Databricks アプリを使用してカスタム MCP サーバーをホストする

備考

ベータ版

この機能はベータ版です。

独自のカスタム MCP サーバーまたはサードパーティの MCP サーバーを Databricks アプリとしてホストします。カスタム MCP サーバーは、展開する MCP サーバーが既にある場合、またはサードパーティの MCP サーバーをツールのソースとして実行する場合に便利です。

必要条件

Databricks アプリとしてホストされている MCP サーバーは、ストリーミング可能な HTTP トランスポートなどの HTTP 互換トランスポートを実装する必要があります。

MCP サーバーを Databricks アプリとしてホストする

独自の MCP サーバーを作成し、Databricks アプリとしてデプロイする例については、カスタム MCP サーバーリポジトリを参照してください。

既存の Python MCP サーバーを Databricks アプリとしてホストするには、次の手順に従います。

環境を設定する

OAuth を使用してワークスペースに対して認証します。ローカルターミナルで以下を実行します。
Bash
```
databricks auth login --host https://<your-workspace-hostname>
```

MCP サーバーをセットアップする

サーバーのルートディレクトリに requirements.txt を追加し、サーバーの Python 依存関係を指定します。

Python MCP サーバは多くの場合、パッケージ管理に uv を使用します。uvを使用する場合は、uvを追加すると、追加の依存関係のインストールが処理されます。
サーバーを実行するための CLI コマンドを指定する app.yaml を追加します。

デフォルトでは、 Databricks アプリはポート 8000 でリッスンします。サーバーが別のポートでリッスンする場合は、app.yaml ファイルで環境変数のオーバーライドを使用して設定します。

app.yaml例:
YAML
```
command: [
    'uv',
    'run',
    'your-server-name',
    ..., # optionally include additional parameters here
  ]
```

MCP サーバーを Databricks アプリとしてアップロードする

MCP サーバーをホストする Databricks アプリを作成します。
Bash
```
databricks apps create mcp-my-custom-server
```

ソースコードを Databricks にアップロードし、 app.yaml ファイルを含むディレクトリから次のコマンドを実行してアプリをデプロイします。

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

カスタム MCP サーバーに接続する

タブをクリックすると、さまざまな環境から MCP サーバーに接続する方法が表示されます。

Local environment
Notebook: service principal
Agent code: on-behalf of user
Agent code: service principal

OAuth を使用してワークスペースに対して認証します。ローカルターミナルで以下を実行します。

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

前の手順で認証されたプロファイルを使用して、ホストされている Databricks アプリにアクセスします。

Python
from databricks_mcp import DatabricksOAuthClientProvider
from databricks.sdk import WorkspaceClient
from mcp.client.session import ClientSession
from mcp.client.streamable_http import streamablehttp_client

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

# Replace with your actual custom MCP server URL
mcp_server_url = "https://<workspace-hostname>/serving-endpoints/mcp-my-custom-server/invocations"

async def test_connection_to_server():
   async with streamablehttp_client(
      f"{mcp_server_url}", auth=DatabricksOAuthClientProvider(workspace_client)
   ) as (read_stream, write_stream, _), ClientSession(
      read_stream, write_stream
   ) as session:
      # List available tools
      tools = await session.list_tools()
      print(f"Available tools: {[tool.name for tool in tools.tools]}")

サービスプリンシパルを使用して、DatabricksノートブックでホストされたDatabricksアプリにアクセスします。

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

async def main():
    app_url = "https://mcp-server.databricksapps.com/mcp"
    client = WorkspaceClient(
      host="https://workspace_url",
      client_id="client_id",
      client_secret="client_secret"
    )

    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()
            print(f"Available tools: {[tool.name for tool in tools.tools]}")

await main()

ユーザー承認の代理として設定します。「ユーザー代理認証」を参照してください。

エージェントからホストされている Databricks アプリにアクセスするために、 ModelServingUserCredentials を使用してアクセスの代理を有効にします。

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

async def main():
    app_url = "https://mcp-server.databricksapps.com/mcp"
    client = WorkspaceClient(credentials_strategy = ModelServingUserCredentials())

    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()
            print(f"Available tools: {[tool.name for tool in tools.tools]}")

await main()

apps.appsスコープを使用してエージェントモデルをログに記録します。「ユーザー代理認証」を参照してください。

サービスプリンシパルを使用してシステム認証を有効にして、エージェントからホストされた Databricks アプリにアクセスします。

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://mcp-server.databricksapps.com/mcp"
    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()
            print(f"Available tools: {[tool.name for tool in tools.tools]}")

await main()

DatabricksAppsをリソースとして使用してエージェントモデルをログに記録します。自動認証パススルーを参照してください。

エージェントをデプロイする

次のノートブックは、MCP ツールを呼び出す LangGraph エージェントと 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

Additional リソース

アプリのクックブックには、MCP サーバーをさまざまなフレームワークと統合するためのエンドツーエンドのコード例が記載されています。

完全なソースコードと追加の例については、 Databricks Apps クックブックリポジトリを参照してください。

必要条件​

MCP サーバーを Databricks アプリとしてホストする​

環境を設定する​

MCP サーバーをセットアップする​

MCP サーバーを Databricks アプリとしてアップロードする​

カスタム MCP サーバーに接続する​

エージェントをデプロイする​