コーディングエージェントとの統合

備考

ベータ版

この機能はベータ版です。アカウント管理者は、アカウントコンソールの [プレビュー] ページからこの機能へのアクセスを制御できます。「Databricks プレビューの管理」を参照してください。

Databricks コーディングエージェントの統合により、Cursor、Gemini CLI、Codex CLI などのコーディングエージェントのアクセスと使用状況を管理できます。AI Gateway 上に構築されており、コーディングツールのレート制限、使用状況追跡、推論テーブルを提供します。

特徴

アクセス : 1 つの請求書で、さまざまなコーディングツールとモデルに直接アクセスできます。
可観測性 : すべてのコーディングツールの使用状況、支出、メトリクスを追跡するための単一の統合ダッシュボード。
統合ガバナンス : 管理者は、AI ゲートウェイを通じてモデルの権限とレート制限を直接管理できます。

要件

お使いのアカウントで AI ゲートウェイ (ベータ版) プレビューが有効になっています。「Databricks プレビューの管理」を参照してください。
AI Gateway (ベータ) がサポートされているリージョン内の Databricks ワークスペース。
ワークスペースで Unity Catalog が有効になりました。「Unity Catalog のワークスペースを有効にする」を参照してください。

サポートされているエージェント

次のコーディングエージェントがサポートされています。

カーソル
コーデックス CLI
ジェミニCLI

設定

Cursor

AI Gateway エンドポイントを使用するように Cursor を構成するには:

ステップ 1: ベース URL とAPIキーを構成する

Cursor を開き、 [設定] > [カーソル設定] > [モデル] > [API キー] に移動します。
OpenAI ベース URL のオーバーライドを 有効にして、URL を入力します。
```
https://<ai-gateway-url>/cursor/v1
```
<ai-gateway-url> AI Gateway エンドポイント URL に置き換えます。
Databricksの個人アクセスを OpenAI APIキー フィールドに貼り付けます。

ステップ 2: カスタムモデルを追加する

カーソル設定で + カスタムモデルの追加を クリックします。
AI ゲートウェイのエンドポイント名を追加し、トグルを有効にします。

注記

現在、Databricks によって作成された基盤モデルエンドポイントのみがサポートされています。

ステップ 3: 統合をテストする

Cmd+L (macOS) またはCtrl+L (Windows/Linux) で Ask モードを開き、モデルを選択します。
メッセージを送信してください。すべてのリクエストがDatabricksを経由するようになりました。

コーデックス CLI

ステップ 1: DATABRICKS_TOKEN 環境変数を設定する

Bash
export DATABRICKS_TOKEN=<databricks_pat_token>

ステップ 2: Codex クライアントを構成する

~/.codex/config.tomlで Codex 構成ファイルを作成または編集します:

Toml
profile = "default"

[profiles.default]
model_provider = "proxy"
model = "databricks-gpt-5-2"

[model_providers.proxy]
name = "Databricks Proxy"
base_url = "https://<ai-gateway-url>/openai/v1"
env_key = "DATABRICKS_TOKEN"
wire_api = "responses"

<ai-gateway-url> AI Gateway エンドポイント URL に置き換えます。

ジェミニCLI

ステップ 1: Gemini CLIの最新バージョンをインストールする

Bash
npm install -g @google/gemini-cli@nightly

ステップ 2: 環境変数を設定する

ファイル~/.gemini/.envを作成し、次の構成を追加します。詳細については、 Gemini CLI 認証ドキュメントを参照してください。

GEMINI_MODEL=databricks-gemini-2-5-flash
GOOGLE_GEMINI_BASE_URL=https://<ai-gateway-url>/gemini
GEMINI_API_KEY_AUTH_MECHANISM="bearer"
GEMINI_API_KEY=<databricks_pat_token>

<ai-gateway-url> AI Gateway エンドポイント URL に置き換え、 <databricks_pat_token>個人のアクセスノートに置き換えます。

ダッシュボード

AI Gateway を通じてコーディングエージェントの使用状況が追跡されると、すぐに使用できるダッシュボードでメトリックを表示および監視できるようになります。

ダッシュボードにアクセスするには、AI ゲートウェイページから [ ダッシュボードの表示] を選択します。これにより、コーディングツールの使用状況を示すグラフを含む、事前設定されたダッシュボードが作成されます。

ダッシュボードを表示ボタン

コーディングエージェントダッシュボード

OpenTelemetryデータ収集を設定する

Databricks 、コーディングエージェントからUnity Catalogで管理されるDeltaテーブルへの OpenTelemetry メトリックとログのエクスポートをサポートしています。すべてのメトリクスは、OpenTelemetry 標準メトリクスプロトコルを使用してエクスポートされた時系列データであり、ログは OpenTelemetry ログプロトコルを使用してエクスポートされます。

要件

Databricks プレビューの OpenTelemetry が有効になりました。「Databricks プレビューの管理」を参照してください。

ステップ 1: Unity Catalogで OpenTelemetry テーブルを作成する

OpenTelemetry メトリクスおよびログスキーマで事前設定されたUnity Catalogマネージドテーブルを作成します。

メトリクステーブル

SQL
CREATE TABLE <catalog>.<schema>.<table_prefix>_otel_metrics (
  name STRING,
  description STRING,
  unit STRING,
  metric_type STRING,
  gauge STRUCT<
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    value: DOUBLE,
    exemplars: ARRAY<STRUCT<
      time_unix_nano: LONG,
      value: DOUBLE,
      span_id: STRING,
      trace_id: STRING,
      filtered_attributes: MAP<STRING, STRING>
    >>,
    attributes: MAP<STRING, STRING>,
    flags: INT
  >,
  sum STRUCT<
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    value: DOUBLE,
    exemplars: ARRAY<STRUCT<
      time_unix_nano: LONG,
      value: DOUBLE,
      span_id: STRING,
      trace_id: STRING,
      filtered_attributes: MAP<STRING, STRING>
    >>,
    attributes: MAP<STRING, STRING>,
    flags: INT,
    aggregation_temporality: STRING,
    is_monotonic: BOOLEAN
  >,
  histogram STRUCT<
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    count: LONG,
    sum: DOUBLE,
    bucket_counts: ARRAY<LONG>,
    explicit_bounds: ARRAY<DOUBLE>,
    exemplars: ARRAY<STRUCT<
      time_unix_nano: LONG,
      value: DOUBLE,
      span_id: STRING,
      trace_id: STRING,
      filtered_attributes: MAP<STRING, STRING>
    >>,
    attributes: MAP<STRING, STRING>,
    flags: INT,
    min: DOUBLE,
    max: DOUBLE,
    aggregation_temporality: STRING
  >,
  exponential_histogram STRUCT<
    attributes: MAP<STRING, STRING>,
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    count: LONG,
    sum: DOUBLE,
    scale: INT,
    zero_count: LONG,
    positive_bucket: STRUCT<
      offset: INT,
      bucket_counts: ARRAY<LONG>
    >,
    negative_bucket: STRUCT<
      offset: INT,
      bucket_counts: ARRAY<LONG>
    >,
    flags: INT,
    exemplars: ARRAY<STRUCT<
      time_unix_nano: LONG,
      value: DOUBLE,
      span_id: STRING,
      trace_id: STRING,
      filtered_attributes: MAP<STRING, STRING>
    >>,
    min: DOUBLE,
    max: DOUBLE,
    zero_threshold: DOUBLE,
    aggregation_temporality: STRING
  >,
  summary STRUCT<
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    count: LONG,
    sum: DOUBLE,
    quantile_values: ARRAY<STRUCT<
      quantile: DOUBLE,
      value: DOUBLE
    >>,
    attributes: MAP<STRING, STRING>,
    flags: INT
  >,
  metadata MAP<STRING, STRING>,
  resource STRUCT<
    attributes: MAP<STRING, STRING>,
    dropped_attributes_count: INT
  >,
  resource_schema_url STRING,
  instrumentation_scope STRUCT<
    name: STRING,
    version: STRING,
    attributes: MAP<STRING, STRING>,
    dropped_attributes_count: INT
  >,
  metric_schema_url STRING
) USING DELTA
TBLPROPERTIES (
  'otel.schemaVersion' = 'v1'
)

ログテーブル

SQL
CREATE TABLE <catalog>.<schema>.<table_prefix>_otel_logs (
  event_name STRING,
  trace_id STRING,
  span_id STRING,
  time_unix_nano LONG,
  observed_time_unix_nano LONG,
  severity_number STRING,
  severity_text STRING,
  body STRING,
  attributes MAP<STRING, STRING>,
  dropped_attributes_count INT,
  flags INT,
  resource STRUCT<
    attributes: MAP<STRING, STRING>,
    dropped_attributes_count: INT
  >,
  resource_schema_url STRING,
  instrumentation_scope STRUCT<
    name: STRING,
    version: STRING,
    attributes: MAP<STRING, STRING>,
    dropped_attributes_count: INT
  >,
  log_schema_url STRING
) USING DELTA
TBLPROPERTIES (
  'otel.schemaVersion' = 'v1'
)

ステップ 2: コーディングエージェントの環境変数を更新する

OpenTelemetry メトリクスサポートが有効になっているコーディングエージェントで、次の環境変数を設定します。

JSON
{
  "OTEL_METRICS_EXPORTER": "otlp",
  "OTEL_EXPORTER_OTLP_METRICS_PROTOCOL": "http/protobuf",
  "OTEL_EXPORTER_OTLP_METRICS_ENDPOINT": "https://<workspace-url>/api/2.0/otel/v1/metrics",
  "OTEL_EXPORTER_OTLP_METRICS_HEADERS": "content-type=application/x-protobuf,Authorization=Bearer <databricks_pat_token>,X-Databricks-UC-Table-Name=<catalog>.<schema>.<table_prefix>_otel_metrics",
  "OTEL_METRIC_EXPORT_INTERVAL": "10000",
  "OTEL_LOGS_EXPORTER": "otlp",
  "OTEL_EXPORTER_OTLP_LOGS_PROTOCOL": "http/protobuf",
  "OTEL_EXPORTER_OTLP_LOGS_ENDPOINT": "https://<workspace-url>/api/2.0/otel/v1/logs",
  "OTEL_EXPORTER_OTLP_LOGS_HEADERS": "content-type=application/x-protobuf,Authorization=Bearer <databricks_pat_token>,X-Databricks-UC-Table-Name=<catalog>.<schema>.<table_prefix>_otel_logs",
  "OTEL_LOGS_EXPORT_INTERVAL": "5000"
}

ステップ 3: コーディングエージェントを実行します。

データは 5 分以内にUnity Catalogテーブルに伝播されるはずです。

特徴​

要件​

サポートされているエージェント​

設定​

Cursor​

コーデックス CLI​

ジェミニCLI​

ダッシュボード​

OpenTelemetryデータ収集を設定する​

要件​

ステップ 1: Unity Catalogで OpenTelemetry テーブルを作成する​

ステップ 2: コーディング エージェントの環境変数を更新する​

ステップ 3: コーディング エージェントを実行します。​

次のステップ​

特徴

要件