Сервер Databricks MCP

Это сервер Model Context Protocol (MCP) для выполнения SQL-запросов к Databricks с использованием API Statement Execution. Он может извлекать данные, выполняя SQL-запросы с использованием API Databricks. При использовании в режиме агента он может успешно выполнять итерации по нескольким запросам для выполнения сложных задач. Он становится еще лучше в сочетании с метаданными Unity Catalog.

Функции

Выполнение SQL-запросов на Databricks
Перечислить доступные схемы в каталоге
Список таблиц в схеме
Опишите схемы таблиц

Related MCP server: MCP MySQL App

Настраивать

Системные требования

Питон 3.10+
Если вы планируете установку через uv , убедитесь, что он установлен

Установка

Установите необходимые зависимости:

pip install -r requirements.txt

Или, если использовать uv :

uv pip install -r requirements.txt

Настройте переменные среды:
Вариант 1: использование файла .env (рекомендуется)
Создайте файл .env с вашими учетными данными Databricks:
DATABRICKS_HOST=your-databricks-instance.cloud.databricks.com DATABRICKS_TOKEN=your-databricks-access-token DATABRICKS_SQL_WAREHOUSE_ID=your-sql-warehouse-id
Вариант 2: Настройка переменных среды напрямую
export DATABRICKS_HOST="your-databricks-instance.cloud.databricks.com" export DATABRICKS_TOKEN="your-databricks-access-token" export DATABRICKS_SQL_WAREHOUSE_ID="your-sql-warehouse-id"

Идентификатор хранилища SQL можно найти в пользовательском интерфейсе Databricks в разделе «Хранилища SQL».

Требования к разрешениям

Перед использованием этого сервера MCP убедитесь, что:

Разрешения хранилища SQL : пользователь, связанный с предоставленным токеном, должен иметь соответствующие разрешения для доступа к указанному хранилищу SQL. Вы можете настроить разрешения хранилища в пользовательском интерфейсе Databricks в разделе Хранилища SQL > [Ваш склад] > Разрешения.
Разрешения токена : используемый личный токен доступа должен иметь минимально необходимые разрешения для выполнения требуемых операций. Настоятельно рекомендуется:
- Создайте специальный токен специально для этого приложения.
- По возможности предоставляйте разрешения только на чтение, чтобы ограничить риски безопасности.
- Избегайте использования токенов с правами администратора на уровне всего рабочего пространства.
Разрешения на доступ к данным : Пользователь, связанный с токеном, должен иметь соответствующие разрешения на доступ к каталогам, схемам и таблицам, которые будут запрашиваться.

Чтобы установить разрешения хранилища SQL через REST API Databricks, вы можете использовать:

GET /api/2.0/sql/permissions/warehouses/{warehouse_id} для проверки текущих разрешений
PATCH /api/2.0/sql/permissions/warehouses/{warehouse_id} для обновления разрешений

Для обеспечения безопасности рассмотрите возможность регулярной ротации токенов доступа и аудита истории запросов для отслеживания использования.

Запуск сервера

Автономный режим

Для запуска сервера в автономном режиме:

python main.py

Это запустит сервер MCP с использованием транспорта stdio, который можно использовать с Agent Composer или другими клиентами MCP.

Использование с курсором

Чтобы использовать этот MCP-сервер с Cursor , вам необходимо настроить его в настройках Cursor:

Создайте каталог .cursor в вашем домашнем каталоге, если он еще не существует.
Создайте или отредактируйте файл mcp.json в этом каталоге:

mkdir -p ~/.cursor touch ~/.cursor/mcp.json

Добавьте следующую конфигурацию в файл mcp.json , заменив путь к каталогу фактическим путем к месту установки этого сервера:

{ "mcpServers": { "databricks": { "command": "uv", "args": [ "--directory", "/path/to/your/mcp-databricks-server", "run", "main.py" ] } } }

Если вы не используете uv , вы можете вместо этого использовать python :

{ "mcpServers": { "databricks": { "command": "python", "args": [ "/path/to/your/mcp-databricks-server/main.py" ] } } }

Перезапустите курсор, чтобы применить изменения.

Теперь вы можете использовать сервер Databricks MCP непосредственно в ИИ-помощнике Cursor.

Доступные инструменты

Сервер предоставляет следующие инструменты:

execute_sql_query : выполнить SQL-запрос и вернуть результаты
execute_sql_query(sql: str) -> str
list_schemas : Список всех доступных схем в определенном каталоге
list_schemas(catalog: str) -> str
list_tables : список всех таблиц в определенной схеме
list_tables(schema: str) -> str
describe_table : Описать схему таблицы
describe_table(table_name: str) -> str

Пример использования

В Agent Composer или других клиентах MCP вы можете использовать следующие инструменты:

execute_sql_query("SELECT * FROM my_schema.my_table LIMIT 10") list_schemas("my_catalog") list_tables("my_catalog.my_schema") describe_table("my_catalog.my_schema.my_table")

Обработка длительных запросов

Сервер предназначен для обработки длительных запросов путем опроса API Databricks до тех пор, пока запрос не завершится или не истечет время ожидания. Тайм-аут по умолчанию составляет 10 минут (60 повторных попыток с 10-секундными интервалами), при необходимости его можно настроить в файле dbapi.py .