Databricks MCP Server

Name: Databricks MCP Server
Author: pramodbhatofficial

本地服务

github.com/pramodbhatofficial数据库05 周前更新

代码仓库

关于 Databricks MCP Server

Databricks MCP Server 通过官方 Python SDK 将 MCP 客户端连接到 Databricks 服务。它覆盖数据、计算、机器学习、管理和引导式工作流，并支持按模块筛选工具。

主要功能

01覆盖 28 个服务领域的工具
028 个引导式提示词模板
03按需加载工具模块
04由 SDK 管理身份验证
05工作区上下文资源
06支持 stdio 和 SSE 传输

适用场景

01查询数据并浏览 Unity Catalog
02管理计算资源、作业和管道
03部署模型并使用 Vector Search
04管理工作区用户与权限

MCP 相关

将 Databricks 操作作为 MCP 工具提供，并包含提示词模板和只读工作区资源。客户端可通过 stdio 或 SSE 连接，也可用环境变量筛选工具模块。

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置

{
  "mcpServers": {
    "pramodbhatofficial-databricks-sdk": {
      "command": "uvx",
      "args": [
        "databricks-sdk-mcp"
      ],
      "env": {
        "DATABRICKS_HOST": "<DATABRICKS_HOST>",
        "DATABRICKS_TOKEN": "<DATABRICKS_TOKEN>",
        "DATABRICKS_MCP_TOOLS_INCLUDE": "<DATABRICKS_MCP_TOOLS_INCLUDE>"
      }
    }
  }
}

启动命令uvx databricks-sdk-mcp

需要配置的环境变量

DATABRICKS_HOSTYour Databricks workspace URL (e.g. https://adb-123.azuredatabricks.net)

DATABRICKS_TOKEN密钥Databricks personal access token or OAuth token

DATABRICKS_MCP_TOOLS_INCLUDEComma-separated list of tool modules to load (e.g. unity_catalog,sql,compute). Leave empty to load all 263 tools.

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包

pypidatabricks-sdk-mcp0.1.0stdio

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

Databricks MCP Server

这是一个面向 Databricks 的综合型 Model Context Protocol (MCP) 服务，基于官方的 Databricks Python SDK 构建。

它在 28 个服务领域提供 263 个工具和 8 个提示词模板，让 AI 助手能够全面访问 Databricks 平台。

功能

SDK 优先：使用 databricks-sdk 实现类型安全，并自动保持 API 最新
全面覆盖：涵盖 Unity Catalog、SQL、Compute、Jobs、Pipelines、Serving、Vector Search、Apps、Lakebase、Dashboards、Genie、Secrets、IAM、Connections、Experiments 和 Delta Sharing
无需自定义身份验证：完全由 SDK 处理身份验证（PAT、OAuth、Azure AD、服务主体均可自动处理）
选择性加载：通过环境变量包含或排除工具模块
MCP 资源：只读工作区上下文（URL、当前用户、身份验证类型）

快速开始

安装

pip install databricks-sdk-mcp

或使用 Docker 运行：

docker run -i -e DATABRICKS_HOST=... -e DATABRICKS_TOKEN=... databricks-mcp

或从源代码安装：

git clone https://github.com/pramodbhatofficial/databricks-mcp-server.git
cd databricks-mcp-server
pip install -e ".[dev]"

身份验证

身份验证由 Databricks SDK 处理。设置以下任一方式：

个人访问令牌（最简单）：

export DATABRICKS_HOST=https://your-workspace.databricks.com
export DATABRICKS_TOKEN=dapi...

OAuth（M2M——服务主体）：

export DATABRICKS_HOST=https://your-workspace.databricks.com
export DATABRICKS_CLIENT_ID=...
export DATABRICKS_CLIENT_SECRET=...

OAuth（U2M——交互式浏览器登录）：

使用短期、自动刷新的 OAuth 令牌以自己的身份进行身份验证。使用 Databricks CLI 登录一次，令牌会缓存在 ~/.databrickscfg 中一个命名配置文件下：

databricks auth login --host https://your-workspace.databricks.com --profile my-profile

然后将服务指向该配置文件，而不是设置令牌：

export DATABRICKS_CONFIG_PROFILE=my-profile

注意： 如果设置了 DATABRICKS_TOKEN，SDK 会优先使用它，而不是配置文件。通过配置文件进行身份验证时，请勿设置 DATABRICKS_TOKEN/DATABRICKS_HOST。

其他方式：Azure AD、Azure Managed Identity——SDK 会自动检测。

运行

databricks-mcp

这会使用 stdio 传输启动 MCP 服务。

集成

Claude Code（终端）

添加到 ~/.claude/settings.json 或项目的 .claude/settings.json：

{
  "mcpServers": {
    "databricks": {
      "command": "databricks-mcp",
      "env": {
        "DATABRICKS_HOST": "https://your-workspace.databricks.com",
        "DATABRICKS_TOKEN": "dapi..."
      }
    }
  }
}

若要使用 OAuth U2M 而不是令牌，请引用已登录的配置文件（参见身份验证），并省略 DATABRICKS_HOST/DATABRICKS_TOKEN：

{
  "mcpServers": {
    "databricks": {
      "command": "databricks-mcp",
      "env": {
        "DATABRICKS_CONFIG_PROFILE": "my-profile"
      }
    }
  }
}

然后重启 Claude Code。使用 /mcp 查看已注册的工具并验证配置。

Claude Desktop

添加到 Claude Desktop 配置文件：

macOS：~/Library/Application Support/Claude/claude_desktop_config.json
Windows：%APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "databricks": {
      "command": "databricks-mcp",
      "env": {
        "DATABRICKS_HOST": "https://your-workspace.databricks.com",
        "DATABRICKS_TOKEN": "dapi..."
      }
    }
  }
}

重启 Claude Desktop。Databricks 工具将显示在工具选择器中。

Cursor

添加到项目根目录下的 .cursor/mcp.json（全局配置则添加到 ~/.cursor/mcp.json）：

{
  "mcpServers": {
    "databricks": {
      "command": "databricks-mcp",
      "env": {
        "DATABRICKS_HOST": "https://your-workspace.databricks.com",
        "DATABRICKS_TOKEN": "dapi..."
      }
    }
  }
}

打开 Cursor Settings > MCP，确认服务已连接。

Windsurf

添加到 ~/.codeium/windsurf/mcp_config.json：

{
  "mcpServers": {
    "databricks": {
      "command": "databricks-mcp",
      "env": {
        "DATABRICKS_HOST": "https://your-workspace.databricks.com",
        "DATABRICKS_TOKEN": "dapi..."
      }
    }
  }
}

VS Code（Copilot）

添加到项目中的 .vscode/mcp.json：

{
  "servers": {
    "databricks": {
      "command": "databricks-mcp",
      "env": {
        "DATABRICKS_HOST": "https://your-workspace.databricks.com",
        "DATABRICKS_TOKEN": "dapi..."
      }
    }
  }
}

Zed

添加到 Zed 的设置文件（~/.config/zed/settings.json）：

{
  "context_servers": {
    "databricks": {
      "command": {
        "path": "databricks-mcp",
        "env": {
          "DATABRICKS_HOST": "https://your-workspace.databricks.com",
          "DATABRICKS_TOKEN": "dapi..."
        }
      }
    }
  }
}

任意 MCP 客户端（通用 stdio）

该服务使用 stdio 传输。可从任何兼容 MCP 的客户端连接：

# Set auth env vars
export DATABRICKS_HOST=https://your-workspace.databricks.com
export DATABRICKS_TOKEN=dapi...

# Start the server (communicates via stdin/stdout)
databricks-mcp

提示：仅加载所需内容

如果 MCP 客户端难以处理大量工具，可使用选择性加载来减少工具数量：

{
  "mcpServers": {
    "databricks": {
      "command": "databricks-mcp",
      "env": {
        "DATABRICKS_HOST": "https://your-workspace.databricks.com",
        "DATABRICKS_TOKEN": "dapi...",
        "DATABRICKS_MCP_TOOLS_INCLUDE": "unity_catalog,sql,compute,jobs"
      }
    }
  }
}

工具模块

模块	工具数	描述
`unity_catalog`	23	目录、架构、表、卷、函数、已注册模型
`sql`	14	仓库、SQL 执行、查询、警报、历史记录
`workspace`	10	笔记本、文件、存储库
`compute`	18	集群、实例池、策略、节点类型、Spark 版本
`jobs`	13	作业、运行、任务、修复、全部取消
`pipelines`	8	DLT / Lakeflow 管道
`serving`	10	服务端点、模型版本、OpenAPI
`vector_search`	10	向量搜索端点、索引、同步
`apps`	10	Databricks Apps 生命周期
`database`	10	Lakebase PostgreSQL 实例
`dashboards`	9	Lakeview AI/BI 仪表板、已发布视图
`genie`	5	Genie AI/BI 对话
`secrets`	8	机密范围和机密
`iam`	16	用户、组、服务主体、权限、当前用户
`connections`	5	外部连接
`experiments`	14	MLflow 实验、运行、制品、指标、参数
`sharing`	11	Delta Sharing 共享、接收方、提供方
`files`	12	DBFS 和 UC Volumes 文件操作
`grants`	3	Unity Catalog 权限授予（GRANT/REVOKE）
`storage`	10	存储凭据和外部位置
`metastores`	8	Unity Catalog 元存储管理
`online_tables`	3	用于低延迟服务的在线表
`global_init_scripts`	5	工作区范围的初始化脚本
`tokens`	5	个人访问令牌管理
`git_credentials`	5	存储库的 Git 凭据管理
`quality_monitors`	8	数据质量监控和刷新
`command_execution`	4	在集群上交互式执行命令
`workflows`	5	复合多步骤操作（工作区状态、架构设置、查询预览）

选择性加载工具

共有 263 个工具，建议只加载所需模块。这有助于提升 Agent 的性能和工具选择准确性。

基于角色的预设（推荐）

选择符合你角色的预设：

预设	模块	工具数	配置
数据工程师	unity_catalog, sql, compute, jobs, pipelines, files, quality_monitors	~100	`DATABRICKS_MCP_TOOLS_INCLUDE=unity_catalog,sql,compute,jobs,pipelines,files,quality_monitors`
机器学习工程师	serving, vector_search, experiments, compute, unity_catalog, online_tables, files	~98	`DATABRICKS_MCP_TOOLS_INCLUDE=serving,vector_search,experiments,compute,unity_catalog,online_tables,files`
平台管理员	iam, secrets, tokens, metastores, compute, global_init_scripts, grants, storage	~85	`DATABRICKS_MCP_TOOLS_INCLUDE=iam,secrets,tokens,metastores,compute,global_init_scripts,grants,storage`
应用开发者	apps, database, sql, files, serving, secrets	~64	`DATABRICKS_MCP_TOOLS_INCLUDE=apps,database,sql,files,serving,secrets`
数据分析师	sql, unity_catalog, dashboards, genie, workspace	~61	`DATABRICKS_MCP_TOOLS_INCLUDE=sql,unity_catalog,dashboards,genie,workspace`
最小配置	sql, unity_catalog	~37	`DATABRICKS_MCP_TOOLS_INCLUDE=sql,unity_catalog`

在 Claude Code 中使用预设的示例：

{
  "mcpServers": {
    "databricks": {
      "command": "databricks-mcp",
      "env": {
        "DATABRICKS_HOST": "https://your-workspace.databricks.com",
        "DATABRICKS_TOKEN": "dapi...",
        "DATABRICKS_MCP_TOOLS_INCLUDE": "unity_catalog,sql,compute,jobs,pipelines,files,quality_monitors"
      }
    }
  }
}

自定义筛选

# Only include specific modules
export DATABRICKS_MCP_TOOLS_INCLUDE=unity_catalog,sql,serving

# Exclude specific modules (cannot combine with INCLUDE)
export DATABRICKS_MCP_TOOLS_EXCLUDE=iam,sharing,experiments

如果设置了 INCLUDE，则只加载这些模块。如果设置了 EXCLUDE，则加载除这些模块之外的所有模块。如果两者都设置，则 INCLUDE 优先。

工具发现（适用于 AI Agent）

该服务内置工具发现功能，可帮助 AI Agent 找到合适的工具：

MCP 资源

URI	描述
`databricks://workspace/info`	工作区 URL、当前用户、身份验证类型
`databricks://tools/guide`	工具目录，包含模块描述、用例和角色预设

Agent 可以在连接时读取 databricks://tools/guide，了解可用内容。

发现工具

databricks_tool_guide 工具可帮助 Agent 在对话过程中找到合适的工具：

# Find tools for a specific task
databricks_tool_guide(task="run a SQL query")
databricks_tool_guide(task="deploy an ML model")
databricks_tool_guide(task="create a user")

# Get role-based recommendations
databricks_tool_guide(role="data_engineer")
databricks_tool_guide(role="ml_engineer")

此工具会返回匹配的模块及其描述和使用提示，让 Agent 确切知道要调用哪些 databricks_* 工具。

MCP 提示词（引导式工作流）

此服务包含 8 个提示词模板，引导 AI Agent 完成多步骤的 Databricks 工作流：

提示词	描述
`explore_data_catalog`	浏览 Unity Catalog 结构（目录 → 架构 → 表）
`query_data`	查找数据仓库、执行 SQL 并格式化结果
`debug_failing_job`	调查失败的作业：状态、日志、错误分析
`setup_ml_experiment`	创建 MLflow 实验并配置跟踪
`deploy_model`	将模型部署到服务端点
`setup_data_pipeline`	创建 DLT 管道并配置计划
`workspace_health_check`	审查集群、数据仓库、作业和端点
`manage_permissions`	审查并更新工作区对象的权限

支持提示词的 MCP 客户端（例如 Claude Desktop 的提示词选择器）会自动显示这些提示词。

Docker

在容器中运行 MCP 服务：

# Build
docker build -t databricks-mcp .

# Run with stdio
docker run -i \
  -e DATABRICKS_HOST=https://your-workspace.databricks.com \
  -e DATABRICKS_TOKEN=dapi... \
  databricks-mcp

# Run with SSE transport
docker run -p 8080:8080 \
  -e DATABRICKS_HOST=https://your-workspace.databricks.com \
  -e DATABRICKS_TOKEN=dapi... \
  databricks-mcp --transport sse --port 8080

# Run with selective modules
docker run -i \
  -e DATABRICKS_HOST=https://your-workspace.databricks.com \
  -e DATABRICKS_TOKEN=dapi... \
  -e DATABRICKS_MCP_TOOLS_INCLUDE=sql,unity_catalog \
  databricks-mcp

SSE 传输（远程服务）

此服务支持通过 SSE 传输进行远程连接：

# Start as SSE server
databricks-mcp --transport sse --port 8080

# Custom host/port
databricks-mcp --transport sse --host 127.0.0.1 --port 3000

从任何支持 SSE 的 MCP 客户端进行连接：

{
  "mcpServers": {
    "databricks": {
      "url": "http://localhost:8080/sse"
    }
  }
}

开发

# Install with dev dependencies
pip install -e ".[dev]"

# Lint
ruff check databricks_mcp/

# Test
pytest tests/ -v

作者

Pramod Bhat

许可证

Apache 2.0 —— 参见 LICENSE。

支持 Markdown

登录后评论

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

阅读入门指南

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。

Databricks MCP Server

关于 Databricks MCP Server

主要功能

适用场景

MCP 相关

配置

工具

详细介绍

Databricks MCP Server

功能

快速开始

安装

身份验证

运行

集成

Claude Code（终端）

Claude Desktop

Cursor

Windsurf

VS Code（Copilot）

Zed

任意 MCP 客户端（通用 stdio）

提示：仅加载所需内容

工具模块

选择性加载工具

基于角色的预设（推荐）

自定义筛选

工具发现（适用于 AI Agent）

MCP 资源

发现工具

MCP 提示词（引导式工作流）

Docker

SSE 传输（远程服务）

开发

作者

许可证

评论

第一次接触 MCP？

MCP（Model Context Protocol）是什么？

MCP 服务和客户端有什么区别？

本地服务与远程服务怎么选？

如何在 Claude、Cursor 等客户端中安装服务？

收录的项目经过审核吗？“认证”标识代表什么？

我维护的项目已被收录，怎样认领？