Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Ospita server MCP personalizzati o di terze parti come app Databricks. I server MCP personalizzati sono utili se si dispone già di un server MCP da distribuire o se si vuole eseguire un server MCP di terze parti come origine di strumenti.
L'accesso ai server MCP personalizzati viene controllato tramite le autorizzazioni di Databricks Apps. Per monitorare l'attività MCP personalizzata insieme agli altri server MCP e agli endpoint LLM, usare Unity AI Gateway.
Per utilizzare un server MCP personalizzato ospitato nel codice agente, vedi Usa server MCP negli Agent Personalizzati.
Requisiti
- Un server MCP ospitato come app Databricks deve implementare un trasporto compatibile con HTTP, ad esempio il trasporto HTTP gestibile tramite flusso.
Creare un server MCP personalizzato dal modello App
Usare il modello predefinito Hello World MCP Server per creare e distribuire un server MCP con strumenti di esempio già inclusi:
Nella barra laterale fare clic su Ambiente di calcolo.
Fare clic sulla scheda App .
Fare clic su Crea app.
Nella categoria Agents selezionare il modello MCP Server - Hello World.
Immettere un nome dell'app che inizia con
mcp-(ad esempio,mcp-hello-world).Nota
Il nome dell'app deve iniziare con
mcp-per essere riconosciuto come server MCP in AI Playground.Fare clic su Crea app.
Azure Databricks distribuisce l'app con codice di esempio che è possibile personalizzare.
Il modello include due strumenti di esempio per iniziare:
-
health(): strumento di diagnostica che conferma che il server è operativo e restituisce informazioni sullo stato. -
get_current_user(): strumento che recupera le informazioni dell'utente corrente usando Databricks SDK, che illustra come integrare l'autenticazione dell'area di lavoro.
Aggiungere uno strumento personalizzato
Per aggiungere uno strumento personalizzato, aprire il codice sorgente dell'app e definire una nuova funzione usando il decoratore @mcp.tool(). Ad esempio, lo strumento seguente converte una stringa in maiuscolo:
@mcp.tool()
def uppercase(text: str) -> str:
"""Convert a string to uppercase."""
return text.upper()
Ogni strumento deve includere un "docstring". Gli agenti usano la docstring per comprendere quando chiamare lo strumento. Dopo aver aggiunto uno strumento, ridistribuire l'app per renderla disponibile.
Vedere Creare un'app da un modello per altri dettagli sull'uso dei modelli di app o vedere il codice sorgente del modello in GitHub.
Ospitare un server MCP esistente come app Databricks
Per ospitare un server MCP Python esistente come app Databricks, seguire questa procedura:
Configurazione dell'ambiente
Prima di distribuire il server MCP, eseguire l'autenticazione nell'area di lavoro usando OAuth.
Eseguire quanto segue in un terminale locale:
databricks auth login --host https://<your-workspace-hostname>
Configurare il server MCP
Usare uv per la gestione delle dipendenze e gli strumenti unificati durante la distribuzione del server MCP.
Aggiungere un oggetto
requirements.txtalla directory radice del server MCP e includereuvcome dipendenza.uvgestisce l'installazione di dipendenze aggiuntive definite nella configurazione del progetto.uvCreare un
pyproject.tomlfile che definisce un punto di ingresso dello script per il server.Esempio
pyproject.toml:[project.scripts] custom-server = "server.main:main"In questo esempio:
-
custom-serverè il nome dello script usato conuv run -
server.main:mainspecifica il percorso del modulo (server/main.py) e la funzione (main) da eseguire
-
Aggiungere un
app.yamlfile che specifica il comando CLI per eseguire il server MCP usandouv run.Per impostazione predefinita, le app Databricks sono in ascolto sulla porta 8000. Se il server è in ascolto su una porta diversa, configurarlo tramite un override della variabile di ambiente nel file
app.yaml.Esempio
app.yaml:command: [ 'uv', 'run', 'custom-server', # This must match a script defined in pyproject.toml ]
Quando si esegue uv run custom-server, uv cerca la definizione dello script, trova il percorso del modulo e chiama la main() funzione .
Distribuire il server MCP come applicazione Databricks
Creare un'app Databricks per ospitare il server MCP:
databricks apps create mcp-my-serverNota
Anteponi il nome dell'app con
mcp-per identificarlo chiaramente come server MCP. Questa convenzione di denominazione aiuta a migliorare la rilevabilità e l'organizzazione nella tua area di lavoro.Caricare il codice sorgente in Azure Databricks e distribuire l'app eseguendo i comandi seguenti dalla directory contenente il
app.yamlfile: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"
Trovare l'URL dell'app distribuita
Dopo la distribuzione, è possibile trovare l'URL dell'app nell'interfaccia utente Azure Databricks. L'endpoint server MCP è disponibile in https://<app-url>/mcp.
Pricing
I server MCP personalizzati sono soggetti ai prezzi di Databricks Apps.
Risorse aggiuntive
- Usa server MCP personalizzati negli agenti per connetterti al server ospitato da notebook, ambienti locali e codice agente.
- Collega gli MCP agli assistenti AI e agli agenti di codifica per configurare Claude, Cursor, MCP Inspector e altri clienti esterni.