Integrace s agenty kódování

Důležité

Tato funkce je v beta verzi. Správci účtu můžou řídit přístup k této funkci ze stránky Previews .

Díky integraci agenta kódování Azure Databricks můžete spravovat přístup a využití pro kódovací agenty, jako jsou Cursor, Gemini CLI, Codex CLI a Claude Code. Postaveno na AI Gateway, poskytuje limity rychlosti, sledování využití a inferenční tabulky pro vaše nástroje pro kódování.

Features

Přístup: Přímý přístup k různým nástrojům a modelům kódování, a to vše na jedné faktuře.
Pozorovatelnost: Jeden jednotný řídicí panel pro sledování využití, výdajů a metrik napříč všemi nástroji pro psaní kódu.
Jednotné zásady správného řízení: Správci můžou spravovat oprávnění modelu a omezení rychlosti přímo prostřednictvím služby AI Gateway.

Požadavky

Pro váš účet je povolená verze Preview služby AI Gateway (beta verze).
Pracovní prostor Azure Databricks v regionu podporovaném funkcí AI Gateway (Beta).
Služba Unity Catalog je pro váš pracovní prostor povolená. Podívejte se na Povolení pracovního prostoru pro Unity Catalog.

Podporovaní agenti

Podporují se následující agenti kódování:

kurzor
Codex CLI
Rozhraní příkazového řádku Gemini
Claude Code

Nastavení

Cursor

Konfigurace kurzoru pro použití koncových bodů brány AI:

Krok 1: Konfigurace základní adresy URL a klíče rozhraní API

Otevřete Cursor a přejděte do Nastavení>Nastavení kurzoru>Modely>Klíče rozhraní API.
Povolte přepsat základní adresu URL OpenAI a zadejte adresu URL:
```
https://<ai-gateway-url>/cursor/v1
```
Nahraďte <ai-gateway-url> adresou URL koncového bodu brány AI.
Vložte osobní přístupový token Azure Databricks do pole Klíč rozhraní API OpenAI .

Krok 2: Přidání vlastních modelů

V nastavení kurzoru klikněte na + Přidat vlastní model .
Přidejte název koncového bodu služby AI Gateway a povolte přepínač.

Poznámka:

V současné době se podporují pouze koncové body základního modelu vytvořené službou Azure Databricks.

Krok 3: Testování integrace

Otevřete režim Ptejte se v Cmd+L systému (macOS) nebo Ctrl+L (Windows/Linux) a vyberte svůj model.
Odeslat zprávu. Všechny požadavky se teď směrují přes Azure Databricks.

Codex CLI

Krok 1: Nastavení proměnné prostředí DATABRICKS_TOKEN

export DATABRICKS_TOKEN=<databricks_pat_token>

Krok 2: Konfigurace klienta Codex

Vytvořte nebo upravte konfigurační soubor Codex na adrese ~/.codex/config.toml:

profile = "default"

[profiles.default]
model_provider = "proxy"
model = "databricks-gpt-5-2"

[model_providers.proxy]
name = "Databricks Proxy"
base_url = "https://<ai-gateway-url>/openai/v1"
env_key = "DATABRICKS_TOKEN"
wire_api = "responses"

Nahraďte <ai-gateway-url> adresou URL koncového bodu brány AI.

Rozhraní příkazového řádku Gemini

Krok 1: Instalace nejnovější verze Rozhraní příkazového řádku Gemini

npm install -g @google/gemini-cli@nightly

Krok 2: Konfigurace proměnných prostředí

Vytvořte soubor ~/.gemini/.env a přidejte následující konfiguraci. Další podrobnosti najdete v dokumentaci k ověřování rozhraní příkazového řádku Gemini .

GEMINI_MODEL=databricks-gemini-2-5-flash
GOOGLE_GEMINI_BASE_URL=https://<ai-gateway-url>/gemini
GEMINI_API_KEY_AUTH_MECHANISM="bearer"
GEMINI_API_KEY=<databricks_pat_token>

Nahraďte <ai-gateway-url> adresou URL koncového bodu brány AI a <databricks_pat_token> osobním přístupovým tokenem.

Claude Code

Krok 1: Konfigurace klienta Clauda Code

Přidejte následující konfiguraci do ~/.claude/settings.json. Další podrobnosti najdete v dokumentaci k nastavení Clauda Code .

{
  "env": {
    "ANTHROPIC_MODEL": "databricks-claude-opus-4-6",
    "ANTHROPIC_BASE_URL": "https://<ai-gateway-url>/anthropic",
    "ANTHROPIC_AUTH_TOKEN": "<databricks_pat_token>",
    "ANTHROPIC_CUSTOM_HEADERS": "x-databricks-use-coding-agent-mode: true",
    "CLAUDE_CODE_DISABLE_EXPERIMENTAL_BETAS": "1"
  }
}

Nahraďte <ai-gateway-url> adresou URL koncového bodu brány AI a <databricks_pat_token> osobním přístupovým tokenem.

Krok 2 (volitelné): Nastavení shromažďování metrik OpenTelemetry

Podrobnosti najdete v tématu Nastavení shromažďování dat OpenTelemetry ohledně exportu metrik a protokolů z Claude Code do tabulek Delta spravovaných katalogem Unity.

Dashboard

Jakmile je využití agenta kódování sledováno prostřednictvím AI Gateway, můžete své metriky zobrazit a monitorovat na předpřipraveném řídicím panelu.

Pokud chcete získat přístup k řídicímu panelu, na stránce Brány AI vyberte Zobrazit řídicí panel . Tím se vytvoří předem nakonfigurovaný dashboard s grafy pro využití nástrojů při kódování.

Tlačítko Zobrazit řídicí panel

Řídicí panel pro programovací agenty

Nastavení shromažďování dat OpenTelemetry

Azure Databricks podporuje export metrik OpenTelemetry a protokolů z platformy Claude Code do tabulek Delta spravovaných v katalogu Unity. Všechny metriky jsou data časových řad exportovaná pomocí standardního protokolu metrik OpenTelemetry a protokoly jsou exportovány pomocí protokolu protokolů OpenTelemetry. Dostupné metriky a události najdete v tématu Monitorování využití Kódu Claudu.

Požadavky

Funkce OpenTelemetry v Azure Databricks Preview je povolená. Podívejte se na Správa náhledů Azure Databricks.

Krok 1: Vytvoření tabulek OpenTelemetry v katalogu Unity

Vytvořte tabulky spravované službou Unity Catalog předem nakonfigurované pomocí metrik OpenTelemetry a schémat protokolů.

Tabulka metrik

CREATE TABLE <catalog>.<schema>.<table_prefix>_otel_metrics (
  name STRING,
  description STRING,
  unit STRING,
  metric_type STRING,
  gauge STRUCT<
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    value: DOUBLE,
    exemplars: ARRAY<STRUCT<
      time_unix_nano: LONG,
      value: DOUBLE,
      span_id: STRING,
      trace_id: STRING,
      filtered_attributes: MAP<STRING, STRING>
    >>,
    attributes: MAP<STRING, STRING>,
    flags: INT
  >,
  sum STRUCT<
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    value: DOUBLE,
    exemplars: ARRAY<STRUCT<
      time_unix_nano: LONG,
      value: DOUBLE,
      span_id: STRING,
      trace_id: STRING,
      filtered_attributes: MAP<STRING, STRING>
    >>,
    attributes: MAP<STRING, STRING>,
    flags: INT,
    aggregation_temporality: STRING,
    is_monotonic: BOOLEAN
  >,
  histogram STRUCT<
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    count: LONG,
    sum: DOUBLE,
    bucket_counts: ARRAY<LONG>,
    explicit_bounds: ARRAY<DOUBLE>,
    exemplars: ARRAY<STRUCT<
      time_unix_nano: LONG,
      value: DOUBLE,
      span_id: STRING,
      trace_id: STRING,
      filtered_attributes: MAP<STRING, STRING>
    >>,
    attributes: MAP<STRING, STRING>,
    flags: INT,
    min: DOUBLE,
    max: DOUBLE,
    aggregation_temporality: STRING
  >,
  exponential_histogram STRUCT<
    attributes: MAP<STRING, STRING>,
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    count: LONG,
    sum: DOUBLE,
    scale: INT,
    zero_count: LONG,
    positive_bucket: STRUCT<
      offset: INT,
      bucket_counts: ARRAY<LONG>
    >,
    negative_bucket: STRUCT<
      offset: INT,
      bucket_counts: ARRAY<LONG>
    >,
    flags: INT,
    exemplars: ARRAY<STRUCT<
      time_unix_nano: LONG,
      value: DOUBLE,
      span_id: STRING,
      trace_id: STRING,
      filtered_attributes: MAP<STRING, STRING>
    >>,
    min: DOUBLE,
    max: DOUBLE,
    zero_threshold: DOUBLE,
    aggregation_temporality: STRING
  >,
  summary STRUCT<
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    count: LONG,
    sum: DOUBLE,
    quantile_values: ARRAY<STRUCT<
      quantile: DOUBLE,
      value: DOUBLE
    >>,
    attributes: MAP<STRING, STRING>,
    flags: INT
  >,
  metadata MAP<STRING, STRING>,
  resource STRUCT<
    attributes: MAP<STRING, STRING>,
    dropped_attributes_count: INT
  >,
  resource_schema_url STRING,
  instrumentation_scope STRUCT<
    name: STRING,
    version: STRING,
    attributes: MAP<STRING, STRING>,
    dropped_attributes_count: INT
  >,
  metric_schema_url STRING
) USING DELTA
TBLPROPERTIES (
  'otel.schemaVersion' = 'v1'
)

Tabulka protokolů

CREATE TABLE <catalog>.<schema>.<table_prefix>_otel_logs (
  event_name STRING,
  trace_id STRING,
  span_id STRING,
  time_unix_nano LONG,
  observed_time_unix_nano LONG,
  severity_number STRING,
  severity_text STRING,
  body STRING,
  attributes MAP<STRING, STRING>,
  dropped_attributes_count INT,
  flags INT,
  resource STRUCT<
    attributes: MAP<STRING, STRING>,
    dropped_attributes_count: INT
  >,
  resource_schema_url STRING,
  instrumentation_scope STRUCT<
    name: STRING,
    version: STRING,
    attributes: MAP<STRING, STRING>,
    dropped_attributes_count: INT
  >,
  log_schema_url STRING
) USING DELTA
TBLPROPERTIES (
  'otel.schemaVersion' = 'v1'
)

Krok 2: Aktualizace souboru nastavení Claude Code

Přidejte následující proměnné prostředí do bloku env ve svém souboru ~/.claude/settings.json pro povolení exportu metrik a protokolů:

{
  "env": {
    "CLAUDE_CODE_ENABLE_TELEMETRY": "1",
    "OTEL_METRICS_EXPORTER": "otlp",
    "OTEL_EXPORTER_OTLP_METRICS_PROTOCOL": "http/protobuf",
    "OTEL_EXPORTER_OTLP_METRICS_ENDPOINT": "https://<workspace-url>/api/2.0/otel/v1/metrics",
    "OTEL_EXPORTER_OTLP_METRICS_HEADERS": "content-type=application/x-protobuf,Authorization=Bearer <databricks_pat_token>,X-Databricks-UC-Table-Name=<catalog>.<schema>.<table_prefix>_otel_metrics",
    "OTEL_METRIC_EXPORT_INTERVAL": "10000",
    "OTEL_LOGS_EXPORTER": "otlp",
    "OTEL_EXPORTER_OTLP_LOGS_PROTOCOL": "http/protobuf",
    "OTEL_EXPORTER_OTLP_LOGS_ENDPOINT": "https://<workspace-url>/api/2.0/otel/v1/logs",
    "OTEL_EXPORTER_OTLP_LOGS_HEADERS": "content-type=application/x-protobuf,Authorization=Bearer <databricks_pat_token>,X-Databricks-UC-Table-Name=<catalog>.<schema>.<table_prefix>_otel_logs",
    "OTEL_LOGS_EXPORT_INTERVAL": "5000"
  }
}

Nahraďte následující položky:

<workspace-url> s URL adresou pracovního prostoru Azure Databricks.
<databricks_pat_token> s vaším osobním přístupovým tokenem.
<catalog>.<schema>.<table_prefix> s předponou katalogu, schématu a tabulky použitou při vytváření tabulek OpenTelemetry.

Poznámka:

Výchozí OTEL_METRIC_EXPORT_INTERVAL hodnota je 6 0000 ms (60 sekund). Výše uvedený příklad ho nastaví na 1 0000 ms (10 sekund). Výchozí OTEL_LOGS_EXPORT_INTERVAL hodnota je 5000 ms (5 sekund).

Krok 3: Spuštění Kódu Clauda

claude

Vaše data by se měla rozšířit do tabulek katalogu Unity do 5 minut.

Další kroky

Váš názor

Byla tato stránka užitečná?

Last updated on 2026-02-14

Sdílet prostřednictvím

Integrace s agenty kódování

Features

Požadavky

Podporovaní agenti

Nastavení

Cursor

Codex CLI

Rozhraní příkazového řádku Gemini

Claude Code

Dashboard

Nastavení shromažďování dat OpenTelemetry

Požadavky

Krok 1: Vytvoření tabulek OpenTelemetry v katalogu Unity

Krok 2: Aktualizace souboru nastavení Claude Code

Krok 3: Spuštění Kódu Clauda

Další kroky

Váš názor

Další materiály