Pular para o conteúdo principal
Última atualização em

Utilizar servidores MCP externos em agentes

info

Visualização

Este recurso está em Pré-visualização Pública.

Após instalar um servidor MCP externo em seu workspace, utilize-o em seu código de agente conectando-se ao URL do proxy Databricks-gerenciar. O proxy faz com que servidores externos se comportem como servidores MCP, gerenciando a autenticação e os tokens.

Para instalar um servidor MCP externo, consulte Instalar um servidor MCP externo.

Conecte-se a um servidor MCP externo.​

O padrão de URL do proxy é https://<workspace-hostname>/api/2.0/mcp/external/<connection-name>, onde <connection-name> é a conexão do Unity Catalog que você registrou para o serviço externo.

Selecione a tab que corresponde à sua estrutura de agente e destino de implantação:

Python
from agents import Agent, Runner
from databricks.sdk import WorkspaceClient
from databricks_openai.agents import McpServer

workspace_client = WorkspaceClient()
host = workspace_client.config.host

async with McpServer(
    url=f"{host}/api/2.0/mcp/external/<connection-name>",
    name="external-service",
    workspace_client=workspace_client,
) as external_server:
    agent = Agent(
        name="Connected agent",
        instructions="You are a helpful assistant with access to external services.",
        model="databricks-claude-sonnet-4-5",
        mcp_servers=[external_server],
    )
    result = await Runner.run(agent, "Send a Slack message to the team about the deployment")
    print(result.final_output)

Conceda ao aplicativo acesso à conexão Unity Catalog em databricks.yml:

YAML
resources:
  apps:
    my_agent_app:
      resources:
        - name: 'my_connection'
          uc_securable:
            securable_full_name: '<connection-name>'
            securable_type: 'CONNECTION'
            permission: 'USE_CONNECTION'

Nível inferior: utilize o SDK do MCP diretamente.​

Se você não estiver usando um auxiliar de framework fornecido pelo Databricks, chame a URL do proxy com o SDK MCP padrão. Esse padrão é independente de frameworks — use-o para orquestração personalizada ou quando precisar de controle direto sobre a sessão.

Python
%pip install -U databricks-sdk databricks_mcp tabulate databricks_ai_bridge
%restart_python

import json
from databricks.sdk import WorkspaceClient
from databricks_mcp import DatabricksOAuthClientProvider
from mcp.client.streamable_http import streamablehttp_client as connect
from mcp import ClientSession


async def main():
    app_url = "https://<workspace-hostname>/api/2.0/mcp/external/<connection-name>"
    client = WorkspaceClient()

    async with connect(app_url, auth=DatabricksOAuthClientProvider(client)) as (
        read_stream,
        write_stream,
        _,
    ):
        async with ClientSession(read_stream, write_stream) as session:
            await session.initialize()
            tools = await session.list_tools()
            response = await session.call_tool(name="<tool-name>", arguments={...})
            print(response.content[0].text)

await main()

Para uma alternativa síncrona, use DatabricksMCPClient diretamente:

Python
from databricks.sdk import WorkspaceClient
from databricks_mcp import DatabricksMCPClient

workspace_client = WorkspaceClient()
host = workspace_client.config.host

mcp_client = DatabricksMCPClient(
    server_url=f"{host}/api/2.0/mcp/external/<connection-name>",
    workspace_client=workspace_client,
)

tools = mcp_client.list_tools()
response = mcp_client.call_tool("<tool-name>", {...})
print(response.content[0].text)

Notebook de exemplo: Criar um agente com servidores Databricks MCP​

O seguinte Notebook mostra como criar agentes LangGraph e OpenAI que chamam ferramentas MCP, incluindo servidores MCP externos acessados por meio do endpoint proxy Databricks .

Agente de chamada de ferramentas LangGraph MCP

Abrir notebook em uma nova aba

Agente de chamada de ferramenta OpenAI MCP

Abrir notebook em uma nova aba

Próximos passos​

Nesta página