Hospeda o teu próprio servidor MCP

Aloja servidores MCP personalizados ou de terceiros como aplicações Databricks. Os servidores MCP personalizados são úteis se você já tiver um servidor MCP que deseja implantar ou se quiser executar um servidor MCP de terceiros como fonte de ferramentas.

O acesso a servidores MCP personalizados é controlado através das permissões Databricks Apps. Para monitorizar a atividade personalizada do MCP juntamente com os seus outros servidores MCP e endpoints LLM, use o Unity AI Gateway.

Para usar um servidor MCP personalizado alojado em código agente, veja Usar servidores MCP em Agentes Personalizados.

Requisitos

  • Um servidor MCP hospedado como uma aplicação Databricks deve implementar um transporte compatível com HTTP, como o transporte HTTP transmissível.

Crie um servidor MCP personalizado a partir do modelo Apps

Use o modelo incorporado do Hello World MCP Server para criar e implementar um servidor MCP com ferramentas de exemplo já incluídas:

  1. Na barra lateral, clique em Computar.

  2. Clique na aba Apps.

  3. Clique em Criar aplicativo.

  4. Na categoria Agentes, selecione o modelo MCP Server - Hello World.

  5. Insira o nome de uma aplicação que começa por mcp- (por exemplo, mcp-hello-world).

    Observação

    O nome da aplicação deve começar por mcp- para ser reconhecido como servidor MCP no AI Playground.

  6. Clique em Criar aplicativo.

O Azure Databricks implementa a aplicação com código de exemplo que podes personalizar.

O modelo inclui duas ferramentas de exemplo para o ajudar a começar:

  • health(): Uma ferramenta de diagnóstico que confirma que o servidor está operacional e devolve informações de estado.
  • get_current_user(): Uma ferramenta que recupera a informação do utilizador atual usando o SDK Databricks, demonstrando como integrar a autenticação de espaços de trabalho.

Adicionar uma ferramenta personalizada

Para adicionar a sua própria ferramenta, abra o código-fonte da aplicação e defina uma nova função usando o @mcp.tool() decorador. Por exemplo, a seguinte ferramenta converte uma cadeia de caracteres para maiúsculas.

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

Cada ferramenta deve incluir um docstring. Os agentes usam a docstring para perceber quando chamar a ferramenta. Depois de adicionar uma ferramenta, reimplante a aplicação para a disponibilizar.

Consulte Criar uma aplicação a partir de um modelo para mais detalhes sobre como trabalhar com modelos de aplicações, ou consulte o código-fonte do modelo no GitHub.

Alojar um servidor MCP existente como uma aplicação Databricks

Para hospedar um servidor Python MCP existente como um aplicativo Databricks, siga estas etapas:

Configura o teu ambiente

Antes de implantar seu servidor MCP, autentique-se em seu espaço de trabalho usando OAuth.

  1. Execute o seguinte em um terminal local:

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

Configurar o servidor MCP

Use uv para gerenciamento de dependência e ferramentas unificadas ao implantar seu servidor MCP.

  1. Adicione um requirements.txt ao diretório raiz do servidor MCP e inclua uv como uma dependência.

    uv Trata da instalação de dependências adicionais definidas na configuração do seu projeto.

    uv

  2. Crie um pyproject.toml arquivo que defina um ponto de entrada de script para seu servidor.

    Exemplo pyproject.toml:

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

    Neste exemplo:

    • custom-server é o nome do script que você usa com uv run
    • server.main:main especifica o caminho do módulo (server/main.py) e a função (main) a executar

  3. Adicione um app.yaml ficheiro especificando o comando CLI para executar o servidor MCP usando uv run.

    Por padrão, os aplicativos Databricks escutam na porta 8000. Se o servidor escutar em uma porta diferente, defina-a usando uma substituição de app.yaml no arquivo.

    Exemplo app.yaml:

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

Quando executa uv run custom-server, o uv procura a definição de script, localiza o caminho do módulo e chama a função main().

Implantar o servidor MCP como um aplicativo Databricks

  1. Crie um aplicativo Databricks para hospedar o servidor MCP:

    databricks apps create mcp-my-server

    Observação

    Prefixe o nome mcp- da sua aplicação para identificar claramente como servidor MCP. Esta convenção de nomes ajuda na descoberta e organização no seu espaço de trabalho.

  2. Carregue o código-fonte para o Azure Databricks e implemente a aplicação executando os seguintes comandos a partir do diretório que contém o seu app.yaml ficheiro:

    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"

Encontre o URL do aplicativo implantado

Após a implementação, pode encontrar o URL da sua aplicação na interface do Azure Databricks. O ponto de extremidade do servidor MCP está disponível em https://<app-url>/mcp.

Pricing

Os servidores MCP personalizados estão sujeitos aos preços dos aplicativos Databricks.

Recursos adicionais

  • Last updated on