🚀 MCP Databricks

🚀 MCP Databricks

通过 Model Context Protocol 为 AI 助手提供强大的 Databricks 集成

📖 简介

MCP Databricks 通过 Model Context Protocol（MCP）将 AI 助手与 Databricks 工作区无缝连接。它使用 Python 构建，提供了丰富的工具集，可管理 Databricks 环境的几乎所有方面。

借助此服务，Claude 等 AI 助手可以：

• 🔧 精准管理计算资源
• 📊 执行 SQL 查询并分析结果
• 📁 整理和操作工作区对象
• ✨ 还有更多功能！

🔍 前置条件

• 🐍 Python 3.11 或更高版本
• 💻 Databricks 工作区
• 🔑 Databricks 个人访问令牌（PAT）
• 📦 所需的 Python 软件包（在设置过程中安装）

🚀 快速开始

1️⃣ 克隆代码仓库

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

2️⃣ 配置环境变量

在项目根目录创建 .env 文件，并填入 Databricks 凭据：

# 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"

💡 提示： 如需进一步说明，可以使用 env.sample 文件作为模板。

3️⃣ 选择安装方式

你可以通过两种方式使用 MCP Databricks：

选项 A：Docker（推荐用于生产环境）

1. 构建 Docker 镜像：

docker build -t databricks-mcp .

2. 在 Cursor 中使用以下 mcp.json 条目进行配置：

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

💡 注意： 将 <path/to/.env> 替换为 .env 文件的绝对路径。

选项 B：使用 uv 本地安装

1. 安装 uv（如果尚未安装）：

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

💡 注意： 其他安装方式请参阅 uv 安装文档。

2. 设置虚拟环境：

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

3. 使用 uv 安装依赖项：

uv sync

4. 在 Cursor 中使用以下 mcp.json 条目进行配置：

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

💡 注意： 将 <repository directory> 替换为已克隆代码仓库的绝对路径。

🚀 使用方法

运行 MCP 服务

如果不使用 Docker 或 Cursor 集成，请通过以下命令启动服务：

python main.py

或

uv run main.py

连接到 Claude 或其他 MCP 客户端

此服务使用 stdio 传输，可与 Claude Desktop 及其他 MCP 客户端无缝兼容。安装服务后，你可以立即使用首选的 MCP 客户端连接到它。

🧰 工具与功能

MCP Databricks 服务提供了一套全面的工具，可用于管理 Databricks 环境：

💻 集群管理

工具	描述
list_clusters	列出工作区中的所有 Databricks 集群
create_cluster	使用可自定义的设置创建新的 Databricks 集群
delete_cluster	根据 ID 删除 Databricks 集群
start_cluster	启动已终止的 Databricks 集群
list_node_types	列出 Databricks 集群所有可用的节点类型
list_spark_versions	列出 Databricks 集群所有可用的 Spark 版本
get_cluster	获取特定 Databricks 集群的详细信息

📦 库管理

工具	描述
install_libraries	在运行中的集群上安装库（JAR、WHL、PyPI、Maven、CRAN 等）

🖥️ 命令执行

工具	描述
execute_command	在运行中的 Databricks 集群上执行命令（Python、Scala、SQL）
create_execution_context	为交互式命令会话创建执行上下文

📊 SQL 仓库管理

工具	描述
list_sql_warehouses	列出工作区中的所有 SQL 仓库
create_sql_warehouse	使用可配置的大小和设置创建新的 SQL 仓库

📁 工作区对象

工具	描述
delete_workspace_object	从 Databricks 工作区删除对象
get_workspace_object_status	获取 Databricks 工作区中对象的状态
import_workspace_object	将对象（笔记本、文件等）导入工作区
create_workspace_directory	在 Databricks 工作区创建目录

---