Consentire agli agenti di eseguire il codice

Usa l'MCP system.ai.sandbox per permettere al tuo agente di eseguire Python, SQL o shell code in un ambiente isolato. Questo esempio collega un agente LangGraph al MCP e gli chiede di eseguire un calcolo in Python.

Prima di iniziare

• Usa Python 3.12 e accedi al tuo spazio di lavoro.
• Assicurati che la tua identità abbia accesso all'MCP.
• Scegli un modello che supporti la chiamata degli strumenti. L'esempio utilizza databricks-claude-sonnet-4-5; sostituiscilo con un endpoint modello disponibile nel tuo workspace.

Esegui codice con il sandbox MCP

Installa le librerie:

pip install --upgrade databricks-langchain langgraph "mcp>=1.24,<2"

Salvare il codice seguente come code_agent.py. WorkspaceClient utilizza il login del tuo workspace per autenticare la connessione MCP.

import asyncio
from databricks.sdk import WorkspaceClient
from databricks_langchain import (
    ChatDatabricks,
    DatabricksMCPServer,
    DatabricksMultiServerMCPClient,
)
from langchain_core.messages import convert_to_openai_messages
from langgraph.prebuilt import create_react_agent

workspace_client = WorkspaceClient()
server_url = f"{workspace_client.config.host}/ai-gateway/mcp-services/system.ai.sandbox"

async def main():
    mcp_client = DatabricksMultiServerMCPClient([
        DatabricksMCPServer(
            name="code-interpreter",
            url=server_url,
            workspace_client=workspace_client,
        ),
    ])
    agent = create_react_agent(
        ChatDatabricks(endpoint="databricks-claude-sonnet-4-5"),
        tools=await mcp_client.get_tools(),
        prompt=lambda state: convert_to_openai_messages(state["messages"]),
    )
    result = await agent.ainvoke({
        "messages": [{
            "role": "user",
            "content": "Run Python code to calculate the mean of [12, 18, 24].",
        }],
    })
    print(result["messages"][-1].content)

asyncio.run(main())

Eseguire l'agente:

python code_agent.py

L'agente scopre gli strumenti dell'MCP, esegue codice Python e restituisce una media di 18. Il sandbox MCP non ha l'uscita di rete, quindi usa codice che non richiede di scaricare pacchetti o chiamare API esterne.

Per altri framework, usa questo server_url con gli esempi di agenti Python. Per il deployment, vedi Crea un agente personalizzato.

Usa la funzione Python tramite MCP (legacy)

Per un'integrazione esistente con la funzione system.ai.python_exec, usa l'esempio di agent sopra con questo URL:

server_url = f"{workspace_client.config.host}/api/2.0/mcp/functions/system/ai/python_exec"

Questo endpoint richiede l'anteprima dello spazio di lavoro Managed MCP Servers e l'accesso alla funzione sottostante. Utilizza permessi legacy dell'endpoint dell'area di lavoro. Per il deployment degli agenti e l'accesso alle funzioni, vedi Autenticazione degli agenti.

Risorse aggiuntive

• MCP forniti da Databricks.
• Crea strumenti con le funzioni del Catalogo Unity.