Databricks AI Dev Kit MCP 服务器

关键词

Databricks资源管理工具执行会话持久化系统提示

使用说明（Markdown 格式）

  • 项目简介

    • 这是一个基于 MCP（Model Context Protocol）的服务器实现，用于向 LLM 客户端暴露 Databricks 相关的资源、工具和提示模板等能力，核心通过 FastMCP 实现 MCP 服务端，并提供一组经过装饰的工具（Tool）供 MCP 客户端调用。系统还包含会话管理、动态令牌刷新、备份、技能管理等模块，旨在为 Claude Code 等 AI 助手提供可扩展、可安全管理的上下文服务。

  • 主要功能点

    • MCP 核心服务端：通过 fastmcp 提供 MCP 服务器，注册并暴露大量 Databricks 相关工具（如 SQL、计算、文件、流水线、作业、Unity Catalog 等）。
    • 资源与会话管理：提供对 Project、Conversation、Messages、Executions 的数据库持久化与会话恢复能力，包含历史执行、事件流、以及备份/恢复逻辑。
    • 安全与认证：包含 per-user 上下文、Databricks OAuth/Token 刷新、上下文上下文变量传递，以支持多用户并发。
    • 工具的异步执行与活跃流：通过异步模式支持长时间运行任务的进度流（异步返回、轮询状态）。
    • 技能与技能加载：技能管理模块实现技能从外部仓库复制、按需复制到项目/应用中，以及技能树的加载与缓存。
    • 备份与恢复：定时备份项目文件并提供快速恢复能力，确保会话和资源的可持续性。
    • 系统提示与资源链接渲染：系统提示生成包含可点击链接的资源指引，便于 LLM 给出操作结果和上下文链接。

  • 安装步骤

    • 获取代码：克隆仓库并切换到包含 MCP 服务的目录，例如 databricks-mcp-server。
    • 安装依赖：在项目根目录运行相应的包管理工具安装依赖（Python 依赖如 FastAPI、SQLAlchemy、databricks-sdk、fastmcp 等，请参考各子模块的 setup/requirements）。
    • 启动 MCP 服务器：
      • 方法一（标准输入输出传输，适合与 Claude Code 等直接集成）：在项目中执行 python databricks-mcp_server/run_server.py（或在容器/工作流中执行等价命令）。
    • 运行环境要求：根据仓库中使用的环境变量，需要配置 Databricks 主机地址、令牌、以及 Lakebase 数据库相关配置（静态 URL 或动态 OAuth 模式），具体请参照仓库中 databricks-builder-app 及 database 模块的文档。
    • 客户端配置（MCP 客户端侧信息，服务器端不需要改动）：
      • MCP 客户端需要提供一个配置项，至少包含服务器名称、启动命令以及参数，用于建立与服务器的连接。以下为示例描述（非代码块，供参考；实际配置请以你的客户端实现为准）：
        • server_name: "databricks"
        • command: "/path/to/venv/bin/python"
        • args: ["-m", "databricks-mcp_server.run_server"] 或者 ["databricks-mcp-server/run_server.py"]
        • transport: "stdio"（表示使用标准输入输出作为传输通道）
        • 备注：具体参数取决于你使用的 MCP 客户端框架，以上信息用于帮助你完成客户端配置。

  • 服务器配置（MCP 客户端需要的启动信息，基于仓库实现给出准确注释说明）

    • server_name: "databricks"
    • command: "/path/to/venv/bin/python"
    • args: ["databricks-mcp-server/run_server.py"]
    • transport: "stdio" 说明：该配置用于 MCP 客户端在启动后通过标准输入输出与 MCP 服务器建立通信。命令与参数需在客户端运行环境中实际存在且可执行。

  • 基本使用方法

    • 启动与连接：先启动 MCP 服务器（如上所述），客户端通过提供的 server_name、command、args 等信息建立连接。
    • 调用资源、工具与提示模板：通过 MCP 客户端向服务器发起 JSON-RPC 请求，服务器返回资源列表、工具执行结果、或系统提示文本以供 LLM 使用。
    • 会话管理与持久化：服务器在后台维护会话状态和流式执行的事件序列，支持断点续传、重连以及跨会话的资源恢复。
    • 兼容性与扩展：服务器设计为可扩展，支持增加新的工具集、技能、以及多传输协议（如 StdIO/SSE/WebSocket），以适配不同的前端客户端。

  • 可能的限制与注意

    • MCP 客户端需要与服务器的 JSON-RPC 结构对齐，确保调用的工具名称、参数格式符合工具注册时的定义。
    • 运行时依赖（Databricks、Lakebase、数据库等）的正确配置是必需的，否则会导致连接失败或功能不可用。
    • 由于涉及外部 API 调用（Databricks、MLflow、Genie 等），在生产环境中请确保凭证、网络权限与访问控制正确配置。

  • 关键词 Databricks, 资源管理, 工具执行, 会话持久化, 系统提示

  • 分类 6

服务器信息

访问项目