Justtryai Databricks MCP Server

🚀 Databricks MCP 服务器

Databricks MCP 服务器是一个为 Databricks 实现模型完成协议（MCP）的服务器，通过 MCP 协议提供对 Databricks 功能的访问。它使得由大型语言模型 (LLM) 支持的工具能够与 Databricks 集群、作业、笔记本等进行交互，极大地拓展了 Databricks 的应用场景。

🚀 快速开始

Databricks MCP 服务器允许通过 MCP 协议访问 Databricks 功能，使基于大型语言模型（LLM）的工具能与 Databricks 集群、作业、笔记本等进行交互。以下是快速上手的步骤。

✨ 主要特性

• MCP 协议支持：实现 MCP 协议，允许 LLM 与 Databricks 交互。
• Databricks API 集成：提供对 Databricks REST API 功能的访问。
• 工具注册：将 Databricks 功能作为 MCP 工具公开。
• 异步支持：使用 asyncio 实现高效运行。

📦 安装指南

先决条件

1. Python 3.8 或更高版本。
2. pip 包管理器。
3. 基础的开发工具（如 IDE 和终端）。

设置步骤

步骤 1：克隆仓库

使用以下命令克隆 Databricks MCP 服务器仓库：

git clone https://github.com/your-organization/databricks-mcp-server.git

步骤 2：安装依赖项

进入项目目录后，安装所有依赖项：

pip install -r requirements.txt

步骤 3：启动服务器

运行以下命令启动 MCP 服务器：

python src/server.py

💻 使用示例

直接使用示例

在 examples/ 文件夹中，您可以找到直接使用服务器的示例：

from databricks_mcp.client import DatabricksMCPClient

client = DatabricksMCPClient('http://localhost:8080', 'your_token')
cluster_info = client.get_cluster(cluster_id)
print(cluster_info)

MCP 客户端使用示例

在 examples/ 文件夹中，您还可以找到使用 MCP 客户端的示例：

from databricks_mcp.client import DatabricksMCPClient

client = DatabricksMCPClient('http://localhost:8080', 'your_token')
response = client.run_job(job_id)
print(response)

📚 详细文档

可用工具

Databricks MCP 服务器提供了丰富的工具，方便对 Databricks 资源进行管理：

运行服务器

启动脚本

要启动服务器，请使用以下脚本：

# 启动 MCP 服务器
.\scripts\start_server.ps1

# 以 detached 模式启动
.\scripts\start_server.ps1 -Detached

停止脚本

要停止正在运行的服务器，请使用以下脚本：

# 停止 MCP 服务器
.\scripts\stop_server.ps1

项目结构

项目的详细结构如下所示：

Databricks-MCP-Server/
├── src/
│   ├── server.py          # 主服务器文件
│   └── client.py         # MCP 客户端实现
├── tests/
│   ├── test_clusters.py   # 测试集群功能
│   └── test_jobs.py      # 测试作业功能
├── scripts/
│   ├── start_server.ps1  # 启动服务器的脚本
│   └── stop_server.ps1   # 停止服务器的脚本
├── examples/
│   ├── direct_usage.py   # 直接使用示例
│   └── mcp_client_usage.py # MCP 客户端使用示例
└── pyproject.toml        # 项目配置文件

开发

编码规范

• 遵循 PEP 8 样式指南，最大行长为 100 字符。
• 使用 4 个空格进行缩进（不使用制表符）。
• 使用双引号表示字符串。
• 所有类、方法和函数都需要包含 Google 样式的文档注释。
• 除了测试代码外，所有代码都需要类型提示。

源代码分析工具

项目使用以下源代码分析工具：

# 运行所有代码检查工具
uv run pylint src/ tests/
uv run flake8 src/ tests/
uv run mypy src/

测试

项目使用 pytest 进行测试。要运行测试，请执行以下命令：

# 运行所有测试，使用方便的脚本
.\scripts\run_tests.ps1

# 生成代码覆盖率报告
.\scripts\run_tests.ps1 -Coverage

# 运行特定测试并输出详细信息
.\scripts\run_tests.ps1 -Verbose -Coverage tests/test_clusters.py

您也可以直接使用 pytest 运行测试：

# 运行所有测试
pytest

# 生成代码覆盖率报告
pytest --cov

文档

项目文档位于 docs/ 文件夹中，您可以查阅 API 文档和开发指南。

贡献

欢迎为该项目做出贡献！请 fork 仓库并在提交之前创建一个拉取请求。

📄 许可证

该项目在 LICENSE 下开源。