Justtryai Databricks MCP Server

🚀 Databricks MCP サーバー

Databricks 用のモデル完了プロトコル（MCP）を実装したサーバーです。MCP プロトコルを通じて、Databricks の機能にアクセスできます。これにより、大規模言語モデル (LLM) を搭載したツールが Databricks のクラスター、ジョブ、ノートブックなどと相互作用できるようになります。

✨ 主な機能

• MCP プロトコルサポート：MCP プロトコルを実装し、LLM が Databricks と相互作用できるようにします。
• Databricks API 統合：Databricks REST API の機能にアクセスできます。
• ツール登録：Databricks の機能を MCP ツールとして公開します。
• 非同期サポート：asyncio を使用して効率的に動作します。

📦 利用可能なツール

Databricks MCP サーバーが提供するツールは以下の通りです。

• list_clusters：すべてのクラスターをリストします。
• get_cluster：指定したクラスターの詳細情報を取得します。
• start_cluster：指定したクラスターを起動します。
• stop_cluster：指定したクラスターを停止します。
• delete_cluster：指定したクラスターを削除します。
• create_job：新しいジョブを作成します。
• list_jobs：すべてのジョブをリストします。
• get_job：指定したジョブの詳細情報を取得します。
• run_job：指定したジョブを実行します。
• cancel_run：指定した実行をキャンセルします。
• delete_run：指定した実行を削除します。
• create_notebook：新しいノートブックを作成します。
• list_notebooks：すべてのノートブックをリストします。
• get_notebook：指定したノートブックの詳細情報を取得します。
• run_notebook：指定したノートブックを実行します。

📦 インストール

前提条件

1. Python 3.8 以上
2. pip パッケージマネージャー
3. 基本的な開発ツール（IDE やターミナルなど）

設定手順

手順 1：リポジトリをクローンする

以下のコマンドを使用して、Databricks MCP サーバーのリポジトリをクローンします。

git clone https://github.com/your-organization/databricks-mcp-server.git

手順 2：依存関係をインストールする

プロジェクトディレクトリに移動した後、すべての依存関係をインストールします。

pip install -r requirements.txt

手順 3：サーバーを起動する

以下のコマンドを実行して、MCP サーバーを起動します。

python src/server.py

💻 サーバーの実行

起動スクリプト

サーバーを起動するには、以下のスクリプトを使用します。

# MCP サーバーを起動する
.\scripts\start_server.ps1

# detached モードで起動する
.\scripts\start_server.ps1 -Detached

停止スクリプト

実行中のサーバーを停止するには、以下のスクリプトを使用します。

# MCP サーバーを停止する
.\scripts\stop_server.ps1

💻 使用例

基本的な使用法

examples/ フォルダには、サーバーを直接使用する例があります。

from databricks_mcp.client import DatabricksMCPClient

client = DatabricksMCPClient('http://localhost:8080', 'your_token')
cluster_info = client.get_cluster(cluster_id)
print(cluster_info)

高度な使用法

examples/ フォルダには、MCP クライアントを使用する例もあります。

from databricks_mcp.client import DatabricksMCPClient

client = DatabricksMCPClient('http://localhost:8080', 'your_token')
response = client.run_job(job_id)
print(response)

📚 プロジェクト構造

プロジェクトの詳細な構造は以下の通りです。

Databricks-MCP-Server/
├── src/
│   ├── server.py          # メインサーバーファイル
│   └── client.py         # MCP クライアントの実装
├── tests/
│   ├── test_clusters.py   # クラスター機能のテスト
│   └── test_jobs.py      # ジョブ機能のテスト
├── scripts/
│   ├── start_server.ps1  # サーバーを起動するスクリプト
│   └── stop_server.ps1   # サーバーを停止するスクリプト
├── examples/
│   ├── direct_usage.py   # 直接使用する例
│   └── mcp_client_usage.py # MCP クライアントを使用する例
└── pyproject.toml        # プロジェクトの設定ファイル

📚 開発

コーディング規約

• PEP 8 スタイルガイドに従い、最大行長は 100 文字とします。
• インデントには 4 つのスペースを使用します（タブは使用しません）。
• 文字列には二重引用符を使用します。
• すべてのクラス、メソッド、関数には Google スタイルのドキュメントコメントを含める必要があります。
• テストコードを除くすべてのコードには型ヒントを付ける必要があります。

ソースコード分析ツール

プロジェクトでは、以下のソースコード分析ツールを使用しています。

# すべてのコードチェックツールを実行する
uv run pylint src/ tests/
uv run flake8 src/ tests/
uv run mypy src/

📚 テスト

プロジェクトでは pytest を使用してテストを行っています。テストを実行するには、以下のコマンドを実行します。

# すべてのテストを実行する（便利なスクリプトを使用）
.\scripts\run_tests.ps1

# コードカバレッジレポートを生成する
.\scripts\run_tests.ps1 -Coverage

# 特定のテストを実行し、詳細情報を出力する
.\scripts\run_tests.ps1 -Verbose -Coverage tests/test_clusters.py

また、pytest を直接使用してテストを実行することもできます。

# すべてのテストを実行する
pytest

# コードカバレッジレポートを生成する
pytest --cov

📚 ドキュメント

プロジェクトのドキュメントは docs/ フォルダにあり、API ドキュメントや開発ガイドを参照できます。

📚 貢献

このプロジェクトへの貢献を歓迎します！リポジトリをフォークし、プルリクエストを作成してから提出してください。

📄 ライセンス

このプロジェクトは LICENSE の下でオープンソースとして公開されています。