Koppla markören

Använd Cursor med modeller, MCP-verktyg och färdigheter via Unity Gateway. Konfigurera modellåtkomst i Cursor IDE:s inställningar. Använd Unity Gateway CLI (ug) för att lägga till MCP-verktyg och färdigheter, eller konfigurera dem manuellt.

Prerequisites

Du behöver din URL till Azure Databricks workspace och tillgång till de modeller, MCP:er och färdigheter du vill använda. Installera Cursor. För att använda ug MCP-integrationen, installera även Cursor Agent, som tillhandahåller kommandot cursor-agent .

Om din administratör redan har konfigurerat din enhet, följ organisationens konfigurationsinstruktioner.

Cursor-IDE

1. Konfigurera bas-URL:en och API-nyckeln

Öppna Cursor-inställningar > Cursor-inställningar > Modeller > API-nycklar.

Aktivera Override OpenAI Base URL och skriv in:

https://<workspace-hostname>/ai-gateway/cursor/v1

Ersätt <workspace-hostname> med ditt Azure Databricks workspace-värdnamn. Klistra in din Azure Databricks personliga åtkomsttoken i OpenAI API Key.

2. Lägg till egna modeller

Klicka på + Lägg till anpassad modell i markörinställningar. Ange det fullständiga namnet på en grundmodell som finns tillgänglig i din arbetsyta och aktivera dess växlingsknapp. Upprepa för varje modell du vill använda.

Exempel på modellnamn:

Provider Modellnamn
OpenAI system.ai.gpt-5-5
Gemini system.ai.gemini-3-5-flash
Claude system.ai.claude-opus-4-6

Tillgängliga modeller beror på din arbetsplats och behörigheter. Denna anslutning använder modeller som tillhandahålls av Azure Databricks.

3. Testa kopplingen

Öppna Ask-läge på Cmd+L macOS eller Ctrl+L Windows/Linux. Välj din modell och skicka ett meddelande. Förfrågningar som använder den anpassade modellen går via Unity Gateway.

Cursor Agent i terminalen

Använd Unity Gateway CLI

Installera ug, kör sedan detta kommando från din projektkatalog:

ug cursor

Detta öppnar Cursor Agent i din terminal. Börja arbeta med samma prompts och kommandon som du redan använder. Modeller körs via ditt Cursor-konto; ug konfigurerar inte modellrouting för Cursor Agent.

Lägg till MCP-verktyg

För att använda system.ai.dbsql, system.ai.sandbox, eller system.ai.web_search, måste en kontoadministratör aktivera Unity Gateway-betan från kontokonsolens förhandsgranskningssida . Se Hantera kontoförhandsvisningar.

Använd Unity Gateway CLI

Med Cursor Agent installerad, kör:

ug mcp add --agents cursor

Välj de MCP:er du vill lägga till. ug registrerar dem i ~/.cursor/mcp.json, vilket IDE och terminalagenten använder. Starta om Cursor eller din agentsession, och be den sedan använda ett anslutet verktyg.

Konfigurera MCP:er manuellt

Använd OAuth för en anslutning med automatisk tokenuppdatering, eller en personlig åtkomsttoken för lokal testning.

Använd OAuth

Denna konfiguration använder mcp-remote och kräver Node.js med npx.

  1. Låt en kontoadministratör skapa en publik OAuth-klient med omdirigerings-URL http://localhost:3334/oauth/callback och scope ai-gateway.

  2. Slå ihop denna post med ~/.cursor/mcp.json, och behåll befintliga servrar:

    {
  "mcpServers": {
    "databricks-tools": {
      "command": "npx",
      "args": [
        "-y",
        "mcp-remote",
        "https://<workspace-hostname>/ai-gateway/mcp-services/<catalog>.<schema>.<service>",
        "3334",
        "--static-oauth-client-info",
        "{\"client_id\":\"<client-id>\"}",
        "--static-oauth-client-metadata",
        "{\"scope\":\"ai-gateway offline_access\"}"
      ]
    }
  }
}

  3. Byt ut värdnamn, MCP-namn och klient-ID. Starta om Cursor och slutför inloggningen i din webbläsare.

För ytterligare samtidiga anslutningar, använd en annan callback-port för varje och registrera dess matchande omdirigerings-URL. Om din organisation kräver en konfidentiell klient, se mcp-remotes statiska OAuth-uppgifter.

Använd en personlig åtkomsttoken

Skapa en personlig åtkomsttoken och slå ihop denna post med ~/.cursor/mcp.json:

{
  "mcpServers": {
    "dbsql": {
      "url": "https://<workspace-hostname>/ai-gateway/mcp-services/system.ai.dbsql",
      "headers": {
        "Authorization": "Bearer <databricks-pat>"
      }
    }
  }
}

Byt ut värdnamnet och token. För en annan tjänst, använd ett unikt servernamn och ersätt system.ai.dbsql med dess tredelade Unity Catalog-namn. Behåll orelaterade serverposter och håll tokens utanför versionshanteringen.

Starta om Cursor, kontrollera servern i dess MCP-inställningar och be agenten anropa ett skrivskyddat verktyg. För system.ai.dbsql, försök SELECT 1 AS result. Bekräfta att agenten gör ett verktygsanrop och returnerar sitt resultat. Om MCP:n ber om leverantörens samtycke, öppna dess inloggningslänk, slutför inloggningen och försök sedan anropet igen. Se MCP-autentisering och nätverk för behörigheter och anslutningsfel.

Lägga till kunskaper

Använd Unity Gateway CLI

Kör plockaren för att ladda ner publicerade färdigheter:

ug skills add

Cursor läser in de nedladdade kompetenserna från ~/.agents/skills/. Starta en ny session för att använda dem. Nedladdningar är lokala snapshots; kör om kommandot för att få uppdateringar.

Koppla in färdighetsregistret manuellt

För att ladda publicerade färdigheter via MCP, slå ihop denna post i ~/.cursor/mcp.json:

{
  "mcpServers": {
    "databricks-skill-registry": {
      "url": "https://<workspace-hostname>/ai-gateway/skills/",
      "headers": {
        "Authorization": "Bearer <databricks-pat>"
      }
    }
  }
}

Byt ut värdnamnet och token, och behåll det efterföljande snedstrecket i URL:en. Starta om markören och be den använda en färdighet, som Use <catalog>.<schema>.<skill-name> to review this query.

Registret visar färdigheter genom MCP. För att installera färdighetsfiler du redan har, placera hela mappen, inklusive SKILL.md och medföljande filer, i ~/.agents/skills/ ditt projekts .cursor/skills/. Se Cursors dokumentation för färdigheter.

Unity Gateway-färdigheter finns i Beta. Se Hantera kompetenser för aktivering och behörigheter.

Troubleshooting

ug cursor kan inte hitta Cursor Agent: Installera Cursor Agent och kontrollera att det cursor-agent finns tillgängligt i din terminal.

En anpassad modell misslyckas i IDE:n: Kontrollera gateway-URL:en, tokenens utgångsdatum, modellnamnet och dina modellbehörigheter. Välj den anpassade modellen i konversationen.

En MCP- eller skill connection-anslutning misslyckas: Kontrollera URL:en, MCP-behörigheter och anslutningsfelet. För manuella anslutningar, kontrollera också tokens utgångsdatum. Vid problem med att konfigurera ug, kör ug doctor.

En nedladdad färdighet saknas: Kontrollera att dess mapp innehåller SKILL.md och finns i en stödd färdighetskatalog. Användarnivånedladdningar gäller för din lokala maskin; de är inte automatiskt tillgängliga för Cloud Agents.

Nästa steg

  • Uppdaterades senast