MCP 服务器

MCP Databricks Server

这是一个模型上下文协议（MCP）服务器，用于使用语句执行 API 对 Databricks 执行 SQL 查询。它使 AI 助手能够直接查询 Databricks 数据仓库、分析数据库模式，并以结构化格式检索查询结果。

数据库

Python

README

Databricks MCP 服务器

这是一个模型上下文协议 (MCP) 服务器，用于使用 Statement Execution API 对 Databricks 执行 SQL 查询。它可以通过使用 Databricks API 执行 SQL 请求来检索数据。当在 Agent 模式下使用时，它可以成功地迭代多个请求以执行复杂的任务。与 Unity Catalog Metadata 结合使用时效果更佳。

功能

在 Databricks 上执行 SQL 查询
列出目录中可用的 schema
列出 schema 中的表
描述表 schema

设置

系统要求

Python 3.10+
如果您计划通过 uv 安装，请确保已安装

安装

安装所需的依赖项：

pip install -r requirements.txt

或者如果使用 uv：

uv pip install -r requirements.txt

设置您的环境变量：

选项 1：使用 .env 文件（推荐）

创建一个包含您的 Databricks 凭据的 .env 文件：

DATABRICKS_HOST=your-databricks-instance.cloud.databricks.com
DATABRICKS_TOKEN=your-databricks-access-token
DATABRICKS_SQL_WAREHOUSE_ID=your-sql-warehouse-id

选项 2：直接设置环境变量

export DATABRICKS_HOST="your-databricks-instance.cloud.databricks.com"
export DATABRICKS_TOKEN="your-databricks-access-token"
export DATABRICKS_SQL_WAREHOUSE_ID="your-sql-warehouse-id"

您可以在 Databricks UI 的 SQL Warehouses 下找到您的 SQL warehouse ID。

权限要求

在使用此 MCP 服务器之前，请确保：

SQL Warehouse 权限：与提供的 token 关联的用户必须具有访问指定 SQL warehouse 的适当权限。您可以在 Databricks UI 的 SQL Warehouses > [您的 Warehouse] > Permissions 下配置 warehouse 权限。
Token 权限：使用的个人访问 token 应具有执行所需操作的最低必要权限。强烈建议：
- 专门为此应用程序创建一个专用 token
- 尽可能授予只读权限以限制安全风险
- 避免使用具有 workspace 范围管理员权限的 token
数据访问权限：与 token 关联的用户必须具有访问将被查询的 catalog、schema 和表的适当权限。

要通过 Databricks REST API 设置 SQL warehouse 权限，您可以使用：

GET /api/2.0/sql/permissions/warehouses/{warehouse_id} 检查当前权限
PATCH /api/2.0/sql/permissions/warehouses/{warehouse_id} 更新权限

为了获得最佳安全实践，请考虑定期轮换您的访问 token 并审核查询历史记录以监控使用情况。

运行服务器

独立模式

要在独立模式下运行服务器：

python main.py

这将使用 stdio 传输启动 MCP 服务器，该服务器可以与 Agent Composer 或其他 MCP 客户端一起使用。

与 Cursor 一起使用

要将此 MCP 服务器与 Cursor 一起使用，您需要在 Cursor 设置中对其进行配置：

如果您的主目录中还没有 .cursor 目录，请创建一个
在该目录中创建或编辑 mcp.json 文件：

mkdir -p ~/.cursor
touch ~/.cursor/mcp.json

将以下配置添加到 mcp.json 文件中，将目录路径替换为您安装此服务器的实际路径：

{
    "mcpServers": {
        "databricks": {
            "command": "uv",
            "args": [
                "--directory",
                "/path/to/your/mcp-databricks-server",
                "run",
                "main.py"
            ]
        }
    }
}

如果您不使用 uv，则可以使用 python 代替：

{
    "mcpServers": {
        "databricks": {
            "command": "python",
            "args": [
                "/path/to/your/mcp-databricks-server/main.py"
            ]
        }
    }
}

重新启动 Cursor 以应用更改

现在，您可以直接在 Cursor 的 AI 助手中使用 Databricks MCP 服务器。

可用工具

服务器提供以下工具：

execute_sql_query: 执行 SQL 查询并返回结果
```
execute_sql_query(sql: str) -> str
```
list_schemas: 列出特定 catalog 中的所有可用 schema
```
list_schemas(catalog: str) -> str
```
list_tables: 列出特定 schema 中的所有表
```
list_tables(schema: str) -> str
```
describe_table: 描述表的 schema
```
describe_table(table_name: str) -> str
```

使用示例

在 Agent Composer 或其他 MCP 客户端中，您可以像这样使用这些工具：

execute_sql_query("SELECT * FROM my_schema.my_table LIMIT 10")
list_schemas("my_catalog")
list_tables("my_catalog.my_schema")
describe_table("my_catalog.my_schema.my_table")