コーディングエージェントと統合します

Databricksコーディングエージェント統合により、Cursor、Gemini CLI、Codex CLIのようなコーディングエージェントからのトラフィックを、Unity AI Gatewayのモデルサービスを介してルーティングできます。これにより、レート制限、使用状況の追跡、および推論テーブルが提供されます—すべての制御はモデルサービス、ユーザー、またはグループレベルで構成されます。

機能

アクセス: さまざまなコーディングツールとモデルへの直接アクセス、すべてを単一の請求書で。
可観測性 ：すべてのコーディングツールにおける使用状況、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です。
統合ガバナンス ：管理者は、Unity AI Gatewayを介して、モデルサービス、ユーザー、またはグループレベルでモデルのアクセス許可とレート制限を管理できます。

要件

Unity AI GatewayでサポートされているリージョンにあるDatabricksワークスペース。
ワークスペースでUnity Catalog有効化されていること。 Unity Catalog のワークスペースを有効にする方法をご覧ください。

セットアップ

最も簡単な開始方法は、ucodeです。これは、Databricksが提供するCLIであり、サポートされているコーディングエージェントをUnity AI Gatewayとともに1つのコマンドでインストール、認証、および構成します。

ucodeを使用（推奨）

ucode (Unity AI Gateway Coding CLI) は、Unity AI Gateway に対してコーディングエージェントを実行するための単一のエントリポイントです。OAuth を処理し、各エージェントの設定ファイルを書き込み、登録した LLM または MCP サーバーを介してトラフィックをルーティングします。サポートされているエージェント:

ステップ1：ucodeをインストールします

Bash
uv tool install git+https://github.com/databricks/ucode

Python 3.12以降とuvが必要です。

ステップ2: コーディングエージェントを開く

目的のエージェントを実行してください。初回起動時、ucodeはDatabricksワークスペースのURLを求め、認証し、エージェントの構成ファイルを自動的に書き込みます。以降の起動では、エージェントに直接アクセスします。

Bash
ucode codex      # OpenAI Codex
ucode gemini     # Gemini CLI
ucode opencode   # OpenCode
ucode copilot    # GitHub Copilot CLI
ucode pi         # Pi

ucode エージェント名の後にフラグを下層ツールに渡します。例:

Bash
ucode codex --full-auto

複数のコーディングエージェントを同時に構成するには、以下を実行します。

Bash
ucode configure

Databricks MCPサーバー（Unity Catalog関数、AI Search、SQLウェアハウス、および検出された外部接続）をMCP対応エージェントに登録するには:

Bash
ucode configure mcp

過去 7 日間の Unity AI Gateway の使用状況の概要を確認するには:

Bash
ucode usage

完全なコマンドリファレンスについては、以下を実行します：

Bash
ucode --help

ダッシュボード

Unity AI Gatewayを介してコーディングエージェントの使用状況が追跡された後、組み込みダッシュボードでメトリクスを表示および監視できます。

ダッシュボードを開くには、Unity AI Gatewayページの右上にある「Govern」をクリックし、その後、「Usage Dashboard」をクリックします。 組み込みの使用状況ダッシュボードには、コーディングツールの使用状況に関するグラフを備えた「Coding Agents」tabが含まれています。

コーディングエージェントダッシュボード

手動セットアップ

エージェントを自分で設定する場合は、次の手順に従ってください:

Cursor IDE
Codex CLI
Gemini CLI

Cursor IDE

Unity AI Gateway でモデルサービスを使用するように Cursor を構成するには:

ステップ1：ベースURLとAPIキーを設定します

Cursorを開き、設定 → Cursor設定 → モデル → APIキー に移動します。
[OpenAIベースURLを上書き] を有効にし、URLを入力します。
```
https://<workspace-url>/ai-gateway/cursor/v1
```
<workspace-url> を Databricks ワークスペースの URL に置き換えます。
Databricks個人用アクセストークンを OpenAI API Key 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

Cursor Settingsで + カスタムモデルを追加 をクリックします。
モデルのサービス名 (例: system.ai.claude-opus-4-6) を追加し、トグルを有効にします。

注記

現在、Databricksが提供するモデルサービスのみがサポートされています。

ステップ3: 統合をテスト

Cmd+L (macOS) または Ctrl+L (Windows/Linux) を使用してAskモードを開き、モデルを選択してください。
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。

Codex CLI

ステップ1：Codex CLIをインストールまたは更新

Codex CLIバージョン0.118以降をインストールまたは更新します。

Bash
npm install -g @openai/codex@latest

ステップ2：Codex設定ファイルを作成または更新

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

Toml
profile = "default"

[profiles.default]
model_provider = "Databricks"

[model_providers.Databricks]
name = "Databricks :re[ai-gateway]"
base_url = "<workspace-url>/ai-gateway/codex/v1"
wire_api = "responses"

[model_providers.Databricks.auth]
command = "sh"
args = ["-c", "databricks auth token --host <workspace-url> --output json | jq -r '.access_token'"]
timeout_ms = 5000
refresh_interval_ms = 1800000

<workspace-url> を Databricks ワークスペースの URL に置き換えます。

ステップ3：ワークスペースを認証

注記

これは一度だけ実行する必要があります。Codexを開始するたびに再認証する必要はありません。

まず、Databricks CLIがインストールされていることを確認してください。手順については、Databricks CLIのインストールまたは更新を参照してください。

次に認証します。

Bash
databricks auth login --host <workspace-url>

<workspace-url> を Databricks ワークスペースの URL に置き換えます。

ステップ4：Codexを起動

Bash
codex

モデルを変更するには、/modelを使用してください。

Gemini CLI

ステップ1: Gemini CLIの最新バージョンをインストールします。

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

ステップ2: 環境変数を構成する

~/.gemini/.envというファイルを作成し、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://<workspace-url>/ai-gateway/gemini
GEMINI_API_KEY_AUTH_MECHANISM="bearer"
GEMINI_API_KEY=<databricks_pat_token>

<workspace-url>をDatabricksワークスペースURLに、<databricks_pat_token>を個人アクセストークンに置き換えます。

コーディングエージェントでオープンソースモデルを使用する

Databricksは、glm-5-2などのオープンソース（OSS）モデルとコーディングエージェントの統合をサポートしています。

上記の要件に加え、ワークスペースがターゲットの OSS モデルにアクセスできる必要があります。

OpenCode

Use ucode (recommended) で説明されているように ucode をセットアップし、モデルとして system.ai.glm-5-2 を選択します。

手動でセットアップ

または、OpenCodeドキュメントの説明に従ってOpenCodeをインストールし、~/.config/opencode/opencode.jsonを作成または編集することもできます：

JSON
{
  "$schema": "https://opencode.ai/config.json",
  "model": "databricks-oss/<open source model service name>",
  "provider": {
    "databricks-oss": {
      "npm": "@ai-sdk/openai",
      "options": {
        "baseURL": "<workspace-url>/ai-gateway/mlflow/v1",
        "apiKey": "<databricks_pat_token>"
      },
      "models": {
        "<open source model service name>": {}
      }
    }
  }
}

以下を置き換えます：

<workspace-url> を Databricks ワークスペースの URL に置き換えます。
<databricks_pat_token> パーソナルアクセストークンを使用します。
<open source model service name> ターゲットのOSSモデルサービス（例：system.ai.glm-5-2）を使用します。

次に、OpenCodeを起動します：

Bash
opencode

Codex

Codex は、Codex がサポートする Open Responses API を介してオープンソースモデルに接続します。

Use ucode (recommended) で説明されているように ucode をセットアップし、次をラン：

Bash
ucode codex --model <open source model service name>

たとえば、Codex で GLM 5.2 を使用するには、次を実行します：

Bash
ucode codex --model system.ai.glm-5-2

手動でセットアップ

あるいは、Codex CLI で説明されているように Codex CLI をインストールし、~/.codex/config.toml を作成または編集することもできます：

Toml
model = "<open source model service name>"
model_provider = "Databricks"

[model_providers.Databricks]
name = "Databricks :re[ai-gateway]"
base_url = "<workspace-url>/ai-gateway/codex/v1"
wire_api = "responses"

[model_providers.Databricks.auth]
command = "sh"
args = ["-c", "databricks auth token --host <workspace-url> --output json | jq -r '.access_token'"]
# Re-run the token command periodically so long sessions don't fail when the
# short-lived Databricks token expires.
timeout_ms = 5000
refresh_interval_ms = 1800000

<workspace-url> を Databricks ワークスペースの URL に、<open source model service name> をターゲットの OSS モデルサービスに置き換えます（例：system.ai.glm-5-2）。

次に、Codexを起動します：

Bash
codex

OpenTelemetryデータ収集を設定

Databricksは、コーディングエージェントからのOpenTelemetryメトリクスとログをUnity CatalogマネージドDeltaテーブルにエクスポートすること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のOpenTelemetryプレビュー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テーブルを作成します

OpenTelemetryメトリクスおよびログスキーマで事前構成された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

OpenTelemetryメトリクスのサポートを有効にした任意の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テーブルに反映されます。

機能​

要件​

セットアップ​

ucodeを使用（推奨）​

ダッシュボード​

手動セットアップ​

Cursor IDE​

Codex CLI​

Gemini CLI​

コーディングエージェントでオープンソースモデルを使用する​

OpenCode​

Codex​

OpenTelemetryデータ収集を設定​

要件​

ステップ1: Unity CatalogでOpenTelemetryテーブルを作成します​

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​

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​

機能

要件