【MCP Server】LlamaIndex からDatabricks のデータに連携しよう！

CData Connect AI Remote MCP Server を活用して、LlamaIndex ReAct エージェントから Databricks のデータにセキュアにリアルタイムでアクセスし、操作する方法をご紹介します。

LlamaIndex は、LLM アプリケーションを構築するためのデータフレームワークです。エージェントや RAG パイプライン、外部データをもとに推論する構造化ワークフローなどを開発できます。LlamaIndex と CData Connect AI を組み込みの MCP Server を通じて統合すれば、カスタムコネクタを書くことなく、エージェントがライブの Databricks のデータをネイティブツールとして検出・クエリできるようになります。

CData Connect AI は、Databricks をはじめとするさまざまなデータソースに接続できる、セキュアでローコードな環境を提供します。複雑な ETL を必要とせず、リアルタイムデータを使ったビジネスアプリケーション間のシームレスな自動化を実現します。

この記事では、CData Connect AI での Databricks 接続の設定、LlamaIndex への MCP サーバーの登録、そして Databricks のデータをリアルタイムでクエリする ReAct エージェントの構築方法をご紹介します。

前提条件

CData Connect AI のアカウント
Python バージョン 3.10 以上（LlamaIndex パッケージをインストールするため）
OpenAI API キーを生成して保存
システムに Visual Studio Code をインストール

Databricks データ連携について

CData を使用すれば、Databricks のライブデータへのアクセスと統合がこれまでになく簡単になります。お客様は CData の接続機能を以下の目的で利用しています：

Runtime バージョン 9.1 - 13.X から Pro および Classic Databricks SQL バージョンまで、すべてのバージョンの Databricks にアクセスできます。
あらゆるホスティングソリューションとの互換性により、お好みの環境で Databricks を使用し続けることができます。
パーソナルアクセストークン、Azure サービスプリンシパル、Azure AD など、さまざまな方法で安全に認証できます。
Databricks ファイルシステム、Azure Blob ストレージ、AWS S3 ストレージを使用して Databricks にデータをアップロードできます。

多くのお客様が、さまざまなシステムから Databricks データレイクハウスにデータを移行するために CData のソリューションを使用していますが、ライブ接続ソリューションを使用して、データベースと Databricks 間の接続をフェデレートしているお客様も多数います。これらのお客様は、SQL Server リンクサーバーまたは Polybase を使用して、既存の RDBMS 内から Databricks へのライブアクセスを実現しています。

一般的な Databricks のユースケースと CData のソリューションがデータの問題解決にどのように役立つかについては、ブログをご覧ください：What is Databricks Used For? 6 Use Cases

はじめに

ステップ 1：LlamaIndex 用の Databricks 接続を設定する

それでは早速、LlamaIndex から Databricks にアクセスできるようにしていきましょう。まず、CData Connect AI で Databricks 接続を作成します。この接続は、その後リモート MCP サーバーを通じて LlamaIndex に公開されます。

Connect AI にログインし、「Sources」をクリックして「+ Add Connection」をクリックします

利用可能なデータソースから「Databricks」を選択します

Databricks に接続するために必要な認証情報を入力しましょう。
Databricks 接続プロパティの取得・設定方法

Databricks クラスターに接続するには、以下のプロパティを設定します。
- Database：Databricks データベース名。
- Server：Databricks クラスターのサーバーのホスト名。
- HTTPPath：Databricks クラスターのHTTP パス。
- Token：個人用アクセストークン。この値は、Databricks インスタンスのユーザー設定ページに移動してアクセストークンタブを選択することで取得できます。
Databricks インスタンスで必要な値は、クラスターに移動して目的のクラスターを選択し、Advanced Options の下にあるJDBC/ODBC タブを選択することで見つけることができます。
Databricks への認証

CData は、次の認証スキームをサポートしています。
- 個人用アクセストークン
- Microsoft Entra ID（Azure AD）
- Azure サービスプリンシパル
- OAuthU2M
- OAuthM2M
個人用アクセストークン
認証するには、次を設定します。
- AuthScheme：PersonalAccessToken。
- Token：Databricks サーバーへの接続に使用するトークン。Databricks インスタンスのユーザー設定ページに移動してアクセストークンタブを選択することで取得できます。
その他の認証方法については、ヘルプドキュメントの「はじめに」セクションを参照してください。
「Save & Test」をクリックします
認証が完了したら、Databricks 接続の「Permissions」タブを開き、必要に応じてユーザーベースの権限を設定します

パーソナルアクセストークン（PAT）を生成する

LlamaIndex は、アカウントのメールアドレスとパーソナルアクセストークン（PAT）を使用して Connect AI に認証します。アクセス制御の粒度を維持するために、統合ごとに個別の PAT を作成することをおすすめします。

Connect AI で、右上の歯車アイコンを選択して「Settings」を開きます
「Access Tokens」で、「Create PAT」を選択します
トークンのわかりやすい名前を付けて、「Create」を選択します

トークンをコピーして安全に保管してください。PAT は作成時にのみ表示されます

これで Databricks 接続の設定と PAT の生成が完了しました。LlamaIndex から CData MCP サーバーを通じて Databricks のデータに接続する準備が整いました。

ステップ 2：LlamaIndex で MCP サーバーに接続する

続いて、LlamaIndex を CData Connect AI のリモート MCP サーバーに接続し、推論に OpenAI を使用していきましょう。MCP サーバーのエンドポイントと認証情報を

config.py

ファイルで設定します。これらを設定することで、LlamaIndex の MCP ツールスペックが MCP サーバーツールを呼び出せるようになり、OpenAI が自然言語での推論を処理してくれます。

LlamaIndex MCP プロジェクト用のフォルダを作成します
フォルダ内に
```
config.py
```
と
```
llamaindex_agent.py
```
の2つの Python ファイルを作成します
```
config.py
```
で、MCP サーバーの URL と、Base64 エンコードされた CData Connect AI のメールアドレスおよび PAT（前提条件で取得したもの）を定義します。
```
class Config:

      MCP_BASE_URL = "https://mcp.cloud.cdata.com/mcp"   # MCP Server の URL
      MCP_AUTH     = "base64encoded(EMAIL:PAT)"          # Base64 エンコードされた Connect AI の Email:PAT
```
注：Base64 エンコードツールを使用して、MCP_AUTH の Base64 エンコード版を作成できます。

llamaindex_agent.py

で、MCP ツールスペックと ReAct エージェントを設定します：

"""
LlamaIndex ReAct エージェントと CData Connect AI MCP サーバーを統合します。
このスクリプトは、MCP ツールを検出して LlamaIndex ツールとしてラップし、
OpenAI による推論で駆動されるエージェントループを実行します。
"""

import asyncio
from llama_index.tools.mcp import BasicMCPClient, McpToolSpec
from llama_index.core.agent.workflow import ReActAgent
from llama_index.llms.openai import OpenAI
from config import Config

async def main():

    # Connect AI を指す MCP クライアントを初期化
    mcp_client = BasicMCPClient(
        Config.MCP_BASE_URL,
        headers={"Authorization": f"Basic {Config.MCP_AUTH}"},
    )

    # MCP サーバーが公開するツール（getCatalogs、queryData など）を検出
    tool_spec = McpToolSpec(client=mcp_client)
    tools = await tool_spec.to_tool_list_async()
    print("検出された MCP ツール:", [t.metadata.name for t in tools])

    # ReAct ループを駆動する LLM を設定
    llm = OpenAI(
        model="gpt-4o",
        temperature=0.2,
        api_key="YOUR_OPENAI_API_KEY",  # https://platform.openai.com/
    )

    # MCP ツールを使用するエージェントを構築
    agent = ReActAgent(tools=tools, llm=llm)

    user_prompt = "[rootadoname]1 で利用可能なテーブルはいくつありますか?"  # 必要に応じて変更してください
    print(f"
ユーザープロンプト: {user_prompt}")

    response = await agent.run(user_prompt)

    print("エージェントの最終応答:", response)

if __name__ == "__main__":
    asyncio.run(main())

ステップ 3：LlamaIndex パッケージをインストールする

このワークフローでは LlamaIndex を CData Connect AI MCP サーバーおよび推論用の OpenAI と組み合わせて使用するため、必要な Python パッケージをインストールしていきましょう。

プロジェクトのターミナルで次のコマンドを実行してください。

pip install llama-index llama-index-tools-mcp llama-index-llms-openai

ステップ 4：LlamaIndex を使用して Databricks にプロンプトを送信する（MCP サーバー経由）

インストールが完了したら、
```
python llamaindex_agent.py
```
を実行してスクリプトを実行します
スクリプトは MCP サーバーに接続し、接続されたデータをクエリするために利用可能な CData Connect AI MCP ツールを検出します
プロンプトを入力します（例：「Databricks で利用可能なテーブルはいくつありますか?」）
エージェントは利用可能なツールをもとに推論し、Databricks に対して
```
queryData
```
を呼び出して、その結果を返します

CData Connect AI でビジネスシステムのデータ活用を今すぐスタート

いかがでしたか？LlamaIndex から Databricks へのデータ接続が簡単に完了したのではないでしょうか。業務に使えそう、と感じてくださった方は、14 日間の無償トライアルで AI ツールからビジネスシステムへのリアルタイムデータ接続をぜひお試しください。

はじめる準備はできましたか？

CData Connect AI の詳細、または無料トライアルにお申し込みください：

無料トライアル

CData は、AI を本番環境で機能させるデータレイヤーです。数百の主要エンタープライズソースへのライブコネクティビティとレプリケーション、セマンティックコンテキスト、組み込みガバナンスを提供。Databricks、Microsoft、Google、Palantir をはじめ、世界中の 10,000 以上のお客様の AI を支えています。

お問い合わせ