Databricks MCP 服务器
一个用于 Databricks 的模型完成协议 (MCP) 服务器，可通过 MCP 协议访问 Databricks 功能。这使得基于 LLM 的工具能够与 Databricks 集群、作业、笔记本等进行交互。
特征
MCP 协议支持：实现 MCP 协议以允许 LLM 与 Databricks 交互
Databricks API 集成：提供对 Databricks REST API 功能的访问
工具注册：将 Databricks 功能公开为 MCP 工具
异步支持：使用 asyncio 构建，可实现高效运行
Related MCP server: mcp-lancedb
可用工具
Databricks MCP 服务器公开以下工具：
list_clusters ：列出所有 Databricks 集群
create_cluster ：创建一个新的 Databricks 集群
终止Databricks 集群
get_cluster ：获取有关特定 Databricks 集群的信息
start_cluster ：启动已终止的 Databricks 集群
list_jobs ：列出所有 Databricks 作业
run_job ：运行 Databricks 作业
list_notebooks ：列出工作区目录中的笔记本
export_notebook ：从工作区导出笔记本
list_files ：列出 DBFS 路径中的文件和目录
执行SQL 语句
安装
先决条件
Python 3.10 或更高版本
uv包管理器（推荐用于 MCP 服务器）
设置
如果尚未安装
uv，请安装它：# MacOS/Linux curl -LsSf https://astral.sh/uv/install.sh | sh # Windows (in PowerShell) irm https://astral.sh/uv/install.ps1 | iex安装后重新启动终端。
克隆存储库：
git clone https://github.com/JustTryAI/databricks-mcp-server.git cd databricks-mcp-server使用
uv设置项目：# Create and activate virtual environment uv venv # On Windows .\.venv\Scripts\activate # On Linux/Mac source .venv/bin/activate # Install dependencies in development mode uv pip install -e . # Install development dependencies uv pip install -e ".[dev]"设置环境变量：
# Windows set DATABRICKS_HOST=https://your-databricks-instance.azuredatabricks.net set DATABRICKS_TOKEN=your-personal-access-token # Linux/Mac export DATABRICKS_HOST=https://your-databricks-instance.azuredatabricks.net export DATABRICKS_TOKEN=your-personal-access-token您还可以基于
.env.example模板创建.env文件。
运行 MCP 服务器
要启动 MCP 服务器，请运行：
# Windows
.\start_mcp_server.ps1
# Linux/Mac
./start_mcp_server.sh这些包装脚本将执行位于scripts目录中的实际服务器脚本。服务器将启动并准备好接受 MCP 协议连接。
您也可以直接从脚本目录运行服务器脚本：
# Windows
.\scripts\start_mcp_server.ps1
# Linux/Mac
./scripts/start_mcp_server.sh查询 Databricks 资源
该存储库包含用于快速查看 Databricks 资源的实用程序脚本：
# View all clusters
uv run scripts/show_clusters.py
# View all notebooks
uv run scripts/show_notebooks.py项目结构
databricks-mcp-server/
├── src/ # Source code
│ ├── __init__.py # Makes src a package
│ ├── __main__.py # Main entry point for the package
│ ├── main.py # Entry point for the MCP server
│ ├── api/ # Databricks API clients
│ ├── core/ # Core functionality
│ ├── server/ # Server implementation
│ │ ├── databricks_mcp_server.py # Main MCP server
│ │ └── app.py # FastAPI app for tests
│ └── cli/ # Command-line interface
├── tests/ # Test directory
├── scripts/ # Helper scripts
│ ├── start_mcp_server.ps1 # Server startup script (Windows)
│ ├── run_tests.ps1 # Test runner script
│ ├── show_clusters.py # Script to show clusters
│ └── show_notebooks.py # Script to show notebooks
├── examples/ # Example usage
├── docs/ # Documentation
└── pyproject.toml # Project configuration请参阅project_structure.md来了解项目结构的更详细视图。
发展
代码标准
Python 代码遵循 PEP 8 风格指南，每行最大长度为 100 个字符
使用 4 个空格缩进（不使用制表符）
对字符串使用双引号
所有类、方法和函数都应该有 Google 风格的文档字符串
除测试外，所有代码都需要类型提示
代码检查
该项目使用以下 linting 工具：
# Run all linters
uv run pylint src/ tests/
uv run flake8 src/ tests/
uv run mypy src/测试
该项目使用 pytest 进行测试。要运行测试：
# Run all tests with our convenient script
.\scripts\run_tests.ps1
# Run with coverage report
.\scripts\run_tests.ps1 -Coverage
# Run specific tests with verbose output
.\scripts\run_tests.ps1 -Verbose -Coverage tests/test_clusters.py您还可以直接使用 pytest 运行测试：
# Run all tests
uv run pytest tests/
# Run with coverage report
uv run pytest --cov=src tests/ --cov-report=term-missing该项目的目标是最低代码覆盖率达到 80%。
文档
API 文档是使用 Sphinx 生成的，可以在
docs/api目录中找到所有代码都包含 Google 风格的文档字符串
请参阅
examples/目录以获取使用示例
示例
查看examples/目录以获取用法示例。要运行示例，请执行以下操作：
# Run example scripts with uv
uv run examples/direct_usage.py
uv run examples/mcp_client_usage.py贡献
欢迎贡献代码！欢迎提交 Pull 请求。
确保您的代码遵循项目的编码标准
为任何新功能添加测试
根据需要更新文档
提交前验证所有测试均已通过
执照
该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅 LICENSE 文件。