Databricks SQL

info

Visualização

Esse recurso está em Pré-lançamento público.

O servidor MCP do Databricks SQL é um servidor MCP gerenciado pelo Databricks que permite aos agentes realizar a execução de SQL gerado por AI em suas tabelas do Unity Catalog para ler e gravar dados, com acesso governado pelas permissões do Unity Catalog. [[ ## completed ##]] Use-o para construir pipelines de dados a partir de ferramentas de codificação de AI. As queries têm execução assíncrona: o agente chama a ferramenta para começar uma query e, em seguida, faz o polling até que a resposta seja concluída. [[ ## completed ##]]

Padrão de URL	Escopo OAuth
https://<workspace-hostname>/api/2.0/mcp/sql	sql

Padrão de URL	Escopo OAuth
https://<workspace-hostname>/api/2.0/mcp/sql	sql

_meta parâmetros

_meta parâmetros são valores de configuração que você predefine no código do seu agente para definir o comportamento do servidor MCP de forma determinística, em vez de deixar que o LLM os gere dinamicamente no momento da chamada da ferramenta. O servidor MCP do Databricks SQL aceita o seguinte parâmetro _meta:

Nome do parâmetro	Tipo	Descrição
warehouse_id	str	O ID do SQL warehouse a ser usado para executar queries. Exemplo: "a1b2c3d4e5f67890" Se não for especificado, o sistema seleciona automaticamente um warehouse com base em recursos e permissões.

Nome do parâmetro	Tipo	Descrição
warehouse_id	str	O ID do SQL warehouse a ser usado para executar queries. Exemplo: "a1b2c3d4e5f67890" Se não for especificado, o sistema seleciona automaticamente um warehouse com base em recursos e permissões.

Exemplo: especificar um SQL warehouse para queries do Databricks SQL

Este exemplo mostra como usar o parâmetro warehouse_id _meta para especificar qual SQL Warehouse realiza a execução de queries do servidor Databricks SQL MCP usando o Python MCP SDK oficial. [[ ## completed ##]]

Nesse cenário, você deseja:

• Use um SQL warehouse específico para a execução da query em vez de deixar o sistema selecionar um automaticamente
• Verifique o desempenho consistente roteando queries para um warehouse dedicado

Para execução deste exemplo, configure seu ambiente Python para desenvolvimento de MCP gerenciado:

Para encontrar o ID do seu SQL warehouse, consulte Conectar a um SQL warehouse.

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>/api/2.0/mcp/sql"

    # 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
                    &quot;name&quot;: &quot;execute_sql&quot;,

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

                    # Meta parameters - specify which warehouse to use
                    &quot;_meta&quot;: {
                        &quot;warehouse_id&quot;: &quot;a1b2c3d4e5f67890&quot;  # 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())