使用 Databricks 应用托管自定义 MCP 服务器

2025-10-24

Important

此功能在 Beta 版中。

将自己的自定义或第三方 MCP 服务器作为 Databricks 应用托管。如果已有要部署的 MCP 服务器，或者想要将第三方 MCP 服务器作为工具源运行，则自定义 MCP 服务器非常有用。

Requirements

作为 Databricks 应用托管的 MCP 服务器必须实现与 HTTP 兼容的传输，例如可流式传输。

将 MCP 服务器作为 Databricks 应用托管

有关编写自己的 MCP 服务器并将其部署为 Databricks 应用的示例，请参阅自定义 MCP 服务器存储库。

若要将现有 Python MCP 服务器托管为 Databricks 应用，请执行以下步骤：

配置你的环境

在部署 MCP 服务器之前，请使用 OAuth 向工作区进行身份验证。

在本地终端中运行以下命令：

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

设置 MCP 服务器

将 a requirements.txt 添加到 MCP 服务器的根目录，并为服务器指定 Python 依赖项。

如果服务器使用 uv 进行包管理，请将 uv 添加到 requirements.txt 文件中，它将自动处理安装其他依赖项。
添加一个 app.yaml 来指定运行 MCP 服务器的 CLI 命令。

默认情况下，Databricks 应用程序在端口 8000 上侦听。如果服务器侦听其他端口，请使用文件中的app.yaml设置它。

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

将 MCP 服务器部署为 Databricks 应用

创建 Databricks 应用以托管 MCP 服务器：
```
databricks apps create mcp-my-custom-server
```

通过从包含 app.yaml 文件的目录运行以下命令，将源代码上传到 Databricks 并部署应用：

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"

连接到自定义 MCP 服务器

单击选项卡以查看如何从各种环境连接到 MCP 服务器。

本地环境

使用 OAuth 向工作区进行身份验证，如 “设置环境”中所述。

以下示例演示如何连接到自定义 MCP 服务器并列出可用工具：

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]}")

笔记本（服务主体）

使用服务主体访问 Databricks 笔记本中的托管 Databricks 应用。

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()

代理代码（代表用户）

设置代用户授权机制。请参阅代表用户身份验证。

以下示例演示如何通过代理使用ModelServingUserCredentials来访问托管的Databricks应用以启用代表用户访问：

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()

使用 apps.apps 范围记录代理模型。请参阅代表用户身份验证。

代理代码（服务主体）

使用服务主体启用系统身份验证，以便从代理访问托管的 Databricks 应用：

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()

使用 DatabricksApps 资源记录代理模型。请参阅自动身份验证直通。

示例笔记本：使用 Databricks MCP 服务器生成代理

以下笔记本演示如何创作 LangGraph 和 OpenAI 代理，这些代理使用 Databricks 应用上托管的自定义 MCP 服务器调用 MCP 工具。

LangGraph MCP 工具调用代理

获取笔记本

OpenAI MCP 工具调用代理

获取笔记本

其他资源

应用指南提供了端到端代码示例，用于将 MCP 服务器与不同的框架集成：

有关完整的源代码和其他示例，请参阅 Databricks Apps Cookbook 存储库。

反馈

此页面是否有帮助？