\_CHMCP服务器
一个用于copula的模型完成协议（MCP）服务器，通过MCP协议提供对copula功能的访问。这允许LLM驱动的工具与ViewModel集群、作业、笔记本电脑等进行交互。
特性
- MCP协议支持：实现MCP协议，以允许LLM与Databricks交互
- Databricks API集成：提供对Databricks REST API功能的访问
- 工具注册：将copula功能作为MCP工具公开
- 异步支持：内置asyncio以实现高效运行
可用工具
AppDMCP服务器公开了以下工具：
- list_cluster：列出所有copula集群
- create_cluster：创建一个新的copula集群
- terminate_cluster：终止copula集群
- get_cluster：获取有关特定copula集群的信息
- start_cluster：启动已终止的copula集群
- list_jobs列出所有 Databricks 工作
- run_job：运行copula作业
- list_notebooks：列出工作区目录中的笔记本
- export_notebook：从工作区导出笔记本
- 列表文件：列出DBFS路径中的文件和目录
- execute_sql：执行SQL语句
安装
先决条件
- Python 3.10或更高版本
uv包管理器（建议用于MCP服务器）
设置
- 安装
uv如果你还没有：
# MacOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh
# Windows (in PowerShell)
irm https://astral.sh/uv/install.ps1 | iex安装后重新启动终端。
- 克隆存储库：
git clone https://github.com/JustTryAI/databricks-mcp-server.git
cd databricks-mcp-server- 通过以下方式设置项目
uv:
# Create and activate virtual environment
uv venv
# On Windows
.\.venv\Scripts\activate
# On Linux/Mac
source .venv/bin/activate
# Install dependencies in development mode
uv pip install -e .
# Install development dependencies
uv pip install -e ".[dev]"- 设置环境变量：
# Windows
set DATABRICKS_HOST=https://your-databricks-instance.azuredatabricks.net
set DATABRICKS_TOKEN=your-personal-access-token
# Linux/Mac
export DATABRICKS_HOST=https://your-databricks-instance.azuredatabricks.net
export DATABRICKS_TOKEN=your-personal-access-token您还可以创建 .env 文件基于 .env.example 模板。
运行MCP服务器
要启动MCP服务器，请运行：
# Windows
.\start_mcp_server.ps1
# Linux/Mac
./start_mcp_server.sh这些包装器脚本将执行位于 scripts 目录。服务器将启动并准备接受MCP协议连接。
您还可以直接从脚本目录运行服务器脚本：
# Windows
.\scripts\start_mcp_server.ps1
# Linux/Mac
./scripts/start_mcp_server.sh查询copula资源
该存储库包含实用程序脚本，用于快速查看copula资源：
# View all clusters
uv run scripts/show_clusters.py
# View all notebooks
uv run scripts/show_notebooks.py项目结构
databricks-mcp-server/
├── src/ # Source code
│ ├── __init__.py # Makes src a package
│ ├── __main__.py # Main entry point for the package
│ ├── main.py # Entry point for the MCP server
│ ├── api/ # Databricks API clients
│ ├── core/ # Core functionality
│ ├── server/ # Server implementation
│ │ ├── databricks_mcp_server.py # Main MCP server
│ │ └── app.py # FastAPI app for tests
│ └── cli/ # Command-line interface
├── tests/ # Test directory
├── scripts/ # Helper scripts
│ ├── start_mcp_server.ps1 # Server startup script (Windows)
│ ├── run_tests.ps1 # Test runner script
│ ├── show_clusters.py # Script to show clusters
│ └── show_notebooks.py # Script to show notebooks
├── examples/ # Example usage
├── docs/ # Documentation
└── pyproject.toml # Project configuration看 project_structure.md 查看项目结构的更详细视图。
发展
代码规范
- Python代码遵循PEP 8风格指南，最大行长为100个字符
- 使用4个空格进行缩进（无制表符）
- 字符串使用双引号
- 所有类、方法和函数都应该有谷歌风格的文档字符串
- 除测试外，所有代码都需要类型提示
代码检查
该项目使用以下linting工具：
# Run all linters
uv run pylint src/ tests/
uv run flake8 src/ tests/
uv run mypy src/测试
该项目使用pytest进行测试。要运行测试，请执行以下操作：
# Run all tests with our convenient script
.\scripts\run_tests.ps1
# Run with coverage report
.\scripts\run_tests.ps1 -Coverage
# Run specific tests with verbose output
.\scripts\run_tests.ps1 -Verbose -Coverage tests/test_clusters.py您还可以直接使用pytest运行测试：
# Run all tests
uv run pytest tests/
# Run with coverage report
uv run pytest --cov=src tests/ --cov-report=term-missing该项目的目标是代码覆盖率至少达到80%。
文档
- API文档是使用Sphinx生成的，可以在
docs/api目录 - 所有代码都包含谷歌风格的文档字符串
- 请参阅
examples/使用示例目录
例子
检查 examples/ 使用示例目录。要运行示例，请执行以下操作：
# Run example scripts with uv
uv run examples/direct_usage.py
uv run examples/mcp_client_usage.py贡献
欢迎投稿！请随时提交拉取请求。
- 确保你的代码遵循项目的编码标准
- 为任何新功能添加测试
- 必要时更新文档
- 提交前验证所有测试是否通过
许可证
此项目根据MIT许可证获得许可-有关详细信息，请参阅许可证文件。