Handledning: Kontrollera en kodningsagents GitHub MCP-åtkomst

I den här självstudien styr du en kodningsagents åtkomst till GitHub med hjälp av Unity Catalog och AI Gateway. Anta att ditt team använder en kodagent som Claude Code eller Cursor för att läsa kodförråd och pullbegäranden, men du vill blockera skrivåtgärder och granska varje verktygsanrop.

Du använder den system.ai.github MCP-tjänst som Azure Databricks tillhandahåller, så du behöver varken vara värd för eller registrera en MCP-server eller skapa en Unity Catalog-anslutning. Du bifogar en inbyggd tjänstprincip för att blockera skrivåtgärder, ge ditt team åtkomst, ansluta en kodningsagent och bekräfta att varje verktygsanrop loggas.

Förutsättningar

Steg 1: Blockskrivningsoperationer med en inbyggd policy

Bifoga den inbyggda GitHub-tjänstepolicyn och aktivera Disallow writes. Detta blockerar verktyg som skapar, ändrar eller raderar data på GitHub samtidigt som skrivskyddade verktyg tillåts. Policyn hanteras av plattformen, så du behöver inte skriva någon policyfunktion.

Användargränssnitt (UI)

  1. I sidofältet på arbetsytan klickar du på AI Gateway.
  2. På fliken MCP, välj system.ai.github.
  3. Öppna fliken Principer och klicka sedan på Ny princip.
  4. Ange ett principnamn, till exempel block_github_writes.
  5. Under Skyddstyp väljer du GitHub.
  6. Välj Förbjud skrivningar och klicka sedan på Skapa policy.

REST API

API-policyn använder hanteraren system.ai.github_policy med disallow_writes satt till true:

databricks api patch \
  "/api/2.1/unity-catalog/mcp-services/system.ai.github?update_mask=config.service_policies" \
  --json '{
    "config": {
      "service_policies": [
        {
          "name": "block_github_writes",
          "policy_type": "POLICY_TYPE_BUILTIN",
          "handler": "system.ai.github_policy",
          "options": { "disallow_writes": "true" }
        }
      ]
    }
  }'

Den PATCH ersätter tjänstens policylista. Om tjänsten redan har policys, inkludera dem service_policies så att de förblir kopplade.

Med policyn bifogad avvisas ett tools/call for a write-verktyg, inklusive verktyg som skapar pull requests. För att tillåta utvalda skrivverktyg samtidigt som destruktiva operationer blockeras, skapa istället en anpassad tjänstepolicy . För mer om tillgängliga tjänster och policykontroller, se Databricks-tillhandahållna MCP Services and Service policies.

Steg 2: Dela MCP-tjänsten med ditt team

Använd Share an MCP för att ge ditt team, såsom dev_team, åtkomst till system.ai.github. Den guiden täcker administratörsbehörigheter och ärvd åtkomst för Databricks-tillhandahållna MCP:er.

Steg 3: Koppla din kodningsagent

Installera en MCP-kompatibel kodningsagent om du inte redan har en. Använd Unity Gateway CLI (ug) för att konfigurera gatewayanslutningen och starta agenten på din enhet. Till exempel ug claude öppnar Claude Code med den konfigurationen. Om du vill konfigurera en klient själv följer du anvisningarna för manuell konfiguration nedan.

  1. Om ug inte är installerat, installera det och kontrollera versionen. Du behöver Python 3.12 eller senare och uv. Se snabbstartsguiden för kodagenten för installationsinformation.

    uv tool install git+https://github.com/databricks/unity-gateway
    ug --version
    
  2. Konfigurera din kodningsagent för din arbetsyta och logga in när du uppmanas. Om din enhet redan är konfigurerad, hoppa över detta steg.

    ug configure --workspace https://<workspace-hostname>
    
  3. Lägg till GitHub MCP-tjänsten i dina konfigurerade agenter. Om din administratörs publicerade konfiguration redan har lagt till den, hoppa över detta steg.

    ug mcp add --names system.ai.github
    
  4. Bekräfta att tjänsten visas i dina konfigurerade anslutningar:

    ug mcp list
    
  5. Starta eller starta om din agent för att använda tjänsten. Till exempel, öppna Claude Code:

    ug claude
    

    I Claude Code, ange /mcp för att kontrollera anslutningsstatusen. För andra startkommandon och MCP-inställningar, se Lägg till verktyg och färdigheter och CLI-referensen för ug.

För manuell installation, välj din klient i Kodnings- och arbetsagenter som stöds. Använd denna MCP-endpoint för den inbyggda tjänsten:

https://<workspace-url>/ai-gateway/mcp-services/system.ai.github

För exempel på anrop, inklusive OpenAI Agents SDK, se Använd MCP-verktyg i en Python-agent.

Steg 4: Bekräfta att aktiviteten styrs och loggas

Kontrollera att styrningen fungerar från båda ändar:

  • Policyupprätthållning: Från agenten lyckas ett skrivskyddat verktyg, medan ett skrivverktyg, som ett som skapar en pull request, avvisas med ett policyfel.

  • Användningsloggning: Fråga användningssystemtabellen för att bekräfta att anrop registreras:

    SELECT service_name, mcp_metadata.tool_name AS tool_name, status_code, COUNT(*) AS calls
    FROM system.ai_gateway.usage
    WHERE service_type = 'MCP_SERVICE'
      AND service_name = 'system.ai.github'
    GROUP BY service_name, mcp_metadata.tool_name, status_code
    ORDER BY calls DESC;
    

Mer information om övervakning finns i Övervaka användning.

Nästa steg