Databricks MCP Server Nm7

🚀 Databricks MCP 服务器

Databricks MCP 服务器是一款强大的工具，用于与 Databricks 平台进行交互。它实现了模型完成协议（MCP），支持通过 REST API 访问 Databricks 的各项功能，既可以直接使用，也能借助 MCP 客户端进行通信。

🚀 快速开始

Databricks MCP 服务器允许你通过 REST API 访问 Databricks 功能。你可以直接使用该工具，也能通过 MCP 客户端进行通信。

✨ 主要特性

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

📚 详细文档

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。