A traducao de linguagem natural para SQL (NL to-SQL) representa um desafio fundamental para democratizar o acesso a bancos de dados relacionais, pois a sintaxe SQL exige conhecimento tecnico que limita usuarios nao-especialistas.
Este trabalho apresenta o AskDB, uma solucao com Large Language Models (LLMs) sem fine-tuning baseada em uma arquitetura multi-agente modular, na qual agentes especializados colaboram em um grafo de execucao condicional para roteamento de perguntas, decomposicao semantica, geracao automatica de metadados e correcao iterativa de consultas SQL. Metadados sao extraıdos automaticamente por LLMs, fornecendo contexto estruturado que melhora significativamente a precisao das consultas geradas. Em experimentos com o banco de dados AACT (mais de 50 tabelas de ensaios clınicos reais), o sistema alcancou 68% de acuracia media em 30 perguntas testadas. As principais contribuicoes incluem: (1) uma arquitetura multi-agente reutilizavel; (2) sistema automatico de metadados estruturados; (3) pipeline iterativo de correcao de SQL; e (4) um framework extensıvel e de facil manutencao. Os resultados demonstram a viabilidade de solucoes NL-to-SQL acessıveis e adaptaveis, reduzindo custos e ampliando o acesso de profissionais nao tecnicos.