快速接入

先看主来源和安装命令，再打开仓库或文档；下面只保留这个条目的关键接入事实。

命令预览

uvx --python 3.11 --from git+https://github.com/ramzpat/poc-databricks-mcp.git databricks-mcp

详细介绍

______________________________________________________________________

post_title：POC-Databricks MCP 作者1:GitHub复制品 post_slug:poc数据块mcp 微卫星：na featured_image:na 类别： -未分类标签： -数据块 -mcp -配置 ai_note：人工智能辅助生成 summary:AppDMCP服务器的概述和配置指南。发布日期：2026年1月23日

POC-copula MCP

快速开始

安装： pip install -e .
复制 config.example.yml 到 config.yml 填写仓库+明细表；通过env注入secrets（文件中没有secrets）。
运行： DATABRICKS_MCP_CONFIG=config.yml python -m databricks_mcp.server
工具在分配的目录/模式集上公开元数据发现、采样和受控查询执行。

远程使用Claude Desktop或其他MCP客户端

无需克隆存储库，即可远程使用此MCP服务器。使用 uvx （部分 uv 包管理器）直接从Git存储库运行服务器。

先决条件

安装 uv （包括 uvx): https://docs.astral.sh/uv/getting-started/installation/

   curl -LsSf https://astral.sh/uv/install.sh | sh

创建配置文件 config.yml 在系统上的已知位置

将您的copula凭据设置为环境变量

与Claude Desktop一起使用（推荐）

步骤1：创建配置文件

创建一个 config.yml 在您的系统上的任何位置文件（例如。， ~/.config/databricks-mcp/config.yml 在macOS/Linux或 %USERPROFILE%\.config\databricks-mcp\config.yml 在Windows上）：

warehouse:
  host: ${DATABRICKS_HOST}
  http_path: ${DATABRICKS_HTTP_PATH}
  warehouse_id: ${DATABRICKS_WAREHOUSE_ID}
auth:
  oauth:
    client_id: ${DATABRICKS_CLIENT_ID}
    client_secret: ${DATABRICKS_CLIENT_SECRET}
    token_url: ${DATABRICKS_TOKEN_URL}
scopes:
  catalogs:
    main:
      schemas:
        - default
    # Add more catalogs as needed
    # my_catalog:
    #   schemas:
    #     - schema1
    #     - schema2
limits:
  max_rows: 10000
  sample_max_rows: 1000
  query_timeout_seconds: 60
  max_concurrent_queries: 5
  allow_statement_types:
    - SELECT
observability:
  log_level: info
  propagate_request_ids: true

步骤2：配置Claude桌面

编辑您的Claude Desktop配置文件：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
视窗: %APPDATA%\Claude\claude_desktop_config.json
Linux: ~/.config/Claude/claude_desktop_config.json

添加此配置以从Git存储库运行：

{
  "mcpServers": {
    "databricks-mcp": {
      "command": "uvx",
      "args": [
        "--python",
        "3.11",
        "--from",
        "git+https://github.com/ramzpat/poc-databricks-mcp.git",
        "databricks-mcp"
      ],
      "env": {
        "DATABRICKS_MCP_CONFIG": "/absolute/path/to/your/config.yml",
        "DATABRICKS_HOST": "https://your-workspace.cloud.databricks.com",
        "DATABRICKS_HTTP_PATH": "/sql/1.0/warehouses/your-warehouse-id",
        "DATABRICKS_WAREHOUSE_ID": "your-warehouse-id",
        "DATABRICKS_CLIENT_ID": "your-client-id",
        "DATABRICKS_CLIENT_SECRET": "your-client-secret",
        "DATABRICKS_TOKEN_URL": "https://your-workspace.cloud.databricks.com/oidc/v1/token"
      }
    }
  }
}

重要提示：

替换 /absolute/path/to/your/config.yml 带有配置文件的实际绝对路径
全部替换 your-* 带有您的实际copula凭据的占位符
在Windows上，在路径中使用正斜杠或双反斜杠： C:/Users/YourName/.config/databricks-mcp/config.yml 或 C:\\Users\\YourName\\.config\\databricks-mcp\\config.yml

步骤3：重新启动克劳德桌面

保存配置后，重新启动Claude Desktop。Rancher MCP服务器将自动可用。

替代方案：使用PyPI（发布时）

如果此包发布到PyPI，则可以简化配置：

{
  "mcpServers": {
    "databricks-mcp": {
      "command": "uvx",
      "args": [
        "--python",
        "3.11",
        "databricks-mcp"
      ],
      "env": {
        "DATABRICKS_MCP_CONFIG": "/absolute/path/to/your/config.yml",
        "DATABRICKS_HOST": "https://your-workspace.cloud.databricks.com",
        "DATABRICKS_HTTP_PATH": "/sql/1.0/warehouses/your-warehouse-id",
        "DATABRICKS_WAREHOUSE_ID": "your-warehouse-id",
        "DATABRICKS_CLIENT_ID": "your-client-id",
        "DATABRICKS_CLIENT_SECRET": "your-client-secret",
        "DATABRICKS_TOKEN_URL": "https://your-workspace.cloud.databricks.com/oidc/v1/token"
      }
    }
  }
}

替代方案：当前工作目录中的配置文件

如果你喜欢把你的 config.yml 在特定目录中，您可以将其设置为工作目录或使用绝对路径：

{
  "mcpServers": {
    "databricks-mcp": {
      "command": "uvx",
      "args": [
        "--python",
        "3.11",
        "--from",
        "git+https://github.com/ramzpat/poc-databricks-mcp.git",
        "databricks-mcp"
      ],
      "env": {
        "DATABRICKS_MCP_CONFIG": "config.yml",
        "DATABRICKS_HOST": "https://your-workspace.cloud.databricks.com",
        "DATABRICKS_HTTP_PATH": "/sql/1.0/warehouses/your-warehouse-id",
        "DATABRICKS_WAREHOUSE_ID": "your-warehouse-id",
        "DATABRICKS_CLIENT_ID": "your-client-id",
        "DATABRICKS_CLIENT_SECRET": "your-client-secret",
        "DATABRICKS_TOKEN_URL": "https://your-workspace.cloud.databricks.com/oidc/v1/token"
      }
    }
  }
}

备注：如果 DATABRICKS_MCP_CONFIG 未设置，服务器将查找 config.example.yml 默认情况下，位于当前工作目录中。对于生产使用，始终指定一个绝对路径到您的 config.yml 文件清晰可靠。

环境变量引用

所有配置值都支持使用环境变量替换 ${VAR_NAME} 语法在 config.yml 文件。您可以选择：

仅在环境变量中存储机密 （推荐）：

- 仅在MCP客户端配置中保留敏感值（client_secret、token） env 部分 - 参考它们 config.yml 和 ${VARIABLE_NAME}

混合配置文件和环境变量:

- 将非敏感配置存储在 config.yml - 将机密存储为环境变量

具有最小环境变量的示例：

{
  "mcpServers": {
    "databricks-mcp": {
      "command": "uvx",
      "args": [
        "--python",
        "3.11",
        "--from",
        "git+https://github.com/ramzpat/poc-databricks-mcp.git",
        "databricks-mcp"
      ],
      "env": {
        "DATABRICKS_MCP_CONFIG": "/path/to/config.yml",
        "DATABRICKS_CLIENT_SECRET": "your-secret-here"
      }
    }
  }
}

在 config.yml，硬编码非敏感值：

warehouse:
  host: "https://your-workspace.cloud.databricks.com"
  http_path: "/sql/1.0/warehouses/warehouse-id"
  warehouse_id: "warehouse-id"
auth:
  oauth:
    client_id: "your-client-id"
    client_secret: ${DATABRICKS_CLIENT_SECRET}  # From environment
    token_url: "https://your-workspace.cloud.databricks.com/oidc/v1/token"

测试您的配置

要验证您的配置是否有效，您可以从命令行手动测试它：

# Set environment variables
export DATABRICKS_MCP_CONFIG="/path/to/your/config.yml"
export DATABRICKS_HOST="https://your-workspace.cloud.databricks.com"
export DATABRICKS_HTTP_PATH="/sql/1.0/warehouses/your-warehouse-id"
export DATABRICKS_WAREHOUSE_ID="your-warehouse-id"
export DATABRICKS_CLIENT_ID="your-client-id"
export DATABRICKS_CLIENT_SECRET="your-client-secret"
export DATABRICKS_TOKEN_URL="https://your-workspace.cloud.databricks.com/oidc/v1/token"

# Run with uvx from Git (if uv is installed)
uvx --python 3.11 --from git+https://github.com/ramzpat/poc-databricks-mcp.git databricks-mcp

# Or run directly with Python (if you cloned the repo)
python -m databricks_mcp.server

快速设置（开发）

创建venv并安装： python -m venv .venv && source .venv/bin/activate && pip install -e .[test]
导出所需的环境变量（示例）：

- export DATABRICKS_HOST="https://" - export DATABRICKS_HTTP_PATH="/sql/1.0/warehouses/" - export DATABRICKS_WAREHOUSE_ID="" - export DATABRICKS_CLIENT_ID="" - export DATABRICKS_CLIENT_SECRET="" - export DATABRICKS_TOKEN_URL="https:///oidc/v1/token"

复制 config.example.yml 到 config.yml 并调整配额制度/限制；留下秘密 ${...} env引用。
运行服务器： DATABRICKS_MCP_CONFIG=config.yml python -m databricks_mcp.server
运行测试： pytest

获取OAuth令牌（服务主体）

Prereq：服务负责人 client_id / client_secret，以及令牌端点（工作区OIDC）。通常不需要范围；如果你的IdP强制执行，请通过 scope.
请求示例：

  curl -X POST "$DATABRICKS_TOKEN_URL" \
  	-H 'Content-Type: application/x-www-form-urlencoded' \
  	-d "grant_type=client_credentials" \
  	-d "client_id=$DATABRICKS_CLIENT_ID" \
  	-d "client_secret=$DATABRICKS_CLIENT_SECRET"

预期JSON： { "access_token": "...", "token_type": "Bearer", "expires_in": 3600 }
服务器通过以下方式自动获取和刷新令牌 DATABRICKS_CLIENT_ID/SECRET 和 DATABRICKS_TOKEN_URL；curl仅用于验证/调试。

配置

必填字段（YAML）：仓库主机， http_path, warehouse_id,

满配 scopes.catalogs..schemas、限制（行/时间/并发性），以及可选的可观察性设置。

必需的环境变量：OAuth客户端密钥(${DATABRICKS_CLIENT_SECRET} 在YAML中）

加上引用的任何主机/令牌设置 ${...} （例如。， DATABRICKS_HOST, DATABRICKS_HTTP_PATH, DATABRICKS_WAREHOUSE_ID, DATABRICKS_TOKEN_URL).

限制： max_rows, sample_max_rows, query_timeout_seconds,

max_concurrent_queries （不能是无限的）， allow_statement_types （默认值 SELECT). -1 仅表示行/时间“无限制”。

秘密：始终使用 ${ENV_VAR} YAML中的引用；永远不要硬编码令牌。

工具

list_catalogs, list_schemas(catalog)：仅返回已分配的作用域。
list_tables(catalog, schema)：允许范围内的信息架构中的表/视图。
table_metadata(catalog, schema, table)：列、主键、分区列和行数（如果可用）。
partition_info(catalog, schema, table)：分区列加上轻量级统计数据（行数、大小）。
sample_data(catalog, schema, table, limit?, predicate?)：capped示例在服务器端强制执行。
preview_query(sql, limit?, timeout_seconds?)：仅选择具有严格行/时间限制的快速检查。
run_query(sql, limit?, timeout_seconds?)：当配置显式使用时，受控制的SELECT具有行/时间上限和可选的无限行 -1.
health_check()：liveness，无需联系copula。

护栏

对每个工具上的目录和模式执行允许列表；其他任何东西都被拒绝了。
默认情况下仅选择；其他语句类型需要显式 allow_statement_types 在配置中。
服务器端的行上限、超时和并发限制始终适用（客户端请求不能覆盖）。
当限制减少输出时，结果中会显示截断。

可观测性

结构化日志包括请求ID/查询ID；通过配置日志级别 observability.log_level.
错误简洁明了，避免使用原始SQL或机密；copula故障映射到用户安全消息。

测试

安装dev-deps： pip install -e .[test]
运行单元测试： pytest

目录标签

PythonClaude数据分析数据仓库本地部署元数据管理查询执行数据采样Databricks集成

支持客户端

Claude DesktopClaude

接入字段

传输方式（transport，传输协议）

stdio

鉴权方式（authType，认证方式）

oauth

运行时（runtime，运行环境）

Python

工具数量（toolCount，工具数）

8

资源数量（resourceCount，资源数）

0

提示词数量（promptCount，提示词数）

0

权限和风险

stdiooauth部署方式未说明

接入前请确认传输方式、认证方式和部署位置，并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限；先核对安装命令和配置内容。

来源信息

MCP World

mcpworld.com

/detail/d5546d6e22a713d193b195e8adc83c3e

Databricks MCP服务器是一个用于元数据发现、采样和受管控查询执行的工具，适用于Databricks数据仓库环境。

继续浏览同类 MCP

更多数据服务 MCP（6,870）返回 MCP 目录

上一个 MCP

pob2 MCP

为Path of Building PoE2计算引擎提供的REST API和MCP服务器，支持编程式创建构建、分配被动节点、装备物品、添加技能和读取计算统计。

下一个 MCP

Pocketbase MCP

一个与PocketBase实例交互的MCP服务器，提供记录管理、文件操作、集合管理等功能。适用于需要自动化管理PocketBase数据的开发场景。

Poc Databricks MCP