メインコンテンツまでスキップ
に最終更新

エージェントで外部MCPサーバーを使用する

備考

プレビュー

この機能は パブリック プレビュー段階です。

ワークスペースに外部MCPサーバーをインストールしたら、Databricksが管理するプロキシURLに接続することで、エージェントコード内でそのサーバーを使用します。プロキシは、外部サーバーを管理対象のMCPサーバーのように動作させ、認証とトークン管理を処理します。

外部MCPサーバーをインストールするには、 「外部MCPサーバーのインストール」を参照してください。

外部MCPサーバーに接続します​

プロキシ URL パターンはhttps://<workspace-hostname>/api/2.0/mcp/external/<connection-name>で、 <connection-name>は外部サービス用に登録したUnity Catalog接続です。

ご使用のエージェントフレームワークとデプロイメントターゲットに一致するタブを選択してください。

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)

アプリにdatabricks.ymlのUnity Catalog接続へのアクセス権限を付与します。

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

下位レベル：MCP SDKを直接使用する​

Databricksが提供するフレームワークヘルパーを使用していない場合は、標準のMCP SDKを使用してプロキシURLを呼び出してください。このパターンはフレームワークに依存しません。カスタムオーケストレーションを行う場合や、セッションを直接制御する必要がある場合に使用してください。

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()

同期的な代替手段として、 DatabricksMCPClient直接使用してください。

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)

ノートブックの例：Databricks MCPサーバーを使用してエージェントを構築する​

以下のノートブックでは、Databricksプロキシエンドポイント経由でアクセスされる外部MCPサーバーを含むMCPツールを呼び出すLangGraphおよびOpenAIエージェントを作成する方法を示します。

LangGraph MCPツール呼び出しエージェント

ノートブックを新しいタブで開く

OpenAI MCPツール呼び出しエージェント

ノートブックを新しいタブで開く

次のステップ​

このページの見出し