Cómo conectar Databricks a ChatGPT vía MCP

💡 ¿Sin instalación? Usa cloud.anythingmcp.com directamente. Inicia sesión, pulsa Connectors → Databricks, pega tus credenciales, genera una MCP API key y listo. Sin Docker, sin git clone, sin servidor local.

Databricks + ChatGPT

Deja que tu IA trabaje con tu workspace de Databricks: ejecuta SQL en un warehouse, explora catálogos, esquemas y tablas de Unity Catalog, revisa clusters, warehouses, jobs y ejecuciones, lee notebooks y, tras tu confirmación, arranca o detiene el cómputo o lanza jobs. Con un personal access token.

Requisitos previos

Las instrucciones de configuración completas están incluidas en el conector (visibles en el store al seleccionarlo). Las variables de entorno requeridas:

DATABRICKS_HOST, DATABRICKS_TOKEN

Paso 1 — Obtener credenciales

1. Abre tu workspace de Databricks y copia el host de la barra de direcciones en DATABRICKS_HOST, sin https://, por ejemplo dbc-a1b2c3d4-e5f6.cloud.databricks.com (AWS), adb-1234567890123456.7.azuredatabricks.net (Azure) o 1234567890123456.7.gcp.databricks.com (Google Cloud).
2. Haz clic en tu nombre de usuario arriba a la derecha y luego en Settings → Developer → Access tokens → Manage → Generate new token. Ponle un comentario y una duración y cópialo en DATABRICKS_TOKEN: Databricks solo lo muestra una vez. El administrador del workspace tiene que permitir los personal access tokens.
3. Para dar el mínimo de permisos, crea el token para un service principal que solo tenga los permisos que necesita la IA: USE CATALOG, USE SCHEMA y SELECT sobre los datos, y CAN USE sobre un SQL warehouse. El conector actúa con los permisos del usuario del token.
4. Instala el conector y ejecuta databricks_get_current_user para ver como quién actúa la IA.

El cómputo cuesta dinero, así que la IA pregunta antes: Databricks cobra el cómputo en DBU. Una consulta sobre un SQL warehouse detenido lo arranca automáticamente, y un warehouse o cluster en marcha cuesta dinero hasta que se detiene solo. Antes de ejecutar SQL, la IA comprueba el warehouse con databricks_list_warehouses; si no está en marcha, te dice que la consulta lo arrancará, y de qué tamaño es, y espera tu sí. Un warehouse serverless arranca en segundos.

SQL en un warehouse: databricks_execute_sql ejecuta una sentencia y devuelve hasta 200 filas por defecto (como máximo 10.000). Para todo lo que cambia datos, tablas o permisos (INSERT, UPDATE, DELETE, MERGE, CREATE, ALTER, DROP, GRANT), la IA te muestra la sentencia exacta y espera un sí explícito; lo que está permitido lo deciden en cualquier caso los permisos de Unity Catalog del token. Las sentencias largas siguen en segundo plano: databricks_get_statement las sigue y databricks_get_statement_chunk trae más filas.

Unity Catalog: databricks_list_catalogs, databricks_list_schemas, databricks_list_tables y databricks_get_table muestran catálogos, esquemas, tablas, vistas y sus columnas, para que la IA escriba SQL con los nombres correctos.

Cualquier otro cambio también pregunta antes: databricks_start_cluster, databricks_terminate_cluster, databricks_start_warehouse, databricks_stop_warehouse, databricks_run_job, databricks_cancel_job_run y databricks_cancel_statement. Terminar un cluster o detener un warehouse corta las consultas y los notebooks que se ejecutan en él. Este conector no borra nada.

Jobs: databricks_list_jobs y databricks_get_job muestran jobs, programaciones, parámetros y tareas; databricks_run_job lanza una ejecución ahora; databricks_list_job_runs, databricks_get_job_run y databricks_get_run_output muestran ejecuciones, estado de las tareas, errores y la salida de los notebooks (se guarda 60 días).

Notebooks y archivos: databricks_list_workspace recorre carpetas y notebooks, databricks_export_notebook devuelve el código fuente de un notebook pequeño, databricks_list_volume_files lista un volumen de Unity Catalog y databricks_list_dbfs las rutas DBFS heredadas. La configuración de Spark, las variables de entorno y los scripts de inicio de los clusters se dejan fuera porque pueden contener secretos.

Errores comunes: 401, o 403 Invalid access token: el token es incorrecto, ha caducado o se ha revocado, o DATABRICKS_HOST apunta a otro workspace. 403 PERMISSION_DENIED: al usuario le falta un permiso, como USE CATALOG, SELECT, CAN USE sobre el warehouse o CAN MANAGE RUN sobre el job. 404 RESOURCE_DOES_NOT_EXIST: ID o nombre incorrecto, o Unity Catalog no está activado en el workspace. 429: demasiadas solicitudes; espera y vuelve a intentarlo.

El conector no crea, edita ni borra clusters, warehouses, jobs, tablas o archivos, no sube archivos y no cubre pipelines de Delta Live Tables, MLflow, Model Serving, Genie ni Vector Search.

Paso 2 — Instalar el adapter

curl -fsSL https://raw.githubusercontent.com/HelpCode-ai/anythingmcp/main/docker-compose.quickstart.yml -o docker-compose.yml
printf 'JWT_SECRET=%s\nENCRYPTION_KEY=%s\n' "$(openssl rand -hex 32)" "$(openssl rand -hex 32)" > .env
docker compose up -d

Paso 3 — Añadir el conector en ChatGPT

La URL de tu servidor: en AnythingMCP abre MCP Servers → el servidor donde está este conector y copia su URL (https://cloud.anythingmcp.com/mcp/…). Úsala donde esta guía muestra YOUR_SERVER_ID.

ChatGPT añade servidores MCP como plugins desde su página Plugins, en la web y en los planes de pago. Ya no hace falta el modo desarrollador. En un espacio Business solo pueden hacerlo los administradores y propietarios; en Enterprise y Edu un administrador puede conceder el permiso Create plugins with MCPs.

1. Ve a chatgpt.com/plugins, pulsa + y luego Add custom MCP server.
2. Escribe un nombre, por ejemplo Name: Databricks.
3. En Connection, introduce como Server URL https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID y deja Authentication en OAuth.
4. Selecciona I understand and want to continue y después Create as a plugin. Cuando ChatGPT lo pida, inicia sesión en AnythingMCP y permite el acceso.
5. Instala el nuevo plugin desde tus plugins personales; luego escribe @ en un chat y elígelo.

Herramientas disponibles

Ejemplos de prompts

• "¿Qué SQL warehouses tenemos y cuáles están en marcha ahora mismo?"
• "Muéstrame las tablas de main.sales y las columnas de la tabla orders."
• "¿Cuánto facturamos por país el mes pasado? Usa el warehouse serverless y dime antes si tiene que arrancar."
• "¿Terminó bien el job nightly_etl de anoche? Si falló alguna tarea, muéstrame el error."
• "Lanza ahora el job weekly_report, después de decirme qué hace y qué cluster usa."

FAQ

¿Funciona el plan gratuito de ChatGPT con servidores MCP personalizados? OpenAI documenta los servidores MCP personalizados solo para los planes de pago; el plan Free no aparece en su lista.

Siguientes pasos

• Página del conector
• Conectar a Claude
• Conectar a Cursor
• Conectar a Gemini
• Conectar a Meta Muse