Databricks MCP

MCP开发工具

提供方 JustTryAI

开发工具 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

A Model Completion Protocol (MCP) server for interacting with Databricks services

一句话选型结论

按资料字段整理

Databricks MCP 属于开发工具类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接复制的远程端点配置。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类开发工具 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式支持远程部署
GitHub 星标 45 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

开发工具
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

developer-toolsDatabricks集成Python本地部署MCP协议LLM工具集群管理作业调度

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
uv run scripts/show_clusters.py

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    确认你的客户端支持远程端点,并拿到服务地址。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
代码与仓库操作

在对话里直接查代码、提 issue、走 PR,省掉来回切工具。

本地命令与脚本

把构建、测试、格式化这类重复命令交给模型执行。

接口联调与测试

让模型调你的接口、跑一遍用例,快速定位问题。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在开发工具场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Databricks MCP当前 未标注 stdio · 本地进程 支持远程部署 有 2026-05-18
Git 838e2ec1 12 stdio · 本地进程 本地部署 有 2026-05-17
Markitdown MCP 2c653a5f 1 stdio · 本地进程 本地部署 有 2026-05-17
JavaGuide 未标注 stdio · 本地进程 本地部署 有 2026-04-11
awesome-claude-skills 未标注 stdio · 本地进程 本地部署 有 2026-04-26
Context7 831acf40 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

开发工具
字段来自项目仓库与公开索引,中文说明由本站标注
提供方JustTryAI上游标注的维护方 JustTryAI
分类开发工具本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型支持远程部署上游给出的部署形态
最近核验2026-05-18上游最后核验时间

详细介绍

5.8 KB
来自项目仓库与上游目录的原文,未做删改

_CHMCP服务器

一个用于copula的模型完成协议(MCP)服务器,通过MCP协议提供对copula功能的访问。这允许LLM驱动的工具与ViewModel集群、作业、笔记本电脑等进行交互。

特性

  • 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copula功能作为MCP工具公开
  • 异步支持:内置asyncio以实现高效运行

可用工具

AppDMCP服务器公开了以下工具:

  • list_cluster:列出所有copula集群
  • create_cluster:创建一个新的copula集群
  • terminate_cluster:终止copula集群
  • get_cluster:获取有关特定copula集群的信息
  • start_cluster:启动已终止的copula集群
  • list_jobs列出所有 Databricks 工作
  • run_job:运行copula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
  • 列表文件:列出DBFS路径中的文件和目录
  • execute_sql:执行SQL语句

安装

先决条件

  • Python 3.10或更高版本
  • uv 包管理器(建议用于MCP服务器)

设置

  1. 安装 uv 如果你还没有:```bash

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。

1. 克隆存储库:```bash
git clone https://github.com/JustTryAI/databricks-mcp-server.git
cd databricks-mcp-server
  1. 通过以下方式设置项目 uv:```bash

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]"


1. 设置环境变量:```bash
# 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

您还可以创建 .env 文件基于 .env.example 模板。

运行MCP服务器

要启动MCP服务器,请运行:```bash

Windows

.\start_mcp_server.ps1

Linux/Mac

./start_mcp_server.sh


这些包装器脚本将执行位于 `scripts` 目录。服务器将启动并准备接受MCP协议连接。

您还可以直接从脚本目录运行服务器脚本:```bash
# Windows
.\scripts\start_mcp_server.ps1

# Linux/Mac
./scripts/start_mcp_server.sh

查询copula资源

该存储库包含实用程序脚本,用于快速查看copula资源:```bash

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

看 project_structure.md 查看项目结构的更详细视图。

发展

代码规范

  • Python代码遵循PEP 8风格指南,最大行长为100个字符
  • 使用4个空格进行缩进(无制表符)
  • 字符串使用双引号
  • 所有类、方法和函数都应该有谷歌风格的文档字符串
  • 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:```bash

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,请执行以下操作:```bash
# 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:```bash

Run all tests

uv run pytest tests/

Run with coverage report

uv run pytest --cov=src tests/ --cov-report=term-missing


该项目的目标是代码覆盖率至少达到80%。

## 文档

- API文档是使用Sphinx生成的,可以在 `docs/api` 目录
- 所有代码都包含谷歌风格的文档字符串
- 请参阅 `examples/` 使用示例目录

## 例子

检查 `examples/` 使用示例目录。要运行示例,请执行以下操作:```bash
# Run example scripts with uv
uv run examples/direct_usage.py
uv run examples/mcp_client_usage.py

贡献

欢迎投稿!请随时提交拉取请求。

  1. 确保你的代码遵循项目的编码标准
  2. 为任何新功能添加测试
  3. 必要时更新文档
  4. 提交前验证所有测试是否通过

许可证

此项目根据MIT许可证获得许可-有关详细信息,请参阅许可证文件。

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
Databricks MCP 怎么安装?

在客户端按下面的安装命令接入:uv run scripts/show_clusters.py。装完在客户端配置里引用同一个包或端点。

Databricks MCP 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

Databricks MCP 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Databricks MCP 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Databricks MCP 能提供哪些能力?

资料显示能力标签包括 集群管理、Python、LLM工具。具体工具清单以官方文档为准。

Databricks MCP 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

Databricks MCP 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-18。