA

O DBX é um dos primeiros clientes de banco de dados a implementar o Model Context Protocol (MCP) nativamente. Na prática, isso significa que agentes de codificação como Claude Code, Cursor e Windsurf podem consultar seus bancos de dados através das conexões que você já configurou no DBX. Uma config, todos os agentes.

A configuração é mínima. Basta adicionar ao seu .mcp.json:

{ "mcpServers": { "dbx": { "command": "npx", "args": ["-y", "@dbx-app/mcp-server"] } } }

A partir daí, o agente pode listar conexões, explorar tabelas, executar SQL e até abrir tabelas diretamente na interface do DBX. O projeto também oferece um pacote CLI separado (@dbx-app/cli) para scripts e fluxos de terminal — útil para pipelines de CI/CD que precisam validar schemas ou rodar queries de verificação.

Ferramentas de schema e operações de dados que impressionam

Além do básico, o DBX entrega um conjunto de ferramentas de schema que você normalmente só encontra em IDEs pesadas: diagramas ER (entidade-relacionamento) gerados automaticamente, diff de schema entre conexões diferentes, planos de execução visuais (EXPLAIN), análise de linhagem de campos (field lineage) e busca global por objetos no banco.

O data grid é virtualizado — lida com resultados grandes sem travar — e suporta edição inline, filtros no estilo DataGrip, ordenação, busca full-text, paginação e exportação para CSV, JSON, Markdown, XLSX ou instruções INSERT. A importação também é flexível: CSV, Excel, transferência entre bancos e até exportação completa de database.

Dois navegadores especializados merecem destaque. O navegador de Redis entende todos os tipos de dados (String, Hash, List, Set, ZSet, Stream), busca chaves por padrão, permite operações em lote e edita TTL diretamente. O navegador de MongoDB suporta CRUD de documentos com paginação e conecta tanto em clusters Atlas quanto em replica sets.

Por que isso importa para devs

Na minha visão, o DBX acerta em três pontos que a maioria dos clientes de banco de dados erra:

(1) Leveza sem sacrificar funcionalidade. Quinze megas. O DBeaver, por comparação, passa de 200 MB com o JRE incluso. E o DBX não cortou funcionalidades para chegar nesse número — tem ER diagram, schema diff, data compare, import/export em 5 formatos e navegadores especializados para Redis e MongoDB. A mágica está no Tauri 2 + Rust, não em cortar escopo.

(2) IA e MCP não são afterthoughts — são cidadãos de primeira classe. O assistente de SQL funciona com Claude, OpenAI ou Ollama e tem verificações de segurança antes de executar código gerado. O servidor MCP expõe suas conexões para qualquer agente compatível. Isso não é cosmético — é uma ponte direta entre seu banco de dados e o ecossistema de IA que está explodindo em 2026.

(3) Cross-platform de verdade. App nativo no macOS, Windows e Linux. Docker para self-hosting em equipe. Versão web para ambientes restritos. Tudo compartilhando o mesmo conjunto de conexões e funcionalidades. Não é "a versão desktop tem X mas a web não" — o feature set é o mesmo.

Conclusão

DBX é o tipo de projeto open-source que faz você questionar por que as alternativas estabelecidas são tão pesadas. Um binário de 15 MB, 40+ bancos de dados, assistente de IA com safety checks, servidor MCP nativo e a mesma experiência no desktop, Docker e browser — construído por um desenvolvedor que claramente entendeu as dores do fluxo de trabalho com dados.

Se você trabalha com múltiplos bancos de dados no dia a dia — ou está montando um fluxo com agentes de IA que precisam consultar dados —, vale a pena testar. O código está todo no GitHub e o site oficial (dbxio.com) tem builds para todas as plataformas.

2.000 estrelas é pouco para o que esse projeto entrega.