Genie Lamp MCP

Rancher Genie MCP服务器

一个全面的模型上下文协议（MCP）服务器，支持以下功能：

• 空间管理 -创建、更新、列出和删除Genie空间
• 会话查询 -通过自动轮询提问并获取SQL结果
• AI友好配置模式 -可发现的JSON模式和模板，用于AI助手生成有效配置
• 对话能力 -具有引导设置、智能对话跟踪和健康监控的高级工作流程

快速开始

5分钟后开始：

先决条件

• Python 3.10或更高版本
• 启用Genie的copula工作区
• SQL仓库ID
• 身份验证凭据（PAT或OAuth M2M）

快速安装

使用自动安装脚本：

# Clone the repository
cd genie-mcp-server

# Run the install script (handles everything)
./install.sh

脚本将：

• 检查Python版本
• 创建虚拟环境
• 安装依赖项
• 交互式配置copula身份验证
• 自动检测并从您的copula CLI配置文件中选择
• 设置.env配置文件
• 验证安装

快速配置

如果已安装，请随时配置：

./configure.sh

这将交互式地指导您完成以下操作：

• 选择身份验证方法（CLI/PAT/OAuth）
• 输入工作区URL
• 设置凭据
• 配置超时和端点

测试与验证

# Activate virtual environment
source .venv/bin/activate

# Check imports
python -c "from genie_mcp_server import config; print('Config OK')"

第一个查询

设置后，问克劳德：

“列出我工作区中的所有Genie空间”

克劳德将使用 list_genie_spaces 工具自动。

特性

会话技巧（4个提示）

将常见操作捆绑到易于使用的对话界面中的高级工作流：

• /create-space -通过自动仓库发现和验证反馈引导空间创建

- 快速模式（即时创建）、引导模式（验证反馈）、专家模式（手动编辑） - 域模板（最小、销售、客户、库存、财务、人力资源） - 质量评分和建议

• /ask -具有自动对话跟踪功能的自然问答

- 智能空间选择（按ID、名称或上次使用时间） - 30分钟对话连续性（无需跟踪对话ID） - 自适应结果格式（表、摘要、SQL） - 速率限制和超时处理

• /inspect -空间分析和配置管理

- 健康检查（配置质量+活动指标） - 导出（将配置保存为JSON以进行备份/克隆） - Diff（并排比较两个空格） - 查找（按表或关键字搜索空间）

• /bulk -在多个空间上进行批量操作

- 更新（在多个空格中添加说明/表格） - 删除（与模拟运行预览匹配的图案） - 安全干式运行模式

空间管理（5个工具）

• create_genie_space -从JSON配置创建新的Genie空间
• list_genie_spaces -列出工作区中的所有Genie空间
• get_genie_space -获取特定空间的详细信息
• update_genie_space -更新现有空间
• delete_genie_space -删除空格（软删除）

对话/查询（5个工具）

• ask_genie -提问并等待结果（有速率限制和轮询）
• continue_conversation -在现有对话中发送后续问题
• get_query_results -从已完成的消息中获取查询结果
• list_conversations -列出空间中的对话
• get_conversation_history -获取对话线程中的所有消息

配置生成（5个工具）

• get_config_schema -获取用于创建配置的JSON模式和文档
• get_config_template -获取特定于域的配置模板（销售、客户、库存等）
• validate_space_config -验证配置的错误和质量
• extract_table_metadata -提取Unity Catalog表元数据以获取上下文
• generate_space_config -（已弃用）基于传统LLM的生成

关键能力：

• 自动速率限制（5个请求/分钟）
• 长时间运行的查询的异步轮询
• 多层配置验证
• AI助手的模式驱动配置生成（无需外部端点）

安装

快速安装（推荐）

使用自动安装脚本：

# Clone the repository
cd genie-mcp-server

# Run the install script
./install.sh

该脚本处理：Python版本检查、虚拟环境创建、依赖关系安装，以及使用copula CLI配置文件检测进行交互式配置设置。

手动安装

如果您更喜欢手动安装：

# Clone the repository
cd genie-mcp-server

# Create virtual environment
python -m venv .venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate

# Install package
pip install -e .

# For development
pip install -e ".[dev]"

# Copy environment template
cp .env.example .env

非交互式设置

对于CI/CD或自动设置，请创建 .env 跑步前：

cat > .env 访问令牌
- 增添 `.env`: `DATABRICKS_TOKEN=dapi...`

**OAuth M2M服务负责人**

- 用于生产/自动化工作流程
- 细粒度权限和审计日志记录
- 需要在copula中设置服务主体
- 增添 `.env`: `DATABRICKS_CLIENT_ID` 和 `DATABRICKS_CLIENT_SECRET`

## 使用克劳德桌面/Claude代码

### 配置文件位置

- **macOS**: `~/Library/Application Support/Claude/claude_desktop_config.json`
- **视窗**: `%APPDATA%\Claude\claude_desktop_config.json`
- **克劳德代码**: `~/.claude/claude_code_config.json` （或使用 `claude mcp add`)

### 选项1:uvx（推荐）

不需要本地克隆或虚拟环境。只需添加到您的配置中：

**从git URL：**

{ "mcpServers": { "genie": { "command": "uvx", "args": ["--from", "git+https://github.com/Aiden-Jeon/genie-lamp-mcp.git", "genie-mcp-server"], "env": { "DATABRICKS_HOST": "https://your-workspace.cloud.databricks.com", "DATABRICKS_TOKEN": "dapi..." } } } }

**如果发布到PyPI：**

{ "mcpServers": { "genie": { "command": "uvx", "args": ["genie-mcp-server"], "env": { "DATABRICKS_HOST": "https://your-workspace.cloud.databricks.com", "DATABRICKS_TOKEN": "dapi..." } } } }

### 方案2：当地venv（用于发展）

如果您克隆了仓库并在本地安装：

{ "mcpServers": { "genie": { "command": "/absolute/path/to/genie-lamp-mcp/.venv/bin/genie-mcp-server", "env": { "DATABRICKS_HOST": "https://your-workspace.cloud.databricks.com", "DATABRICKS_TOKEN": "dapi..." } } } }

### 重新启动并验证

1. 重新启动克劳德桌面（或重新加载克劳德代码）
1. 验证工具是否可用-您应该在Claude中看到15个Genie工具
1. 测试：“列出我工作区中的所有Genie空间”

## 技能使用指南

### `/create-space` -空间创建向导

**基本用法** -创建具有自动仓库发现功能的空间：

create_space( catalog_name="main", schema_name="sales", table_names="orders,customers,products" )

**快速模式** -跳过验证并立即创建：

create_space( catalog_name="main", schema_name="sales", table_names="orders", domain="sales", quick=True )

**专家模式** -获取配置JSON以进行手动编辑：

create_space( catalog_name="main", schema_name="sales", table_names="orders", expert=True )

**使用自定义设置：**

create_space( catalog_name="main", schema_name="finance", table_names="transactions,accounts,invoices", warehouse_id="581ed75401284b97", domain="financial", space_name="Q4 Financial Analytics" )

**可用域名：** `minimal` （默认）， `sales`, `customer`, `inventory`, `financial`, `hr`

### `/ask` -问答助理

**基本用法：**

ask( question="What is the total revenue for last month?", space_id="01234567-89ab-cdef-0123-456789abcdef" )

**按空间名称：**

ask( question="Show top 10 customers by revenue", space_name="Sales Analytics" )

**后续问题** -该技能会自动继续对话：

First question (starts new conversation)

ask(question="What is total revenue?", space_id="abc123")

Follow-up (continues same conversation automatically)

ask(question="Show breakdown by product category")

Another follow-up (still same conversation)

ask(question="Filter to last quarter only")

**开始新对话：**

ask( question="Different topic: show inventory levels", space_id="abc123", new_conversation=True )

**详细模式** -显示所有行（不仅仅是前10行）：

ask(question="List all products", space_id="abc123", verbose=True)

**自定义超时** -对于复杂的查询：

ask(question="Complex aggregation", space_id="abc123", timeout=600)

### `/inspect` -太空检查员

**健康检查** -分析空间配置和活动：

inspect(space_id="abc123", mode="health")

输出包括：总体健康评分（0-100）、配置指标、活动指标、可操作建议。

**导出配置：**

inspect(space_id="abc123", mode="export") inspect(space_id="abc123", mode="export", output_file="config.json")

**比较空间：**

inspect(space_id="abc123", mode="diff", compare_with="def456")

**查找空间** 按表或关键字：

inspect(space_id="", mode="find", search_tables="orders,customers") inspect(space_id="", mode="find", search_keywords="sales,revenue")

### `/bulk` -批量操作

**更新多个空格：**

Dry run first (preview changes)

bulk( operation="update", space_ids="abc123,def456,ghi789", add_instructions="Always use fiscal year dates", dry_run=True )

Apply changes

bulk( operation="update", space_ids="abc123,def456,ghi789", add_instructions="Always use fiscal year dates", dry_run=False )

**删除多个空格：**

By explicit IDs (dry run first)

bulk(operation="delete", space_ids="test1,test2,test3", dry_run=True)

By pattern matching

bulk(operation="delete", pattern="test-*", dry_run=True) bulk(operation="delete", pattern="*-dev", dry_run=True) bulk(operation="delete", pattern="*staging*", dry_run=True)

> **警告：** 总是使用 `dry_run=True` 首先预览删除！

### 常见工作流

**创建和验证空间：**

1. Create space with guided mode

create_space(catalog_name="main", schema_name="sales", table_names="orders,customers", domain="sales")

2. Check health

inspect(space_id="", mode="health")

3. Test with questions

ask(question="What tables are available?", space_id="")

**克隆和修改空间：**

1. Export existing space config

inspect(space_id="original-space-id", mode="export", output_file="original_config.json")

2. Edit the config file manually

3. Create new space with modified config using create_genie_space tool

**批处理空间管理：**

1. Find all spaces using a specific table

inspect(space_id="", mode="find", search_tables="main.sales.transactions")

2. Add common instruction to all found spaces

bulk(operation="update", space_ids="space1,space2,space3", add_instructions="Always filter to last 365 days", dry_run=True)

3. Verify changes

inspect(space_id="space1", mode="health")

## api参考

### 工具概述

|工具|类别|描述|
|------|----------|-------------|
| `create_genie_space` |空间管理|从JSON配置创建新的Genie空间|
| `list_genie_spaces` |空间管理|列出工作区中的所有Genie空间|
| `get_genie_space` |空间管理|获取特定空间的详细信息|
| `update_genie_space` |空间管理|更新现有空间|
| `delete_genie_space` |空间管理|删除空间（软删除）|
| `ask_genie` |对话/查询|提问并等待结果（有速率限制）|
| `continue_conversation` |对话/查询|在现有对话中发送后续问题|
| `get_query_results` |对话/查询|从已完成的消息中获取查询结果|
| `list_conversations` |对话/查询|列出空间中的对话|
| `get_conversation_history` |对话/查询|获取对话线程中的所有消息|
| `get_config_schema` |配置生成|获取用于创建配置的JSON模式和文档|
| `get_config_template` |配置生成|获取特定于域的配置模板|
| `validate_space_config` |配置生成|验证配置的错误和质量|
| `extract_table_metadata` |配置生成|提取Unity目录表元数据以获取上下文|
| `generate_space_config` |配置生成|（已弃用）基于传统LLM的生成|

Detailed Tool Documentation (click to expand)

### 空间管理工具

#### create_genie_space

从GenieSpaceConfig JSON创建一个新的Genie空间。

这是配置工作流程的最后一步：

1. `get_config_schema` -获取JSON模式以进行验证
1. `get_config_template` -获取特定于域的模板（可选）
1. `validate_space_config` -验证您的配置
1. `create_genie_space` -创建空间（此工具）

**参数：**

- `warehouse_id` （字符串，必填）：用于执行查询的SQL仓库ID
- `config_json` （string，必填）：带GenieSpaceConfig的JSON字符串（指令、表、示例、SQL代码段）
- `title` （字符串，可选）：空格标题（默认为config.Space_name）
- `description` （字符串，可选）：空间描述（默认为config.description）
- `parent_path` （字符串，可选）：工作区中的父路径

**退货：** JSON，包含创建的空间详细信息，包括 `space_id`

**注：** 配置在内部会自动转换为ConnectionProtobuf格式。配置包括：

- 空间中应包含的表格
- Genie AI的纯文本指令
- SQL查询示例
- SQL代码段（度量值、表达式、筛选器）
- 表之间的连接规范
- 测试基准问题

#### list_genie_spaces

列出工作区中的所有Genie空间。

**参数：**

- `page_size` （int，可选）：每页返回的空格数
- `page_token` （字符串，可选）：分页标记

**退货：** JSON，带有空间摘要数组和可选 `next_page_token`

#### get_genie_space

获取特定精灵空间的详细信息。

**参数：**

- `space_id` （字符串，必填）：空间的唯一标识符
- `include_config` （bool，可选）：是否包含完整的Protobuf配置（默认值：false）

**退货：** 带空格详细信息的JSON

**注：** 当 `include_config=true`，the `serialized_space` 字段包含具有数据源（表）、示例问题和文本指令的copula Protobuf格式。

#### update_genie_space

更新现有的Genie空间。

**参数：**

- `space_id` （字符串，必填）：空间的唯一标识符
- `config_json` （string，可选）：新建GenieSpaceConfig为JSON字符串
- `title` （字符串，可选）：新标题
- `description` （字符串，可选）：新描述
- `warehouse_id` （字符串，可选）：新建SQL仓库ID

**退货：** 更新了空间详细信息的JSON

**注：** 使用与相同的GenieSpaceConfig格式 `create_genie_space`.

#### delete_genie_space

删除精灵空间（软删除-移动到垃圾箱）。

**参数：**

- `space_id` （字符串，必填）：要删除的空间的唯一标识符

**退货：** JSON成功确认

### 对话/查询工具

#### ask_genie

向Genie提问并等待回复。自动应用速率限制（每分钟5个查询）并轮询，直到查询完成或超时。

**参数：**

- `space_id` （string，必填）：Genie空间的唯一标识符
- `question` （string，必填）：要问的自然语言问题
- `timeout_seconds` （int，可选）：等待响应的最长时间（默认值：300）
- `poll_interval_seconds` （int，可选）：状态检查之间的时间间隔（默认值：2）

**退货：** 包含对话详细信息、响应、SQL查询和结果的JSON

#### 继续对话

用后续问题继续现有的对话。

**参数：**

- `space_id` （string，必填）：Genie空间的唯一标识符
- `conversation_id` （string，必填）：要继续的对话的ID
- `question` （字符串，必填）：后续问题
- `timeout_seconds` （int，可选）：最长等待时间（默认值：300）
- `poll_interval_seconds` （int，可选）：检查间隔时间（默认值：2）

**退货：** 带有消息详细信息和结果的JSON（格式与 `ask_genie`)

#### get_query_results

从已完成的消息中获取查询结果数据。

**参数：**

- `space_id` （string，必填）：Genie空间的唯一标识符
- `conversation_id` （string，必填）：对话的ID
- `message_id` （string，必填）：包含查询结果的消息的ID
- `attachment_id` （字符串，可选）：可选的特定附件ID

**退货：** 带查询结果的JSON（最多5000行）

#### list_conversations

列出Genie空间中的对话。

**参数：**

- `space_id` （string，必填）：Genie空间的唯一标识符
- `page_size` （int，可选）：要返回的对话数（默认值：50）
- `page_token` （字符串，可选）：分页标记

**退货：** 带有对话摘要的JSON

#### get_对话_历史

获取对话中的所有消息。

**参数：**

- `space_id` （string，必填）：Genie空间的唯一标识符
- `conversation_id` （string，必填）：对话的ID

**退货：** 带有完整对话线程的JSON

### 配置生成工具

#### get_config模式

获取Genie空间配置的JSON模式和文档。这是人工智能助手了解如何生成有效配置的推荐方式。

**参数：** 无

**退货：** JSON，包含全面的模式文档，包括：

- Pydantic模型的完整JSON模式
- 必填字段与可选字段
- 验证规则和评分标准
- 最佳做法和准则
- 完成示例配置
- 使用说明和工作流程

#### get_config模板

获取特定域的预配置配置模板。模板包括适用于域的指令、示例查询和用于自定义的占位符。

**参数：**

- `domain` （字符串，可选）：分析空间的类型（默认值：“minimal”）
  - `minimal` -最低有效配置（得分~70）
  - `sales` -收入跟踪、交易分析、基于时间的指标
  - `customer` -用户行为、细分、留存分析
  - `inventory` -库存水平、仓库运营
  - `financial` -预算、费用、损益报告
  - `hr` -员工人数、薪酬、绩效

**退货：** 带占位符的JSON模板： `[CATALOG]`, `[SCHEMA]`, `[TABLE_NAME]`

#### generate_space_config（已弃用）

> **此工具已弃用。** 使用 `get_config_schema()` 和 `get_config_template()` 相反。

使用外部LLM服务端点根据自然语言要求生成完整的Genie空间配置。

**参数：**

- `requirements` （字符串，必填）：所需Genie空间的自然语言描述
- `warehouse_id` （字符串，必填）：用于执行查询的SQL仓库ID
- `catalog_name` （字符串，必填）：要使用的Unity目录名称
- `serving_endpoint_name` （字符串，可选）：服务端点名称（如果未提供，则使用默认值）
- `validate_sql` （bool，可选）：是否验证SQL语法（默认值：true）

**退货：** 带有生成的配置、推理、置信度评分和验证报告的JSON

#### validate_space_config

使用多层验证验证Genie空间配置。

**验证层：**

1. 模式验证（Pydantic模型）
1. SQL语法验证（sqlparse）
1. 教学质量评分
1. 完整性检查

**参数：**

- `config` （string，必填）：包含Genie空间配置的JSON字符串
- `validate_sql` （bool，可选）：是否验证SQL语法（默认值：true）
- `catalog_name` （字符串，可选）：上下文的目录名称

**退货：** 带有验证结果的JSON

**分数细分：**

- 90-100：卓越的配置
- 80-89：配置良好，略有改进
- 70-79：可接受，但有一些警告
- 60-69：需要改进
- \

## 使用示例

### 空间管理

**列出空间：**

List all Genie spaces

**获取空间详细信息：**

Get details for space ID 01ef...

**创建空间：**

config = { "space_name": "Sales Analytics", "description": "Natural language queries for sales data", "tables": [ { "catalog_name": "main", "schema_name": "sales", "table_name": "transactions" } ], "instructions": [ { "content": "Use transaction_date for date filtering", "priority": 1 } ] }

create_genie_space( warehouse_id="abc123", config_json=json.dumps(config), title="Sales Analytics" )

### 会话查询

**问一个问题：**

result = await ask_genie( space_id="01ef...", question="What were the top 10 selling products last week?", timeout_seconds=300 )

在克劳德桌面中：

Ask space [space_id]: "What were total sales last month?"

**继续对话：**

result = await continue_conversation( space_id="01ef...", conversation_id="conv123", question="Show me the revenue for those products" )

### 配置生成

**让克劳德创建一个精灵空间：**

Create a Genie space for my sales data in main.sales.transactions

在幕后，克劳德将：

1. 呼叫 `get_config_schema()` 了解格式
1. 呼叫 `get_config_template(domain="sales")` 找到一个起点
1. 通过用表信息替换占位符来生成配置
1. 呼叫 `validate_space_config()` 检查质量
1. 呼叫 `create_genie_space()` 创造空间

## 建筑

MCP Server (stdio) ├── Space Management Tools (CRUD via Databricks SDK) ├── Conversation Tools (async polling, rate limiting) ├── Config Generation Tools (schema-driven) └── Skills (high-level workflow prompts) ├── /create-space → Space Orchestrator + Warehouse Discovery ├── /ask → Conversation Manager + Result Formatter ├── /inspect → Config Analyzer └── /bulk → Batch Operations

### 关键组件

- **fastmcp** -基于装饰器的Python MCP框架
- **Databricks SDK** -用于API访问的官方Python SDK
- **派丹蒂克** -数据验证和设置管理
- **sqlparse** -SQL语法验证
- **异步** -长时间运行的查询的异步轮询

### 内部：配置转换

服务器会自动在两种格式之间转换：

- **面向用户：** `GenieSpaceConfig` （Pydantic模型，对开发人员友好）
- **API格式：** Protobuf JSON v2（Rancher内部格式）

转换在内部透明地发生 `create_genie_space` 和 `update_genie_space`用户总是使用更简单的 `GenieSpaceConfig` 格式。

### 速率限制

Genie API限值： **每分钟5个查询** （公开预览）

服务器自动执行以下操作：

- 在滑动窗口中跟踪请求
- 达到限制时阻塞
- 等待窗口滑动

### 已知限制

- **批量更新：** 构建修改后的配置，但需要 `warehouse_id` 这可能不可用。解决方法：导出配置，修改，然后使用 `update_genie_space` 直接。
- **克隆操作：** 尚未实施 `/bulk`.改用导出+修改+创建工作流。
- **仅预览模式：** 这 `/ask` 参数存在，但尚未实现。

## 故障排除

### 身份验证错误

AuthenticationError: Authentication failed

**解决方案**：检查您的凭据 `.env`:

- 验证 `DATABRICKS_HOST` 正确（包括https://）
- 确保 `DATABRICKS_TOKEN` 有效（或CLIENT_ID/机密）
- 测试用 `databricks workspace ls /` 使用CLI

### 未找到模块

ModuleNotFoundError: No module named 'genie_mcp_server'

**解决方案**:

- 确保虚拟环境已激活
- 重新运行： `pip install -e .`

### 速率限制错误

RateLimitError: Rate limit exceeded

**解决方案**：Genie允许5次查询/分钟。等待60秒或降低查询频率。工具自动处理速率限制。

### 超时错误

TimeoutError: Operation timed out after 300 seconds

**解决方案**：增加 `timeout_seconds` 用于复杂查询的参数或在中设置 `.env`: `DATABRICKS_TIMEOUT_SECONDS=600`

### 未找到空间

SpaceNotFoundError: Resource not found

**解决方案**：验证space_id是否存在 `list_genie_spaces`.

### 配置文件问题（CLI身份验证）

**未找到配置文件：**

databricks auth login ./configure.sh

**配置文件显示（未配置）：**

databricks auth login --profile YOUR_PROFILE_NAME

### “未提供空间ID，也未找到最近的对话”

**解决方案：** 提供 `space_id` 或 `space_name` 明确地：

ask(question="What is revenue?", space_id="abc123")

### “验证分数低”

**解决方案：** 审查建议并改进配置：

result = create_space(catalog_name="main", schema_name="sales", table_names="orders", expert=True)

Add more instructions, examples, SQL snippets, then create manually

## 发展

### 运行测试

pytest tests/

### 代码格式化

black src/ tests/ ruff check src/ tests/ mypy src/

### 项目结构

genie-mcp-server/ ├── src/genie_mcp_server/ │ ├── server.py # Main MCP server entry point │ ├── config.py # Configuration management │ ├── auth.py # Databricks authentication │ ├── tools/ │ │ ├── space_tools.py # Space CRUD operations │ │ ├── conversation_tools.py # Query/conversation tools │ │ └── config_gen_tools.py # Config generation tools │ ├── skills/ │ │ ├── create_space_skill.py # /create-space workflow │ │ ├── ask_skill.py # /ask workflow │ │ ├── inspect_skill.py # /inspect workflow │ │ ├── bulk_skill.py # /bulk workflow │ │ └── utils/ │ │ ├── warehouse_discovery.py # Auto warehouse selection │ │ ├── conversation_manager.py# Conversation state tracking │ │ ├── result_formatter.py # Adaptive result formatting │ │ ├── space_orchestrator.py # Multi-step creation workflows │ │ └── config_analyzer.py # Config quality analysis │ ├── client/ │ │ ├── genie_client.py # Databricks API wrapper │ │ └── polling.py # Async polling utilities │ ├── generators/ │ │ ├── space_config_generator.py # LLM config generation │ │ ├── validator.py # Config validation │ │ └── prompts.py # LLM prompt templates │ ├── models/ │ │ ├── space.py # Pydantic models │ │ ├── protobuf_format.py # Config Protobuf transformer │ │ └── responses.py # API response models │ └── utils/ │ ├── error_handling.py # Error translation │ └── rate_limiter.py # Rate limiting ├── tests/ ├── examples/ ├── pyproject.toml └── README.md

## 贡献

欢迎投稿！拜托：

1. 克隆该仓库
1. 创建要素分支
1. 添加新功能的测试
1. 提交拉取请求

## 许可证

Apache许可证2.0

## 支持

对于问题和疑问：

- GitHub问题： [创建问题](https://github.com/databricks-field-eng/genie-mcp-server/issues)
- 文档： [Databricks Genie文档](https://docs.databricks.com/genie/)

## 参考文献

- [Databricks精灵API](https://docs.databricks.com/api/workspace/genie)
- [精灵对话API](https://docs.databricks.com/aws/en/genie/conversation-api)
- [模型上下文协议](https://modelcontextprotocol.io)
- [fastmcp](https://github.com/jlowin/fastmcp)
- [OpenJDK Python](https://docs.databricks.com/dev-tools/sdk-python)