メインコンテンツまでスキップ

外部 MCP サーバーを使用する

備考

ベータ版

この機能は ベータ版です。

Databricks を外部のモデル コンテキスト プロトコル (MCP) サーバーに接続して、エージェントが Databricks の外部でホストされているより幅広いツールにアクセスできるようにします。外部 MCP サーバーは、Databricks の外部でホストされ、Databricks が管理するプロキシを介して接続するサードパーティの MCP サーバーです。

認証とセキュリティ​

Databricks は、マネージド MCP プロキシと Unity Catalog HTTP 接続を使用して、ワークスペースへの認証を安全に処理します。

  • セキュリティで保護されたトークン管理 : Databricks は、すべての OAuth フローとトークンの更新を自動的に処理します
  • 資格情報が公開されていない : トークンがエンドユーザーに公開されることはありません
  • 集中認証 : Unity Catalog接続を使用した一貫した認証パターン

必要条件​

  • マネージド MCP サーバー のプレビューが有効になっているワークスペース。「Databricks プレビューの管理」を参照してください。
  • 外部の MCP サーバーに接続するには、Unity Catalog HTTP 接続を使用する必要があります。ワークスペースにアタッチされたUnity Catalogメタストアに対するCREATE CONNECTION権限が必要です。 詳細については、 Unity Catalog HTTP 接続を作成する」を参照してください。

Unity Catalog HTTP 接続を作成する​

外部 MCP サーバーに接続するには、サーバーへの Unity Catalog HTTP 接続を作成する必要があります。

  1. HTTP 接続を作成します。HTTP接続を参照してください。
  2. HTTP 接続を作成するときに、MCP 機能を有効にするには、 「Is mcp connection」 チェックボックスをオンにします。
  3. 接続 URL が有効な MCP サーバーエンドポイントを指していることを確認します。

UC 接続が作成されると、Databricks は Databricks 管理 MCP サーバーとして機能するプロキシ エンドポイントを自動的にプロビジョニングします。このエンドポイントは、トラフィックを外部 MCP サーバーに安全にプロキシし、トークンの挿入と更新を管理します。

プロキシエンドポイント URL は次の形式に従います。

https://<workspace-hostname>/api/2.0/mcp/external/{connection_name}

AI Playground と接続する​

コードを書かずにAI Playgroundで外部 MCP サーバーを直接テストできます。

  1. Databricks ワークスペースの AI Playground に移動します。

  2. ツールが有効になっている ラベルが付いたモデルを選択します。

  3. [ツール] > [+ ツールの追加] をクリックし、利用可能なツール オプションから [MCP サーバー] を選択します。

  4. MCP サーバー セクションで、 外部 MCP サーバーを 選択して、利用可能な外部接続を参照します。

  5. 先ほど作成した Unity Catalog HTTP 接続 (例: github_u2m_connection ) を選択します。

  6. LLM とチャットして、外部 MCP サーバー ツールとのやり取りをテストします。AI Playground は、外部 MCP サーバーから利用可能なツールを自動的に検出し、LLM で利用できるようにします。

これにより、完全なエージェントを構築したり、本番運用にデプロイしたりする前に、外部の MCP サーバー統合のプロトタイプを迅速に作成してテストできます。

外部MCPサーバーに接続する​

プロキシ URL を使用して外部 MCP サーバーに接続します。Databricks プロキシにより、外部サーバーは管理対象 MCP サーバーのように動作します。

推奨される方法では、プロキシ エンドポイントをMANAGED_MCP_SERVER_URLSリストに追加して、外部 MCP サーバーを Databricks 管理対象サーバーとして扱います。

Python
from databricks.sdk import WorkspaceClient
from databricks_mcp import DatabricksMCPClient

# Initialize workspace client
workspace_client = WorkspaceClient()
host = workspace_client.config.host

# External MCP servers are proxied as managed servers, allowing you
# to use the same API for both managed and external servers
MANAGED_MCP_SERVER_URLS = [
    f"{host}/api/2.0/mcp/functions/system/ai",  # Default managed MCP
    f"{host}/api/2.0/mcp/external/github_u2m_connection"  # External MCP proxy
]

エージェントで外部 MCP サーバーを使用するには、プロキシ URL をmanaged_server_urlsに渡します。

Python
# Use with agents - external servers work just like managed ones
import asyncio
from your_agent_code import create_mcp_tools  # Your agent's tool creation function

# Create tools from both managed and external (proxied) servers
mcp_tools = asyncio.run(
    create_mcp_tools(
        ws=workspace_client,
        managed_server_urls=MANAGED_MCP_SERVER_URLS
    )
)

Databricks MCP クライアントを使用してツールを直接呼び出すこともできます。

Python
# Direct tool call using DatabricksMCPClient
mcp_client = DatabricksMCPClient(
    server_url=f"{host}/api/2.0/mcp/external/github_u2m_connection",
    workspace_client=workspace_client
)

# List available tools
tools = mcp_client.list_tools()
print(f"Available tools: {[tool.name for tool in tools]}")

# Call a tool
response = mcp_client.call_tool(
    "list_commits",
    {"owner": "mlflow", "repo": "mlflow", "sha": "master"}
)
print(response.content[0].text)

サンプルノートブック: Databricks MCP サーバーを使用してエージェントを構築する​

次のノートブックは、Databricks プロキシ エンドポイントを介してアクセスされる外部 MCP サーバーを含む、MCP ツールを呼び出す LangGraph および OpenAI エージェントを作成する方法を示しています。

LangGraph MCP ツール呼び出しエージェント

Open notebook in new tab

OpenAI MCP ツール呼び出しエージェント

Open notebook in new tab

制限​

次のステップ​

に最終更新