Databricks Genie MCP Server

Čo robí “Databricks Genie” MCP Server?

Databricks Genie MCP Server je server Model Context Protocol (MCP) navrhnutý ako most medzi AI asistentmi a Genie API v Databricks. Táto integrácia umožňuje veľkým jazykovým modelom (LLM) interagovať s prostrediami Databricks pomocou prirodzeného jazyka. Cez tento server môžu LLM vykonávať akcie ako vypisovanie Genie spaces, získavanie metadát pracoviska, iniciovanie a správa konverzácií v Genie a spúšťanie SQL dotazov – to všetko prostredníctvom štandardizovaných MCP nástrojov. Ako konektor umožňuje Databricks Genie MCP Server vývojárom obohatiť svoje workflow o konverzačné skúmanie dát, priame SQL dotazovanie a bezproblémovú interakciu s konverzačnými agentmi Databricks, čím zjednodušuje vývoj a analýzu založenú na dátach.

Zoznam promptov

V repozitári nie sú zdokumentované žiadne explicitné prompt šablóny.

Pripravení rozšíriť svoje podnikanie?

Začnite svoju 30-dňovú skúšobnú verziu ešte dnes a vidzte výsledky behom pár dní.

Požiadať o demo Prihlásiť sa

Zoznam zdrojov

V repozitári nie sú opísané žiadne explicitné zdroje.

Zoznam nástrojov

• get_genie_space_id()
  Vypíše dostupné ID a názvy Genie spaces vo vašom Databricks pracovisku.
• get_space_info(space_id: str)
  Získa názov a popis vybraného Genie space.
• ask_genie(space_id: str, question: str)
  Začne novú Genie konverzáciu zadaním otázky v prirodzenom jazyku a vráti SQL a tabuľky s výsledkami.
• follow_up(space_id: str, conversation_id: str, question: str)
  Pokračuje v existujúcej Genie konverzácii následnou otázkou.

Prihláste sa na newsletter

Získajte najnovšie tipy, trendy a ponuky zadarmo.

Emailová adresa

Prihlásiť sa

Príklady použitia tohto MCP servera

• Konverzačné skúmanie dát
  Vývojári a analytici môžu pomocou prirodzeného jazyka interaktívne dotazovať dáta v Databricks cez Genie, čím je analýza prístupnejšia a intuitívnejšia.
• Automatizovaná generácia SQL dotazov
  Server prevádza otázky v prirodzenom jazyku na SQL príkazy, vykonáva ich v Genie spaces a vracia štruktúrované výsledky, čím šetrí čas a znižuje chybovosť.
• Získavanie metadát pracoviska
  Jednoducho získajte metadáta (názvy, popisy) o Genie spaces na pochopenie a dokumentovanie dostupných dátových zdrojov.
• Správa konverzácií
  Udržujte kontext počas viacotáčkových konverzácií, čo umožňuje komplexné analytické workflow, kde otázky nadväzujú na predchádzajúce odpovede.
• Integrácia s AI asistentmi
  Jednoducho pridajte schopnosti Genie z Databricks do AI-poháňaných IDE alebo chatovacích rozhraní, čím zefektívnite data science workflow v známych nástrojoch.

Ako to nastaviť

Windsurf

1. Uistite sa, že máte na systéme nainštalovaný Python 3.7+.
2. Naklonujte repozitár Databricks Genie MCP a nainštalujte všetky závislosti.
3. Vytvorte súbor .env so svojimi prihlasovacími údajmi Databricks (DATABRICKS_HOST a DATABRICKS_TOKEN).
4. Do konfigurácie Windsurf pridajte MCP server cez nasledujúci JSON:

   {
     "mcpServers": {
       "databricks-genie": {
         "command": "python",
         "args": ["main.py"]
       }
     }
   }
   

5. Reštartujte Windsurf a overte, že sa server objavil medzi dostupnými MCP servermi.
6. Zabezpečenie API kľúčov:
   Na uchovanie prihlasovacích údajov v bezpečí používajte environmentálne premenné. Príklad:

   {
     "env": {
       "DATABRICKS_HOST": "your-databricks-instance.cloud.databricks.com",
       "DATABRICKS_TOKEN": "your-personal-access-token"
     },
     "inputs": {}
   }
   

Claude

1. Nainštalujte Python 3.7+ a závislosti z repozitára.
2. Nakonfigurujte .env so svojím Databricks hostom a tokenom.
3. V koreňovom adresári projektu spustite:

   mcp install main.py
   

4. Otvorte Claude Desktop, choďte do Resources → Add Resource a vyberte svoj Genie MCP Server.
5. Začnite chatovať s vašimi dátami v Databricks.

Cursor

1. Uistite sa, že máte všetky náležitosti a nakonfigurovaný .env.
2. Pridajte do konfigurácie Cursor nasledujúci úsek:

   {
     "mcpServers": {
       "databricks-genie": {
         "command": "python",
         "args": ["main.py"]
       }
     }
   }
   

3. Uložte konfiguráciu a reštartujte Cursor.
4. Overte spojenie so serverom a nastavenie environmentálnych premenných podľa uvedeného príkladu.

Cline

1. Nainštalujte Python 3.7+, naklonujte repozitár a nastavte svoj .env.
2. Pridajte MCP server do konfigurácie Cline:

   {
     "mcpServers": {
       "databricks-genie": {
         "command": "python",
         "args": ["main.py"]
       }
     }
   }
   

3. Reštartujte Cline a overte, že MCP server je aktívny.
4. Na ochranu prihlasovacích údajov používajte environmentálne premenné.

Ako tento MCP používať vo flow

Použitie MCP vo FlowHunt

Pre integráciu MCP serverov do svojho flow vo FlowHunt pridajte komponent MCP do svojho flow a pripojte ho k AI agentovi:

Kliknite na MCP komponent a otvorte konfiguračný panel. V sekcii systémovej konfigurácie MCP vložte údaje o svojom MCP serveri v tomto JSON formáte:

{
  "databricks-genie": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po nakonfigurovaní môže AI agent využívať tento MCP ako nástroj so všetkými jeho funkciami a možnosťami. Nezabudnite “databricks-genie” nahradiť skutočným názvom vášho MCP servera a URL vlastnou adresou MCP servera.

Prehľad

Náš názor

Databricks Genie MCP Server predstavuje praktický most medzi Databricks a LLM, s jasnými inštrukciami na nastavenie a nástrojmi. Chýbajú mu však prompt šablóny, explicitné zdroje a dokumentácia k pokročilým MCP funkciám ako sampling či roots. Základné nástroje sú dobre definované a užitočné pre používateľov Databricks. Celkovo hodnotíme nadpriemerne, ale využitie bohatších MCP funkcií by ešte zlepšilo hodnotenie.

MCP skóre