Pular para o conteúdo principal
Última atualização em

Hospede servidores MCP personalizados utilizando aplicativos Databricks.

Hospede seus próprios servidores MCP personalizados ou de terceiros como aplicativos Databricks. Os servidores MCP personalizados são úteis se você já possui um servidor MCP que deseja implantar ou se deseja executar um servidor MCP de terceiros como fonte de ferramentas.

Requisitos​

Hospede um servidor MCP como um aplicativo Databricks​

Consulte GitHub - custom MCP server padrão para ver um exemplo de como escrever seu próprio servidor MCP e implantá-lo como um aplicativo Databricks .

Para hospedar um servidor Python MCP existente como um aplicativo Databricks, siga estas etapas:

Configure seu ambiente​

Antes de instalar seu servidor MCP, autentique-se em seu workspace usando OAuth.

  1. execute o seguinte em um terminal local:

    Bash
    databricks auth login --host https://<your-workspace-hostname>

Configurar o servidor MCP​

Utilize o uv para gerenciamento de dependências e ferramentas unificadas ao implantar seu servidor MCP.

  1. Adicione um requirements.txt ao diretório raiz do servidor MCP e inclua uv como uma dependência.

    Ao adicionar uv ao requirements.txt, você instala as dependências adicionais definidas na configuração do seu projeto.

    Txt
    uv

  2. Crie um arquivo pyproject.toml que defina um ponto de entrada de script para o seu servidor.

    Exemplo pyproject.toml:

    Toml
    [project.scripts]
    custom-server = "server.main:main"

    Neste exemplo:

    • custom-server é o nome do script que você usa com uv run
    • server.main:main Especifica o caminho do módulo (server/main.py) e a função (main) a serem executados.

  3. Adicione um arquivo app.yaml especificando o comando CLI para execução no servidor MCP usando uv run.

    Por default, os aplicativos Databricks escutam na porta 8000. Se o servidor escutar em uma porta diferente, defina-a usando uma substituição de variável de ambiente no arquivo app.yaml .

    Exemplo app.yaml:

    YAML
    command: [
        'uv',
        'run',
        'custom-server', # This must match a script defined in pyproject.toml
      ]

Quando você executa uv run custom-server, uv procura a definição do script, encontra o caminho do módulo e chama a função main() .

implantou o servidor MCP como um aplicativo Databricks​

  1. Crie um aplicativo Databricks para hospedar o servidor MCP:

    Bash
    databricks apps create custom-mcp-server

  2. Envie o código-fonte para Databricks e implante o aplicativo executando o seguinte comando a partir do diretório que contém o seu arquivo app.yaml:

    Bash
    DATABRICKS_USERNAME=$(databricks current-user me | jq -r .userName)
    databricks sync . "/Users/$DATABRICKS_USERNAME/custom-mcp-server"
    databricks apps deploy custom-mcp-server --source-code-path "/Workspace/Users/$DATABRICKS_USERNAME/custom-mcp-server"

Encontre o URL do seu aplicativo implantado​

Após a implantação, você poderá encontrar o URL do seu aplicativo na interface do usuário do Databricks. O endpoint do servidor MCP está disponível em https://<app-url>/mcp.

Conecte-se ao servidor MCP personalizado​

Clique na guia para ver como se conectar a um servidor MCP a partir de vários ambientes.

Autentique-se no seu workspace usando OAuth conforme descrito em Configurar seu ambiente.

O exemplo a seguir mostra como se conectar ao servidor MCP personalizado e listar as ferramentas disponíveis:

Python
from databricks_mcp import DatabricksMCPClient
from databricks.sdk import WorkspaceClient

# Replace with your deployed app URL
# Example: https://custom-mcp-server-6051921418418893.staging.aws.databricksapps.com/mcp
mcp_server_url = "https://<app-url>/mcp"

databricks_cli_profile = "DEFAULT"
workspace_client = WorkspaceClient(profile=databricks_cli_profile)

mcp_client = DatabricksMCPClient(server_url=mcp_server_url, workspace_client=workspace_client)

# List available tools
tools = mcp_client.list_tools()
print(f"Available tools: {tools}")

Exemplo de Notebook: Crie um agente com servidores MCP Databricks​

O Notebook a seguir mostra como criar agentes LangGraph e OpenAI que chamam ferramentas MCP com servidores MCP personalizados hospedados em aplicativos Databricks .

Agente de chamada de ferramentas LangGraph MCP

Open notebook in new tab

Agente de chamada de ferramentas OpenAI MCP

Open notebook in new tab

Recurso adicional​

O livro de receitas do aplicativo fornece exemplos de código de ponta a ponta para integrar servidores MCP com diferentes estruturas:

Para obter o código-fonte completo e exemplos adicionais, consulte o repositório Databricks Apps Cookbook.