Pular para o conteúdo principal
Última atualização em

Permitir que os agentes executem código

info

Unity Gateway Beta

Para usar system.ai.dbsql, system.ai.sandbox ou system.ai.web_search, um administrador de account deve habilitar a versão beta do Unity Gateway na página Previews do console da account. Consulte Gerenciar pré-visualizações da account.

Use o system.ai.sandbox MCP para permitir que seu agente execute código Python, SQL ou shell em um ambiente isolado. Este exemplo conecta um agente LangGraph ao MCP e solicita que ele faça uma execução de um cálculo em Python.

Antes de começar​

Execução de código com o sandbox MCP​

Instale as bibliotecas:

Bash
pip install --upgrade databricks-langchain langgraph "mcp>=1.24,<2"

Salve o seguinte como code_agent.py. WorkspaceClient usa a entrada (sign-in) do seu workspace para autenticar a conexão MCP.

Python
import asyncio
from databricks.sdk import WorkspaceClient
from databricks_langchain import (
    ChatDatabricks,
    DatabricksMCPServer,
    DatabricksMultiServerMCPClient,
)
from langchain_core.messages import convert_to_openai_messages
from langgraph.prebuilt import create_react_agent

workspace_client = WorkspaceClient()
server_url = f"{workspace_client.config.host}/ai-gateway/mcp-services/system.ai.sandbox"

async def main():
    mcp_client = DatabricksMultiServerMCPClient([
        DatabricksMCPServer(
            name="code-interpreter",
            url=server_url,
            workspace_client=workspace_client,
        ),
    ])
    agent = create_react_agent(
        ChatDatabricks(endpoint="databricks-claude-sonnet-4-5"),
        tools=await mcp_client.get_tools(),
        prompt=lambda state: convert_to_openai_messages(state["messages"]),
    )
    result = await agent.ainvoke({
        "messages": [{
            "role": "user",
            "content": "Run Python code to calculate the mean of [12, 18, 24].",
        }],
    })
    print(result["messages"][-1].content)

asyncio.run(main())

Execução o agente:

Bash
python code_agent.py

O agente descobre as ferramentas do MCP, execução código Python e retorna uma média de 18. O sandbox MCP não tem saída de rede, portanto, use código que não precise download pacotes ou chamar APIs externas.

Para outros frameworks, use este server_url com os exemplos de agentes em Python. Para implantação, consulte Criar um agente personalizado.

Usar a função Python por meio do MCP (legado)​

Para uma integração existente com a função system.ai.python_exec, use o exemplo de agente acima com esta URL:

Python
server_url = f"{workspace_client.config.host}/api/2.0/mcp/functions/system/ai/python_exec"

Este endpoint requer a visualização do workspace Managed MCP Servers e acesso à função subjacente. Ele usa permissões de endpoint de workspace legado. Para implantação de agentes e acesso a funções, consulte Autenticação de agente.

Recursos adicionais​

Nesta página