Not
Åtkomst till denna sida kräver auktorisation. Du kan prova att logga in eller byta katalog.
Åtkomst till denna sida kräver auktorisation. Du kan prova att byta katalog.
MCP är en standard med öppen källkod som ansluter AI-agenter till verktyg, resurser, uppmaningar och annan sammanhangsbaserad information.
Databricks tillhandahåller följande typer av MCP-servrar:
| MCP-server | Description |
|---|---|
| Hanterad MCP | Få omedelbar åtkomst till Databricks-funktioner med förkonfigurerade MCP-servrar. |
| Extern MCP | Anslut på ett säkert sätt till MCP-servrar som finns utanför Azure Databricks med hjälp av hanterade anslutningar. |
| Anpassad MCP | Hosta en anpassad MCP-server som en Databricks-app. |
För att se dina tillgängliga MCP-servrar går du till din arbetsyta >Agenter>MCP-servrar:
Hur man använder MCP-servrar
MCP är utformat för att användas med en LLM som dynamiskt identifierar tillgängliga verktyg, bestämmer vilka verktyg som ska anropas och tolkar utdata. När du skapar agenter som använder MCP-servrar rekommenderar Databricks:
- Hårdkoda inte verktygsnamn: Uppsättningen tillgängliga verktyg kan ändras när Databricks lägger till nya funktioner eller ändrar befintliga. Din agent bör dynamiskt identifiera verktyg vid körning genom att lista verktyg.
- Parsa inte verktygets utdata programmatiskt: Utdataformaten för verktyget är inte garanterade att vara stabila. Låt din LLM tolka och extrahera information från verktygssvar.
- Låt LLM bestämma: Agentens LLM ska avgöra vilka verktyg som ska anropas baserat på användarens begäran och de verktygsbeskrivningar som tillhandahålls av MCP-servern.
Dessa metoder gör att dina agenter automatiskt kan dra nytta av förbättringar av MCP-servrar utan att kräva kodändringar.
Beräkna priser
Anpassade MCP-servrar omfattas av prissättningen för Databricks Apps.
Prissättningen för hanterad MCP-server beror på vilken typ av funktion:
Unity Catalog-funktioner använder prissättning för serverlös allmän beräkning.
Genie spaces använder serverlösa SQL-beräkningspriser.
DBSQL-servrar använder Databricks SQL-priser.
Vektorsökningsindex använder priser för vektorsökning.