🚀 MCP Databricks

🚀 MCP Databricks

Model Context Protocol を介して AI アシスタントと Databricks を強力に連携

📖 はじめに

MCP Databricks は、Model Context Protocol（MCP）を通じて AI アシスタントと Databricks ワークスペースをシームレスに接続します。Python で構築されており、Databricks 環境のほぼすべての側面を管理するための豊富なツールを提供します。

このサーバーを使うと、Claude などの AI アシスタントは次のことができます。

• 🔧 コンピュートリソースをきめ細かく管理する
• 📊 SQL クエリを実行し、結果を分析する
• 📁 ワークスペースオブジェクトを整理、操作する
• ✨ その他にもさまざまな操作ができます。

🔍 前提条件

• 🐍 Python 3.11 以降
• 💻 Databricks ワークスペース
• 🔑 Databricks Personal Access Token（PAT）
• 📦 必要な Python パッケージ（セットアップ時にインストール）

🚀 クイックスタート

1️⃣ リポジトリをクローンする

git clone https://github.com/leminkhoa/databricks-mcp
cd databricks-mcp

2️⃣ 環境変数を設定する

プロジェクトのルートに .env ファイルを作成し、Databricks の認証情報を設定します。

# Databricks API Configuration
DATABRICKS_HOST="https://adb-<your workspace uri>.azuredatabricks.net/"
DATABRICKS_TOKEN="dapi_<your_token_here>"

# Server Configuration
SERVER_HOST="0.0.0.0"
SERVER_PORT="8000"
DEBUG="false"
TRANSPORT="stdio"

# Logging Configuration
LOG_LEVEL="INFO"

💡 ヒント： 詳しい手順については、env.sample ファイルをテンプレートとして使用できます。

3️⃣ インストール方法を選択する

MCP Databricks は、次の 2 つの方法で使用できます。

オプション A：Docker（本番環境におすすめ）

1. Docker イメージをビルドします。

docker build -t databricks-mcp .

2. 次の mcp.json エントリを使って Cursor で設定します。

{
  "databricks-mcp-docker": {
    "command": "docker",
    "args": [
      "run",
      "--rm",
      "-i",
      "--name", "databricks-mcp",
      "--env-file", "<path/to/.env>",
      "databricks-mcp"
    ]
  }
}

💡 注： <path/to/.env> を .env ファイルの絶対パスに置き換えてください。

オプション B：uv を使ったローカルインストール

1. uv をインストールします（まだインストールされていない場合）。

curl -LsSf https://astral.sh/uv/install.sh | sh

💡 注： 別のインストール方法については、uv installation documentation を参照してください。

2. 仮想環境をセットアップします。

uv venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate

3. uv で依存関係をインストールします。

uv sync

4. 次の mcp.json エントリを使って Cursor で設定します。

{
  "databricks-mcp-stdio": {
    "command": "uv",
    "args": [
      "--directory",
      "<repository directory>",
      "run",
      "main.py"
    ]
  }
}

💡 注： <repository directory> を、クローンしたリポジトリの絶対パスに置き換えてください。

🚀 使用方法

MCP サーバーの起動

Docker または Cursor との連携を使用しない場合は、次のコマンドでサーバーを起動します。

python main.py

または

uv run main.py

Claude やその他の MCP クライアントへの接続

このサーバーは、Claude Desktop やその他の MCP クライアントとシームレスに互換性を保つために、stdio トランスポートを使用します。サーバーをインストールしたら、お好みの MCP クライアントからすぐに接続できます。

🧰 ツールと機能

MCP Databricks サーバーは、Databricks 環境を管理するための包括的なツールキットを提供します。

💻 クラスター管理

Tool	Description
list_clusters	ワークスペース内のすべての Databricks クラスターを一覧表示します
create_cluster	カスタマイズ可能な設定で新しい Databricks クラスターを作成します
delete_cluster	ID を指定して Databricks クラスターを削除します
start_cluster	停止状態の Databricks クラスターを起動します
list_node_types	Databricks クラスターで利用可能なすべてのノードタイプを一覧表示します
list_spark_versions	Databricks クラスターで利用可能なすべての Spark バージョンを一覧表示します
get_cluster	特定の Databricks クラスターの詳細情報を取得します

📦 ライブラリ管理

Tool	Description
install_libraries	実行中のクラスターにライブラリ（JAR、WHL、PyPI、Maven、CRAN など）をインストールします

🖥️ コマンドの実行

ツール	説明
execute_command	実行中の Databricks クラスターでコマンド（Python、Scala、SQL）を実行します
create_execution_context	インタラクティブなコマンドセッション用の実行コンテキストを作成します

📊 SQL ウェアハウスの管理

ツール	説明
list_sql_warehouses	ワークスペース内のすべての SQL ウェアハウスを一覧表示します
create_sql_warehouse	サイズと設定を指定して、新しい SQL ウェアハウスを作成します

📁 ワークスペースオブジェクト

ツール	説明
delete_workspace_object	Databricks ワークスペースからオブジェクトを削除します
get_workspace_object_status	Databricks ワークスペース内のオブジェクトのステータスを取得します
import_workspace_object	オブジェクト（ノートブック、ファイルなど）をワークスペースにインポートします
create_workspace_directory	Databricks ワークスペースにディレクトリを作成します

---