Databricks MCP 服务器

项目描述

Databricks MCP 服务器是一个用于与 Databricks 平台交互的工具，实现了模型完成协议（MCP）。该工具允许通过 REST API 访问 Databricks 功能，并支持直接使用或通过 MCP 客户端进行通信。以下是项目的详细介绍。

特性

• 功能

  • 实现了 MCP 协议。
  • 提供了对 Databricks REST API 的访问。
  • 支持群集管理、作业提交和其他平台功能。
  • 文档生成使用 Sphinx，位于 docs/api 目录。

• 代码标准

  • 遵循 PEP 8 标准，最大行长为 100 个字符。
  • 使用 4 个空格进行缩进（不使用制表符）。
  • 引用字符串时优先使用双引号。
  • 所有类、方法和函数必须包含 Google 风格的文档注释。
  • 除了测试代码外，所有代码都需要类型提示。

• 代码审查

  • 使用 Pylint 和 Flake8 进行代码检查，并运行 Mypy 进行静态类型检查。

• 测试要求

  • 所有新增功能必须附带测试用例。
  • 最低代码覆盖率为 80%。
  • 使用 pytest 并结合覆盖率报告进行测试。

安装指南

系统要求

• Python 3.7 或更高版本。

安装步骤

1. 项目克隆

   git clone [仓库地址]
   cd [项目目录]
   

2. 依赖管理
   使用 poetry 或其他工具安装依赖项。
3. 环境变量设置（可选）
   • 配置 Databricks 凭据：

     export DATABRICKS_HOST=[Databricks 服务地址]
     export DATABRICKS_TOKEN=[访问令牌]
     

4. 运行服务器

   poetry install && poetry run start_server
   

项目结构

.
├── src/
│   ├── main.py        # 主程序入口
│   └── cli/          # 命令行工具模块
├── tests/
│   ├── test_clusters.py
│   └── test_jobs.py   # 测试用例文件
├── examples/
│   └── example_usage.py
└── docs/
    └── api/           # 文档生成目录

更多详细信息，请参见 project_structure.md。

开发指南

贡献流程

1. 分支创建

   git checkout -b feature/[功能名称]
   

2. 代码提交
   提交时请包含清晰的提交信息。
3. 拉取请求 提交完成后，生成拉取请求并等待审核。

文档更新

• 在 docs/ 目录中更新相关文档。
• 使用 Sphinx 生成新文档。

许可证

该项目遵循 MIT 许可证。更多细节请参见 LICENSE 文件。