Máy chủ Databricks MCP

Máy chủ Databricks MCP làm gì?

Databricks MCP (Model Context Protocol) Server là một công cụ chuyên biệt kết nối các trợ lý AI với nền tảng Databricks, cho phép tương tác liền mạch với tài nguyên Databricks thông qua giao diện ngôn ngữ tự nhiên. Máy chủ này đóng vai trò là cầu nối giữa các mô hình ngôn ngữ lớn (LLM) và API Databricks, giúp LLM thực thi truy vấn SQL, liệt kê các job, lấy trạng thái job và nhận thông tin chi tiết về job. Bằng cách cung cấp các khả năng này qua giao thức MCP, Databricks MCP Server giúp lập trình viên và agent AI tự động hóa quy trình dữ liệu, quản lý job Databricks và tối ưu hóa thao tác cơ sở dữ liệu, từ đó nâng cao hiệu suất trong môi trường phát triển dựa trên dữ liệu.

Danh sách Prompt

Không có template prompt nào được mô tả trong repository.

Danh sách Resource

Không có resource cụ thể nào được liệt kê trong repository.

Danh sách Công cụ

• run_sql_query(sql: str)
  Thực thi truy vấn SQL trên kho dữ liệu Databricks SQL.
• list_jobs()
  Liệt kê tất cả các job Databricks trong workspace.
• get_job_status(job_id: int)
  Lấy trạng thái của một job Databricks dựa trên ID.
• get_job_details(job_id: int)
  Nhận thông tin chi tiết về một job Databricks cụ thể.

Các trường hợp sử dụng MCP Server này

• Tự động hóa truy vấn cơ sở dữ liệu
  Cho phép LLM và người dùng chạy truy vấn SQL trên kho Databricks trực tiếp từ giao diện hội thoại, tối ưu quy trình phân tích dữ liệu.
• Quản lý job
  Liệt kê, giám sát các job của Databricks, giúp người dùng theo dõi các tác vụ đang chạy hoặc đã lên lịch trong workspace.
• Theo dõi trạng thái job
  Nhanh chóng lấy trạng thái của các job Databricks cụ thể, hỗ trợ giám sát và xử lý sự cố hiệu quả.
• Kiểm tra chi tiết job
  Truy cập thông tin chuyên sâu về các job Databricks, hỗ trợ debug và tối ưu hóa ETL hoặc batch job.

Hướng dẫn cài đặt

Windsurf

1. Đảm bảo đã cài đặt Python 3.7+ và có thông tin đăng nhập Databricks.
2. Clone repository và cài đặt các yêu cầu với pip install -r requirements.txt.
3. Tạo file .env với thông tin đăng nhập Databricks.
4. Thêm Databricks MCP Server vào cấu hình Windsurf:

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

5. Lưu cấu hình và khởi động lại Windsurf. Xác minh cài đặt bằng cách chạy truy vấn thử.

Ví dụ bảo mật API Keys:

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

Claude

1. Cài đặt Python 3.7+ và clone repo.
2. Thiết lập file .env với thông tin đăng nhập Databricks.
3. Cấu hình giao diện MCP của Claude:

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

4. Khởi động lại Claude và xác thực kết nối.

Cursor

1. Clone repository và thiết lập môi trường Python.
2. Cài đặt các phụ thuộc và tạo .env với thông tin đăng nhập.
3. Thêm server vào cấu hình Cursor:

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

4. Lưu cấu hình và kiểm tra kết nối.

Cline

1. Chuẩn bị Python và thông tin đăng nhập như trên.
2. Clone repository, cài đặt các yêu cầu và cấu hình .env.
3. Thêm mục MCP server vào cấu hình Cline:

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

4. Lưu, khởi động lại Cline và xác minh MCP Server đã hoạt động.

Lưu ý: Luôn bảo mật API key và thông tin bí mật của bạn bằng cách sử dụng biến môi trường như trong các ví dụ cấu hình trên.

Cách sử dụng MCP này trong flow

Sử dụng MCP trong FlowHunt

Để tích hợp máy chủ MCP vào workflow FlowHunt của bạn, bắt đầu bằng cách thêm thành phần MCP vào flow và kết nối với agent AI:

Nhấn vào thành phần MCP để mở bảng cấu hình. Trong phần cấu hình hệ thống MCP, chèn thông tin máy chủ MCP của bạn theo định dạng JSON sau:

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

Khi đã cấu hình, agent AI sẽ có thể sử dụng MCP này như một công cụ với đầy đủ chức năng. Hãy nhớ thay “databricks” bằng tên thực tế của máy chủ MCP và thay URL bằng địa chỉ MCP server của bạn.

Tổng quan

| Hỗ trợ Roots | ⛔ | Không đề cập |

Dựa trên các tính năng chính sẵn có (công cụ, hướng dẫn cài đặt và bảo mật, nhưng thiếu resource và template prompt), Databricks MCP Server hiệu quả cho tích hợp API Databricks nhưng còn thiếu một số primitive MCP nâng cao. Tôi đánh giá MCP server này 6 trên 10 về mức độ hoàn thiện và tiện ích trong hệ sinh thái MCP.

Điểm MCP