Conectar Databricks con Microsoft Copilot (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 + Microsoft Copilot

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 Microsoft Copilot

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.

Microsoft Copilot usa servidores MCP a través de agentes creados en Copilot Studio: añades AnythingMCP a un agente como herramienta y luego publicas el agente en Microsoft 365 Copilot y Teams. Copilot Studio se conecta desde la nube de Microsoft por Streamable HTTP, que AnythingMCP admite.

1. En Copilot Studio, abre tu agente (o crea uno), ve a Tools y elige Add a tool → New tool → Model Context Protocol.
2. Escribe un Server name (por ejemplo AnythingMCP), una Server description que diga qué hace el conector y la Server URL https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID. Copilot Studio usa la descripción para decidir cuándo llamar al servidor.
3. En la autenticación, elige API key, pon Type en Header y X-API-Key como nombre de la cabecera, y selecciona Create.
4. En Add tool, elige Create a new connection, pega una clave de API MCP de AnythingMCP (MCP Servers → tu servidor → API keys) y selecciona Add to agent.
5. Pruébalo en el panel Test del agente: pide algo que necesite las herramientas de Databricks.
6. Selecciona Publish y luego Channels → Microsoft 365 and Microsoft Teams, deja marcada Make agent available in Microsoft Copilot y elige Add channel. See agent in Teams lo instala para ti; en Microsoft 365 Copilot, escribe @ y elige el agente.

¿Prefieres que cada persona inicie sesión? En lugar de la clave de API elige OAuth 2.0 → Dynamic discovery: cada usuario inicia sesión en AnythingMCP la primera vez que el agente lo llama.

¿Lo alojas tú mismo? Usa la dirección HTTPS pública de tu instancia en lugar de https://cloud.anythingmcp.com. Copilot Studio se conecta desde la nube de Microsoft, así que localhost no funciona.

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

¿Para qué Copilot es? Para Microsoft 365 Copilot en el trabajo, mediante agentes de Copilot Studio. La app de Microsoft Copilot para cuentas personales no permite añadir tu propio servidor MCP.

¿Qué necesito? Una cuenta de trabajo con acceso a Copilot Studio (licencia o prueba) para crear el agente. Quien lo use en Microsoft 365 Copilot o Teams necesita acceso al agente: compártelo o pide a un administrador que lo publique para la organización. Si tu organización aplica directivas de datos a los conectores de Power Platform, también cubren los servidores MCP.

El agente no llama a las herramientas. Comprueba que el nombre de la cabecera sea exactamente X-API-Key y que la clave pertenezca al mismo servidor MCP que la URL, y escribe una Server description concreta: Copilot Studio la usa para decidir cuándo llamar al servidor. Vuelve a publicar el agente después de cada cambio; en un chat abierto, escribe "start over" para usar la nueva versión.

Siguientes pasos

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