Hospedar su propio servidor MCP

Hospede servidores MCP personalizados o de terceros como aplicaciones de Databricks. Los servidores MCP personalizados son útiles si ya tiene un servidor MCP que desea implementar o si desea ejecutar un servidor MCP de terceros como origen de herramientas.

El acceso a servidores MCP personalizados se controla a través de permisos de Aplicaciones de Databricks. Para supervisar la actividad MCP personalizada junto con tus otros servidores MCP y puntos finales LLM, use Unity AI Gateway.

Para usar un servidor MCP personalizado alojado en código de agente, consulte Usar servidores MCP en Agentes Personalizados.

Requisitos

Creación de un servidor MCP personalizado a partir de la plantilla Aplicaciones

Use la plantilla de servidor MCP de Hola mundo integrada para crear e implementar un servidor MCP con herramientas de ejemplo ya incluidas:

  1. En la barra lateral, haga clic en Calcular.

  2. Haga clic en la pestaña Aplicaciones .

  3. Haga clic en Crear aplicación.

  4. En la categoría Agents, seleccione la plantilla MCP Server - Hola mundo.

  5. Escriba un nombre de aplicación que comience con mcp- (por ejemplo, mcp-hello-world).

    Nota:

    El nombre de la aplicación debe comenzar por mcp- para que se reconozca como un servidor MCP en ai Playground.

  6. Haga clic en Crear aplicación.

Azure Databricks implementa la aplicación con código de ejemplo que puede personalizar.

La plantilla incluye dos herramientas de ejemplo para empezar:

  • health(): una herramienta de diagnóstico que confirma que el servidor está operativo y devuelve información de estado.
  • get_current_user(): una herramienta que recupera la información del usuario actual mediante el SDK de Databricks, que muestra cómo integrar la autenticación del área de trabajo.

Adición de una herramienta personalizada

Para agregar su propia herramienta, abra el código fuente de la aplicación y defina una nueva función mediante el @mcp.tool() decorador. Por ejemplo, la herramienta siguiente convierte una cadena en mayúsculas:

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

Cada herramienta debe incluir una docstring. Los agentes usan docstring para comprender cuándo llamar a la herramienta. Después de agregar una herramienta, vuelva a implementar la aplicación para que esté disponible.

Consulte Creación de una aplicación a partir de una plantilla para obtener más información sobre cómo trabajar con plantillas de aplicación o consulte el código fuente de la plantilla en GitHub.

Hospedar un servidor MCP existente como una aplicación de Databricks

Para hospedar un servidor MCP de Python existente como una aplicación de Databricks, siga estos pasos:

Configuración del entorno

Antes de implementar el servidor MCP, autentíquese en el área de trabajo mediante OAuth.

  1. Ejecute lo siguiente en un terminal local:

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

Configuración del servidor MCP

Use uv para la administración de dependencias y las herramientas unificadas al implementar el servidor MCP.

  1. Agregue un requirements.txt elemento al directorio raíz del servidor MCP e incluya uv como dependencia.

    uv controla la instalación de dependencias adicionales definidas en la configuración del proyecto.

    uv

  2. Cree un pyproject.toml archivo que defina un punto de entrada de script para el servidor.

    Ejemplo pyproject.toml:

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

    En este ejemplo:

    • custom-server es el nombre del script que se usa con uv run
    • server.main:main especifica la ruta de acceso del módulo (server/main.py) y la función (main) que se van a ejecutar.

  3. Agregue un app.yaml archivo que especifique el comando de la CLI para ejecutar el servidor MCP mediante uv run.

    De forma predeterminada, las aplicaciones de Databricks escuchan en el puerto 8000. Si el servidor escucha en un puerto diferente, configúrelo mediante una sobrescritura de variable de entorno en el archivo app.yaml.

    Ejemplo app.yaml:

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

Al ejecutar uv run custom-server, uv busca la definición del script, encuentra la ruta del módulo y llama a la main()función.

Implementación del servidor MCP como una aplicación de Databricks

  1. Cree una aplicación de Databricks para hospedar el servidor MCP:

    databricks apps create mcp-my-server

    Nota:

    Prefijo el nombre de la aplicación con mcp- para identificarlo claramente como un servidor MCP. Esta convención de nomenclatura ayuda con la detectabilidad y la organización en el área de trabajo.

  2. Cargue el código fuente en Azure Databricks e implemente la aplicación ejecutando los siguientes comandos desde el directorio que contiene app.yaml el archivo:

    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"

Búsqueda de la dirección URL de la aplicación implementada

Después de la implementación, puede encontrar la dirección URL de la aplicación en la interfaz de usuario de Azure Databricks. El punto de conexión del servidor MCP está disponible en https://<app-url>/mcp.

Pricing

Los servidores MCP personalizados están sujetos a los precios de Databricks Apps.

Recursos adicionales

  • Last updated on