Databricks MCP Sunucusu

“Databricks” MCP Sunucusu ne işe yarar?

Databricks MCP (Model Context Protocol) Sunucusu, AI asistanlarını Databricks platformuna bağlayan, Databricks kaynaklarıyla doğal dil arayüzü üzerinden sorunsuz etkileşim sağlayan özel bir araçtır. Bu sunucu, büyük dil modelleri (LLM) ile Databricks API’leri arasında köprü görevi görerek LLM’lerin SQL sorguları çalıştırmasına, işleri listelemesine, iş durumlarını almasına ve detaylı iş bilgisi edinmesine imkan tanır. Bu yetenekleri MCP protokolü üzerinden sunarak Databricks MCP Sunucusu, geliştiricilere ve AI ajanlarına veri iş akışlarını otomatikleştirme, Databricks işleri yönetme ve veritabanı işlemlerini kolaylaştırma olanağı verir; böylece veri odaklı geliştirme ortamlarında verimliliği artırır.

Prompt Listesi

Depoda herhangi bir prompt şablonu tanımlanmamıştır.

Kaynak Listesi

Depoda açıkça belirtilmiş bir kaynak yoktur.

Araç Listesi

• run_sql_query(sql: str)
  Databricks SQL ambarında SQL sorguları çalıştırır.
• list_jobs()
  Workspace’teki tüm Databricks işlerini listeler.
• get_job_status(job_id: int)
  Belirli bir Databricks işinin durumunu kimliğiyle alır.
• get_job_details(job_id: int)
  Belirli bir Databricks işi hakkında ayrıntılı bilgi alır.

Bu MCP Sunucusunun Kullanım Senaryoları

• Veritabanı Sorgu Otomasyonu
  LLM’lerin ve kullanıcıların sohbet arayüzlerinden doğrudan Databricks ambarlarında SQL sorguları çalıştırmasını sağlayarak veri analiz iş akışlarını hızlandırır.
• İş Yönetimi
  Databricks işlerini listeleyip izleyin; kullanıcıların çalışma alanlarındaki mevcut veya planlı görevleri takip etmelerine yardımcı olur.
• İş Durumu Takibi
  Belirli Databricks işlerinin durumunu hızlıca alın; verimli izleme ve sorun giderme imkanı sunar.
• Detaylı İş İncelemesi
  Databricks işleriniz hakkında derinlemesine bilgi edinin; ETL boru hatları veya toplu işler için hata ayıklama ve optimizasyonu kolaylaştırır.

Kurulum Nasıl Yapılır

Windsurf

1. Python 3.7+ yüklü olduğundan ve Databricks kimlik bilgilerinizin mevcut olduğundan emin olun.
2. Depoyu klonlayın ve gereksinimleri pip install -r requirements.txt ile yükleyin.
3. Databricks kimlik bilgilerinizle bir .env dosyası oluşturun.
4. Databricks MCP Sunucusu’nu Windsurf yapılandırmanıza ekleyin:

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

5. Yapılandırmayı kaydedin ve Windsurf’ü yeniden başlatın. Kurulumu bir test sorgusu çalıştırarak doğrulayın.

API Anahtarlarını Güvenli Saklama Örneği:

{
  "mcpServers": {
    "databricks": {
      "command": "python",
      "args": ["main.py"],
      "env": {
        "DATABRICKS_HOST": "${DATABRICKS_HOST}",
        "DATABRICKS_TOKEN": "${DATABRICKS_TOKEN}",
        "DATABRICKS_HTTP_PATH": "${DATABRICKS_HTTP_PATH}"
      }
    }
  }
}

Claude

1. Python 3.7+ yükleyin ve depoyu klonlayın.
2. .env dosyasını Databricks kimlik bilgilerinizle oluşturun.
3. Claude’un MCP arayüzünü yapılandırın:

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

4. Claude’u yeniden başlatın ve bağlantıyı doğrulayın.

Cursor

1. Depoyu klonlayın ve Python ortamını kurun.
2. Bağımlılıkları yükleyin ve kimlik bilgileriyle .env oluşturun.
3. Sunucuyu Cursor yapılandırmasına ekleyin:

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

4. Yapılandırmayı kaydedin ve bağlantıyı test edin.

Cline

1. Yukarıdaki gibi Python ve kimlik bilgilerini hazırlayın.
2. Depoyu klonlayın, gereksinimleri yükleyin ve .env dosyasını yapılandırın.
3. MCP sunucusu girdisini Cline yapılandırmasına ekleyin:

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

4. Kaydedin, Cline’ı yeniden başlatın ve MCP Sunucusu’nun çalışır durumda olduğunu doğrulayın.

Not: API anahtarlarınızı ve şifrelerinizi yukarıdaki yapılandırma örneklerinde gösterildiği gibi her zaman ortam değişkenleriyle güvenli şekilde saklayın.

Bu MCP’yi akışlarda nasıl kullanabilirim?

FlowHunt’ta MCP Kullanımı

MCP sunucularını FlowHunt iş akışınıza entegre etmek için, öncelikle MCP bileşenini akışınıza ekleyin ve AI ajanınıza bağlayın:

MCP bileşenine tıklayarak yapılandırma panelini açın. Sistem MCP yapılandırması bölümüne aşağıdaki JSON formatında MCP sunucu detaylarınızı girin:

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

Yapılandırmayı tamamladıktan sonra, AI ajanı artık bu MCP’yi bir araç olarak kullanabilir ve tüm fonksiyonlarına erişebilir. “databricks” ismini MCP sunucunuzun gerçek adıyla, URL’yi kendi MCP sunucu adresinizle değiştirmeniz gerektiğini unutmayın.

Genel Bakış

| Roots Desteği | ⛔ | Bahsedilmemiş |

Temel özelliklerin (araçlar, kurulum ve güvenlik rehberi mevcut, fakat kaynak ve prompt şablonları yok) bulunabilirliği açısından Databricks MCP Sunucusu, Databricks API entegrasyonu için etkilidir ancak bazı gelişmiş MCP ilkeleri eksiktir. MCP ekosistemi bağlamında bu MCP sunucusuna 10 üzerinden 6 puan veriyorum.

MCP Puanı