Databrics MCP Server

MCPAI代理

提供方 sidart10

AI代理 stdio · 本地进程 Token 社区 / 第三方 Claude DesktopClaudeCursor
查看接入方式

一个增强Genie AI集成的模型上下文协议(MCP)服务器,提供AI助手与Databricks工作区之间的自然语言交互功能。

一句话选型结论

按资料字段整理

Databrics MCP Server 属于AI代理类 MCP 服务器,stdio · 本地进程,Token,可直接接入 Claude Desktop、Claude、Cursor,有可直接执行的安装命令。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AI代理 传输方式stdio · 本地进程 鉴权Token 部署方式本地部署
GitHub 星标 0 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

AI代理
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

支持客户端

适用场景

AI助手集成Python本地部署自然语言处理Databricks管理SQL查询集群管理

安装与配置

stdio · 本地进程 Token
客户端在本机拉起子进程,数据不出本机
uv run -m databricks_mcp.main

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

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  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
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

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。
  • 已适配 Claude Desktop、Claude、Cursor,换客户端不用重新研究配置。

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。
  • 使用前要准备好Token对应的凭据,并按最小权限配置。
  • 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AI代理场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop、Claude 的用户,接入路径最短。
  • 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。
  • 不方便管理密钥或第三方授权的人。
  • 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
Databrics MCP Server当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
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sidart10上游标注的维护方 sidart10
分类AI代理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Token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
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

8.3 KB
来自项目仓库与上游目录的原文,未做删改

Databricks MCP精灵

具有增强的Genie AI集成的模型上下文协议(MCP)服务器,可在AI助手(如Claude Desktop、Cursor)和copula工作区之间提供无缝的自然语言交互。

这有什么作用

使AI助手能够直接与您的copula工作区进行交互:

  • 执行SQL查询并管理仓库
  • 控制集群(创建、启动、停止、监视)
  • 运行作业和笔记本
  • 使用Genie AI提出自然语言问题
  • 管理Unity目录(目录、模式、表)
  • 使用DBFS、repos和库

快速开始

对于游标用户

推荐设置:无需手动安装!使用 uvx 自动运行服务器。

  1. 安装 uv (一次性): curl -LsSf https://astral.sh/uv/install.sh | sh
  2. 通过以下方式配置光标MCP设置:```json
    {
    "command": "uvx",
    "args": ["databricks-mcp-genie"]
    }
1. 将您的copula凭据添加到 `env` 章节

详细信息请参见 光标设置指南.

### 自动代码审查

该项目现在包括自动化的Claude Code PR审查!每个pull请求都会收到:

- 全面的代码质量分析
- 安全漏洞扫描
- 性能优化建议
- 最佳实践验证

PR会使用Claude支持的GitHub Actions自动审核。

### 先决条件

- Python 3.10或更高版本
- 带有个人访问令牌的Rancher工作区
- Cursor IDE、Claude Desktop或任何兼容MCP的客户端

### 安装

**适用于MCP客户端(推荐)**:
无需手动安装!使用 `uvx` 在MCP客户端配置中,它会自动下载并运行服务器。

**为了发展**:```bash
# Clone the repository
git clone https://github.com/sidart10/databrics-mcp-server.git
cd databrics-mcp-server

# Install with uv
uv sync

配置

  1. 获取您的copula凭据:
  • 工作区URL: https://your-workspace.cloud.databricks.com
  • 个人访问令牌:从用户设置>开发人员>访问令牌生成
  1. 配置MCP客户端:

对于光标:参见 光标设置指南 详细说明。

适用于克劳德桌面:编辑 ~/.config/Claude/claude_desktop_config.json:```json
{
"mcpServers": {
"databricks": {
"command": "uvx",
"args": ["databricks-mcp-genie"],
"env": {
"DATABRICKS_HOST": "https://your-workspace.cloud.databricks.com",
"DATABRICKS_TOKEN": "your-personal-access-token-here"
}
}
}
}


> **备注**: `uvx` (包括在内 `uv`)自动下载并运行MCP服务器。无需手动安装!

3. **重新启动克劳德桌面**

### 验证安装

**使用uvx** (配置Cursor/Claude Desktop后):

- 重新启动MCP客户端
- 尝试:“列出我的ViewModel集群”
- 如果你看到结果,它正在发挥作用!

**来源** (开发):```bash
uv run -m databricks_mcp.main

可用特征

9个API模块中的43个MCP工具

精灵AI(5个工具) -自然语言数据分析

  • list_genie_spaces -列出可用的Genie AI空间
  • start_genie_conversation -用自然语言提问
  • send_genie_followup -根据上下文继续对话
  • get_genie_message_status -检查消息处理状态
  • get_genie_query_results -从Genie检索SQL结果

集群API(6个工具)

  • list_clusters, create_cluster, get_cluster
  • start_cluster, terminate_cluster

SQL API(1个工具)

  • execute_sql -使用仓库运行SQL查询

工作API(9个工具)

  • list_jobs, create_job, delete_job, run_job
  • list_job_runs, get_run_status, cancel_run
  • run_notebook, sync_repo_and_run_notebook

笔记本API(5个工具)

  • list_notebooks, export_notebook, import_notebook
  • delete_workspace_object, get_workspace_file_content, get_workspace_file_info

DBFS API(3个工具)

  • list_files, dbfs_put, dbfs_delete

Unity目录API(7个工具)

  • list_catalogs, create_catalog
  • list_schemas, create_schema
  • list_tables, create_table, get_table_lineage

回购API(4个工具)

  • list_repos, create_repo, update_repo, pull_repo

库API(3个工具)

  • install_library, uninstall_library, list_cluster_libraries

用法示例

与Claude Desktop一起使用

配置后,您可以要求Claude与ViewModel交互:```
"List all my running clusters"
"Execute this SQL query: SELECT * FROM my_catalog.my_schema.my_table LIMIT 10"
"Ask Genie: What were the top products by revenue last month?"
"Create a new job to run my ETL notebook daily"


### 程序化使用```python
from databricks_mcp.server import DatabricksMCPServer

# Initialize server
server = DatabricksMCPServer()

# Use via MCP protocol
server.run()

API直接使用```python

from databricks_mcp.api import clusters, genie, sql

List clusters

clusters_list = await clusters.list_clusters()

Ask Genie a question

response = await genie.start_conversation(
space_id="01efc298aabd1ae9bac6128988a6eaaa",
question="Show me revenue trends by product category"
)

Execute SQL

results = await sql.execute_sql(
statement="SELECT * FROM sales.orders LIMIT 100",
warehouse_id="your-warehouse-id"
)


## 项目结构```
databrics-mcp-server/
├── databricks_mcp/           # Main Python package
│   ├── api/                  # API modules (clusters, sql, genie, etc.)
│   ├── core/                 # Core utilities and config
│   ├── server/               # MCP server implementation
│   └── cli/                  # CLI commands
├── tests/                    # Test suite
├── examples/                 # Usage examples
├── scripts/                  # Utility scripts
├── docs/                     # Documentation
├── pyproject.toml           # Package configuration
├── .mcp.json                # MCP client configuration
└── test_server.sh           # Quick server test

故障排除

服务器无法启动

检查日志: databricks_mcp.log

常见问题:

  • 中的凭据无效 .mcp.json
  • MCP配置中的Python路径不正确
  • 缺少依赖项(运行 pip install -e ".[dev]")

导入错误```bash

Verify all imports work

.venv/bin/python -c "from databricks_mcp.server import DatabricksMCPServer"
.venv/bin/python -c "from databricks_mcp.api import clusters, sql, genie"


### 连接问题

验证凭据:```bash
export DATABRICKS_HOST="https://your-workspace.cloud.databricks.com"
export DATABRICKS_TOKEN="your-token"
.venv/bin/python -c "
from databricks_mcp.api import clusters
import asyncio
print(asyncio.run(clusters.list_clusters()))
"

看 故障排除.md 详细的解决方案。

发展

运行测试```bash

All tests

.venv/bin/pytest tests/ -v

Specific test file

.venv/bin/pytest tests/test_clusters.py -v

With coverage

.venv/bin/pytest tests/ --cov=databricks_mcp


### 代码质量```bash
# Format code
.venv/bin/black databricks_mcp/

# Lint
.venv/bin/pylint databricks_mcp/

添加新工具

  1. 在中添加API函数 databricks_mcp/api/
  2. 在中注册工具 databricks_mcp/server/databricks_mcp_server.py:python @self.tool( name="your_tool_name", description="What your tool does with parameters: param1 (required), param2 (optional)" ) async def your_tool(params: Dict[str, Any]) -> List[TextContent]: try: actual_params = _unwrap_params(params) result = await your_api_module.your_function(actual_params) return [{"type": "text", "text": json.dumps(result)}] except Exception as e: logger.error(f"Error: {str(e)}") return [{"type": "text", "text": json.dumps({"error": str(e)})}]

文档

设置和安装

  • 光标设置指南 -Cursor的一键安装(建议团队使用)
  • 快速启动.md -入门指南
  • 部队展开情况综合 -包分发概述

开发与出版

  • 发布.md -如何发布到PyPI
  • 故障排除.md -常见问题和解决方案
  • ENHANCEMENTS.md -功能增强和路线图

需求

  • Python>=3.10
  • mcp[cli]>=1.2.0
  • httpx
  • sdk数据库
  • pytest(开发)
  • 黑色(dev)
  • pylint(开发)

许可证

MIT许可证-有关详细信息,请参阅许可证文件

致谢

PyPI包: 数据块mcp精灵
源存储库: https://github.com/sidart10/databrics-mcp-server
维护人员: 西德
原作者: Olivier Debeuf De Rijker(数据图表mcp)

特别感谢:

  • Olivier Debeuf De Rijker为原始数据包mcp实现
  • 克劳德的拟人化和MCP协议
  • 提供全面的SDK和Genie AI
  • 开源社区

使用克劳德代码构建 -人工智能辅助开发工具Anthropic

常见问题

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

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

Databrics MCP Server 怎么在 Claude Desktop、Claude、Cursor 里配置?

它的传输方式是stdio · 本地进程,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,配置才会生效。

Databrics MCP Server 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。

Databrics MCP Server 需要 API Key 吗?

资料标注需要Token认证,使用前准备好对应凭据,并按最小权限配置。

Databrics MCP Server 支持哪些客户端?

资料标注支持 Claude Desktop、Claude、Cursor;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Databrics MCP Server 能提供哪些能力?

资料显示能力标签包括 集群管理、自然语言处理、Python、Claude。具体工具清单以官方文档为准。

Databrics MCP Server 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。

Databrics MCP Server 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 2026-05-17。