メインコンテンツまでスキップ
に最終更新

Databricks SQL MCP サーバー

Databricks SQL MCP サーバーを使用すると、Unity Catalog の権限によってアクセスが管理された状態で、エージェントが Unity Catalog テーブルに対して AI 生成 SQL をランし、データの読み取りと書き込みを行うことができます。クエリーは非同期で実行されます。エージェントがツールを呼び出してクエリーを起動し、応答が完了するまでポーリングを行います。

備考

Unity Gateway ベータ版

system.ai.dbsql、system.ai.sandbox、またはsystem.ai.web_searchを使用するには、アカウント管理者がアカウントコンソールの Previews ページから Unity Gateway のベータ版を有効にする必要があります。アカウントプレビューの管理を参照してください。

このサーバーは、開発およびデータエンジニアリングに使用します。ユーザーやコーディングエージェントが作成した特定のクエリーの実行、スキーマの検査、SQL構文の検証、AIコーディングツールからのデータパイプラインの作成などを行います。これにより、実行される正確なSQLを確定的に制御できます。

MCPでは、defaultで読み取りと書き込みが許可されます。読み取り専用にするには、組み込みの system.ai.dbsql_policy ポリシーで disallow_writes を true に設定します。ポリシーの適用を参照してください。

Genie One MCP と Databricks SQL MCP サーバー​

自然言語で質問されるビジネス上の質問に対して、Databricksでは Genie One MCP server の使用をお勧めします。Genieは、管理対象のセマンティックレイヤーであるGenie Ontologyを通じてビジネス用語を解決します。これにより、エージェントが生のテーブルに対して直接SQLを記述するよりも、正確な回答が得られます。

構文の検証やパイプラインの作成など、自分またはコーディングエージェントが記述した特定のクエリーを実行する必要がある場合は、Databricks SQL MCP サーバーを使用します。

単一のキュレーションされた Genie Agent にスコープ設定された質問をするには、Genie Agent MCP サーバーを使用します。3つのすべてのサーバーの比較については、「 Genie One、Genie Agent、および Databricks SQL MCP サーバーから選択する」を参照してください。

エージェントを接続する​

コーディングエージェントのセットアップガイドまたは PythonエージェントのセットアップでこのURLを使用します。

URL パターン

OAuthスコープ

https://<workspace-hostname>/ai-gateway/mcp-services/system.ai.dbsql

ai-gateway

URL パターン

OAuthスコープ

https://<workspace-hostname>/ai-gateway/mcp-services/system.ai.dbsql

ai-gateway

SELECT 1 AS resultランするようにエージェントに依頼します。MCPツールを呼び出し、1が返されることを確認します。

_metaパラメーター​

_meta パラメーターとは、ツール呼び出し時に LLM が動的に生成するのではなく、MCP サーバーの動作を決定論的に設定するためにエージェントコード内で事前設定する構成値のことです。Databricks SQL MCP サーバーでは、次の_metaパラメーターがサポートされています。

パラメーター名

Type

説明

warehouse_id

str

クエリーの実行に使用するSQLウェアハウスのID。

例： "a1b2c3d4e5f67890"

指定されていない場合、システムはリソースとアクセス許可に基づいてwarehouseを自動的に選択します。

パラメーター名

Type

説明

warehouse_id

str

クエリーの実行に使用するSQLウェアハウスのID。

例： "a1b2c3d4e5f67890"

指定されていない場合、システムはリソースとアクセス許可に基づいてwarehouseを自動的に選択します。

例：Databricks SQLクエリー用のSQL Warehouseを指定する​

この例では、warehouse_id _metaパラメーターを使用して、公式の Python MCP SDK を使用して Databricks SQL MCP サーバーからクエリーを実行する SQL Warehouse を指定する方法を示します。

このシナリオでは、次のことを行います：

  • システムによる自動選択ではなく、クエリー実行用に特定のSQLウェアハウスを使用します
  • クエリーを専用のwarehouseにルーティングして、一貫したパフォーマンスを確認する

この例をランするには、マネージド MCP 開発用に Python 環境をセットアップしてください：

SQLウェアハウス ID を確認するには、「SQLウェアハウスへの接続」を参照してください。

Python
# Import required libraries for MCP client and Databricks authentication
import asyncio
from databricks.sdk import WorkspaceClient
from databricks_mcp.oauth_provider import DatabricksOAuthClientProvider
from mcp.client.streamable_http import streamablehttp_client
from mcp.client.session import ClientSession
from mcp.types import CallToolRequest, CallToolResult

async def run_dbsql_tool_call_with_meta():
    # Initialize Databricks workspace client for authentication
    workspace_client = WorkspaceClient()

    # Construct the MCP server URL for DBSQL
    # Replace <workspace-hostname> with your workspace hostname
    mcp_server_url = "https://<workspace-hostname>/ai-gateway/mcp-services/system.ai.dbsql"

    # Establish connection to the MCP server with OAuth authentication
    async with streamablehttp_client(
        url=mcp_server_url,
        auth=DatabricksOAuthClientProvider(workspace_client),
    ) as (read_stream, write_stream, _):

        # Create an MCP session for making tool calls
        async with ClientSession(read_stream, write_stream) as session:
            # Initialize the session before making requests
            await session.initialize()

            # Create the tool call request with warehouse_id in _meta
            request = CallToolRequest(
                method="tools/call",
                params={
                    # Tool name for executing SQL queries
                    "name": "execute_sql",

                    # Dynamic arguments - typically provided by your AI agent
                    "arguments": {
                        "query": "SELECT * FROM my_catalog.my_schema.my_table LIMIT 10"
                    },

                    # Meta parameters - specify which warehouse to use
                    "_meta": {
                        "warehouse_id": "a1b2c3d4e5f67890"  # Your SQL warehouse ID
                    }
                }
            )

            # Send the request and get the response
            response = await session.send_request(request, CallToolResult)
            return response

# Execute the async function and get results
response = asyncio.run(run_dbsql_tool_call_with_meta())

制限事項​

  • セマンティックコンテキストがありません。 サーバーは、与えられたSQLを実行します。ビジネス用語、メトリクス定義、テーブル関係を解決しないため、エージェントはスキーマのみからそれらを推論する必要があります。自然言語でアナリティクスの質問をする場合は、Genie One MCPサーバーを使用してください。これにより、Genie Ontologyに基づいて回答が生成されます。
  • 結果サイズ。 サーバーは、モデルのコンテキストウィンドウの枯渇を防ぐため、ツール応答内の大きな結果セットを切り捨てます。結果を制限内に収めるには、返す行数と列数を減らすか、SQLで集計を行ってください。
  • 非同期実行。 クエリーは同期的に返されません。エージェントがクエリーを起動し、完了するまでポーリングを行うため、進行中の状態を処理する必要があります。

ワークスペースEndpoint​

このEndpointはパブリック プレビュー段階です。

既存の統合については、sql OAuth スコープで https://<workspace-hostname>/api/2.0/mcp/sql を使用します。このEndpointは、Managed MCP Serversワークスペースのプレビューと基盤となるリソースの権限を使用します。呼び出しはUnity Gatewayのトレース、MCPの権限付与、ポリシー、ガードレールを迂回します。新しい統合には、system.ai.dbsqlを使用してください。

このページの見出し