Język SQL usługi Databricks

Important

Ta funkcja jest dostępna w publicznej wersji testowej.

Serwer SQL MCP Databricks to zarządzany przez Azure Databricks serwer MCP, który pozwala agentom uruchamiać generowany przez AI SQL na tabelach Unity Catalog w celu odczytu i zapisu danych, przy czym dostęp jest regulowany uprawnieniami Unity Catalog. Wykorzystaj go do budowania potoków danych z narzędzi kodowania AI. Zapytania działają asynchronicznie: agent wywołuje narzędzie, aby rozpocząć zapytanie, a następnie przeprowadza ankiety aż do zakończenia odpowiedzi.

Wzorzec adresu URL Zakres OAuth
https://<workspace-hostname>/api/2.0/mcp/sql sql

_meta Parametry

_meta parametry to wartości konfiguracyjne, które ustawiasz w kodzie agenta, aby deterministycznie ustawić zachowanie serwera MCP, zamiast pozwalać LLM generować je dynamicznie w czasie wywołania narzędzia. Serwer SQL MCP Databricks obsługuje następujące _meta parametry:

Nazwa parametru Typ Description
warehouse_id str Identyfikator usługi SQL Warehouse do użycia do wykonywania zapytań.
Przykład: "a1b2c3d4e5f67890"
Jeśli nie zostanie określony, system automatycznie wybiera magazyn na podstawie zasobów i uprawnień.

Przykład: określanie magazynu SQL dla zapytań SQL usługi Databricks

W tym przykładzie pokazano, jak użyć parametru , warehouse_id_meta aby określić, które usługi SQL Warehouse uruchamia zapytania z serwera MCP usługi Databricks przy użyciu oficjalnego zestawu SDK mcp Python.

W tym scenariuszu chcesz:

  • Używanie określonego magazynu SQL na potrzeby wykonywania zapytań zamiast zezwalania systemowi na automatyczne wybranie jednego
  • Weryfikowanie spójnej wydajności przez kierowanie zapytań do dedykowanego magazynu

Aby uruchomić ten przykład, skonfiguruj środowisko języka Python na potrzeby tworzenia zarządzanych aplikacji MCP:

Aby znaleźć identyfikator usługi SQL Warehouse, zobacz Nawiązywanie połączenia z usługą SQL Warehouse.

# Import required libraries for MCP client and Databricks authentication
import asyncio
from databricks.sdk import WorkspaceClient
from databricks_mcp.oauth_provider import DatabricksOAuthClientProvider
from mcp.client.streamable_http import streamablehttp_client
from mcp.client.session import ClientSession
from mcp.types import CallToolRequest, CallToolResult

async def run_dbsql_tool_call_with_meta():
    # Initialize Databricks workspace client for authentication
    workspace_client = WorkspaceClient()

    # Construct the MCP server URL for DBSQL
    # Replace <workspace-hostname> with your workspace hostname
    mcp_server_url = "https://<workspace-hostname>/api/2.0/mcp/sql"

    # Establish connection to the MCP server with OAuth authentication
    async with streamablehttp_client(
        url=mcp_server_url,
        auth=DatabricksOAuthClientProvider(workspace_client),
    ) as (read_stream, write_stream, _):

        # Create an MCP session for making tool calls
        async with ClientSession(read_stream, write_stream) as session:
            # Initialize the session before making requests
            await session.initialize()

            # Create the tool call request with warehouse_id in _meta
            request = CallToolRequest(
                method="tools/call",
                params={
                    # Tool name for executing SQL queries
                    "name": "execute_sql",

                    # Dynamic arguments - typically provided by your AI agent
                    "arguments": {
                        "query": "SELECT * FROM my_catalog.my_schema.my_table LIMIT 10"
                    },

                    # Meta parameters - specify which warehouse to use
                    "_meta": {
                        "warehouse_id": "a1b2c3d4e5f67890"  # Your SQL warehouse ID
                    }
                }
            )

            # Send the request and get the response
            response = await session.send_request(request, CallToolResult)
            return response

# Execute the async function and get results
response = asyncio.run(run_dbsql_tool_call_with_meta())
  • Last updated on