借助 AI 开发工具包将 Databricks 集成到 Kiro IDE 中
本文介绍了两种将 Kiro IDE 连接到 Databricks 的方法：通过四个 Databricks 托管的 MCP 服务器进行快速设置，或使用新的 Databricks AI 开发工具包 Power 实现一键集成。两种方法都基于 Unity Catalog 的元数据，确保 AI 助手只看到用户有权限的数据，减少幻觉。文章还强调了 Databricks 在 AI 辅助开发中的优势，包括统一的治理、单一数据副本和集成 AI 堆栈。
Databricks 博客宣布推出两种新方式，将 Kiro 集成开发环境 (IDE) 连接到 Databricks 平台，从而为 AI 辅助开发提供更强大的支持。第一种方式是通过四个 Databricks 托管的 MCP（模型上下文协议）服务器进行快速设置，大约需要 10 分钟；第二种方式是使用全新的 Databricks AI 开发工具包 Power，实现一键安装，包含所有必备工具和技能，并提供四种身份验证选项。
AI 辅助开发的一个关键挑战是确保助手了解工作区的实际元数据，例如列名、表结构和用户权限。这两种方法都利用 Unity Catalog 的行、列和基于标签的授权，使 AI 助手能够基于实时工作区元数据生成 SQL 查询，避免产生幻觉或读取未经授权的数据。这意味着 AI 助手只能看到用户有权限访问的数据，所有操作都保持在平台内部。
选择哪种路径取决于用户的需求。Path A 是轻量级设置，适合分析师和以 SQL 为主的开发者，可以通过简单的 mcp.json 配置和 PAT 令牌快速连接到 Genie、SQL、Unity Catalog Functions 和 Vector Search 四个服务。Path B 则提供了更全面的功能，包括 pipelines、jobs、Mosaic AI、Agent Bricks、Lakebase、Asset Bundles 等，适合数据工程师和平台构建者。
文章进一步解释了 Databricks 成为 AI 辅助开发首选平台的三大理由。首先，Unity Catalog 是唯一能够在数据层面为 AI 提供治理的层，确保每个 MCP 调用都继承行、列和基于标签的授权。其次，lakehouse 架构确保了单一数据副本和定义，所有工具都使用相同的数据源。最后，完整的 AI 堆栈（如 Mosaic AI Gateway、Agent Bricks、MLflow、Vector Search）无缝集成，而不是各自为政。
安装 Path A 需要 Databricks 工作区、Unity Catalog 支持、PAT 令牌以及 Kiro IDE 基本配置。用户可以通过 Kiro 的服务器目录一键添加 Databricks 条目，然后设置环境变量。对于 Path B，用户只需在 Kiro 的 Powers 面板中点击“Try”即可完成安装。Power 会自动下载 MCP 服务器、创建虚拟环境，并加载最新的技能库。在身份验证方面，Path B 支持 OAuth U2M（推荐）、OAuth M2M、.databrickscfg 配置文件和 PAT 令牌四种方式。
总的来说，这两种路径为不同角色的开发者提供了灵活的选择，使 AI 辅助开发更加高效、安全且易于管理。