Pular para o conteúdo principal
Última atualização em

Hospede um servidor MCP personalizado

Hospede servidores MCP personalizados ou de terceiros como aplicativos Databricks. Servidores MCP personalizados são úteis se você já possui um servidor MCP que deseja implantar ou se deseja executar um servidor MCP de terceiros como fonte de ferramentas.

O acesso a servidores MCP personalizados é controlado por meio de permissões do Databricks Apps. Para monitorar a atividade personalizada do MCP juntamente com seus outros servidores MCP e o endpoint LLM , use o Unity AI Gateway.

Para usar um servidor MCP personalizado hospedado no código do agente, consulte Usar servidores MCP personalizados em agentes.

Requisitos​

Crie ou implemente um servidor MCP personalizado.​

Escolha a opção que corresponde ao seu ponto de partida:

Novo ícone de arquivo. começar a partir de um padrão : crie um novo servidor MCP a partir do padrão Hello World integrado

Crie um servidor MCP personalizado a partir dos Aplicativos padrão.​

Utilize o padrão integrado Hello World MCP Server para criar e implantar um servidor MCP com ferramentas de exemplo já incluídas:

  1. Na barra lateral, clique em Compute .

  2. Clique na tab Aplicativos .

  3. Clique em Criar aplicativo .

  4. Na categoria Agentes , selecione o padrão Servidor MCP - Hello World .

  5. Insira um nome de aplicativo começando com mcp- (por exemplo, mcp-hello-world).

nota

O nome do aplicativo deve começar com mcp- para ser reconhecido como um servidor MCP no AI Playground.

  1. Clique em Criar aplicativo .

Databricks implementou o aplicativo com código de exemplo que você pode personalizar.

O documento inclui duas ferramentas de exemplo para você começar:

  • health() : Uma ferramenta de diagnóstico que confirma se o servidor está operacional e retorna informações de status.
  • get_current_user() : Uma ferramenta que recupera as informações do usuário atual usando o SDK Databricks , demonstrando como integrar a autenticação workspace .

Adicionar uma ferramenta personalizada​

Para adicionar sua própria ferramenta, abra o código-fonte do aplicativo e defina uma nova função usando o decorador @mcp.tool() . Por exemplo, a seguinte ferramenta converte uma string em maiúsculas:

Python
@mcp.tool()
def uppercase(text: str) -> str:
    """Convert a string to uppercase."""
    return text.upper()

Cada ferramenta deve incluir uma docstring. Os agentes AI usam a docstring para entender quando chamar a ferramenta. Após adicionar uma ferramenta, reimplemente o aplicativo para torná-la disponível.

Consulte Criar um aplicativo a partir de um padrão para obter mais detalhes sobre como trabalhar com o padrão de aplicativo ou consulte o código-fonte do padrão no GitHub.

Ícone upload na nuvem. Implantar um servidor existente : hospede um servidor MCP que você já possui como um aplicativo Databricks

Hospede um servidor MCP existente como um aplicativo Databricks.​

Para hospedar um servidor Python MCP existente como um aplicativo Databricks, siga estas etapas:

Configure seu ambiente​

Antes de instalar seu servidor MCP, autentique-se em seu workspace usando OAuth.

  1. execute o seguinte em um terminal local:

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

Configurar o servidor MCP​

Utilize o uv para gerenciamento de dependências e ferramentas unificadas ao implantar seu servidor MCP.

  1. Adicione um requirements.txt ao diretório raiz do servidor MCP e inclua uv como uma dependência.

    uv Gerencia a instalação de dependências adicionais definidas na configuração do seu projeto.

    Txt
    uv

  2. Crie um arquivo pyproject.toml que defina um ponto de entrada de script para o seu servidor.

    Exemplo pyproject.toml:

    Toml
    [project.scripts]
    custom-server = "server.main:main"

    Neste exemplo:

    • custom-server é o nome do script que você usa com uv run
    • server.main:main Especifica o caminho do módulo (server/main.py) e a função (main) a serem executados.

  3. Adicione um arquivo app.yaml especificando o comando CLI para execução no servidor MCP usando uv run.

    Por default, os aplicativos Databricks escutam na porta 8000. Se o servidor escutar em uma porta diferente, defina-a usando uma substituição de variável de ambiente no arquivo app.yaml .

    Exemplo app.yaml:

    YAML
    command: [
        'uv',
        'run',
        'custom-server', # This must match a script defined in pyproject.toml
      ]

Quando você executa uv run custom-server, uv procura a definição do script, encontra o caminho do módulo e chama a função main() .

implantou o servidor MCP como um aplicativo Databricks​

  1. Crie um aplicativo Databricks para hospedar o servidor MCP:

    Bash
    databricks apps create mcp-my-server
nota

Adicione mcp- como prefixo ao nome do seu aplicativo para identificá-lo claramente como um servidor MCP. Essa convenção de nomenclatura facilita a descoberta e a organização do seu workspace.

  1. Envie o código-fonte para Databricks e implante o aplicativo executando o seguinte comando a partir do diretório que contém o seu arquivo app.yaml:

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

Encontre o URL do seu aplicativo implantado​

Após a implantação, você poderá encontrar o URL do seu aplicativo na interface do usuário do Databricks. O endpoint do servidor MCP está disponível em https://<app-url>/mcp.

Próximos passos​

Nesta página