AI Dev Kit MCP Jobs工具实战创建、触发到等待作业完成一气呵成【免费下载链接】ai-dev-kitDatabricks Toolkit for Coding Agents provided by Field Engineering项目地址: https://gitcode.com/GitHub_Trending/ai/ai-dev-kit本文带你用AI Dev Kit的 MCP Jobs 工具完成 Databricks 作业全流程实战AI Dev Kit 是 Databricks 现场工程团队Field Engineering出品的编码代理工具包其中 Jobs 工具让你用一句自然语言即可创建作业、触发运行并等待作业完成无需手写 SDK 或反复查看控制台。 AI Dev Kit 是什么AI Dev Kit 由四个可独立使用的部分组成核心思路是把 Databricks 的专家知识注入到你日常使用的 AI 编程环境Claude Code、Cursor、Gemini CLI、Copilot 等中组件作用databricks-tools-core/Python 核心库封装 Databricks 高层操作函数databricks-mcp-server/MCP 服务器向 AI 助手暴露 75 可执行工具含 Jobs 工具databricks-skills/20 份 Markdown 技能文档教 AI 遵循 Databricks 最佳实践databricks-builder-app/带聊天界面的全栈 Web 构建应用Jobs 相关能力分布在三层MCP 工具层databricks-mcp-server/databricks_mcp_server/tools/jobs.py核心库层databricks-tools-core/databricks_tools_core/jobs/jobs.py 与 databricks-tools-core/databricks_tools_core/jobs/runs.py技能文档层databricks-skills/databricks-jobs/SKILL.md 快速安装三步用上 Jobs 工具第一步克隆仓库需要 clone 时使用该地址git clone https://gitcode.com/GitHub_Trending/ai/ai-dev-kit第二步运行一键安装脚本按提示完成 Databricks 认证配置脚本会写入你 AI 编辑器的 MCP 配置bash install.sh安装脚本入口见 install.sh。如果你更想手动理解流程可以阅读 databricks-mcp-server/README.md 中配置 Databricks 认证一节。第三步在 AI 编程环境中直接开口说话。安装完成后你的 AI 助手就同时拥有了技能知道 Databricks 作业该怎么写和MCP 工具知道怎么真正执行这是 AI Dev Kit 最核心的设计。 核心工具一manage_jobs —— 创建与管理 Databricks 作业manage_jobs 是一个多合一工具通过action参数支持六种操作action功能返回create创建作业job_idget查看完整配置完整作业配置list按名称搜索列表作业列表find_by_name按精确名称查 IDjob_idupdate更新配置状态delete删除作业状态创建作业幂等 Serverless 默认用自然语言发起即可例如对 AI 助手说帮我创建一个名为 daily_sales_etl 的作业包含一个 notebook 任务运行 /Workspace/etl/sales加上每天 6 点执行的 cron 调度AI 会自动调用manage_jobs(actioncreate)你完全不用关心底层 API 细节。这个工具有两个很贴心的设计实现在 databricks-tools-core/databricks_tools_core/jobs/jobs.py 中幂等保护创建前会先按名称查重同名作业已存在时直接返回现有job_id而不是重复创建——当 AI 因超时而重试时不会误产生重复作业Serverless 默认notebook 和 Python 任务省略集群配置即默认走 Serverless 计算免运维且省钱。创建时还可以带上调度schedule、Git 源码git_source、邮件通知email_notifications、队列queue等参数详见 databricks-mcp-server/databricks_mcp_server/tools/jobs.py 的参数定义。管理已有作业列出所有名字带 etl 的作业 把 daily_sales_etl 的超时时间改成 2 小时 按名字找一下 daily_sales_etl 的作业 IDupdate采用增量合并策略先拉取当前配置再只覆盖你提供的字段不会因为漏传参数把其他配置清空。⚡ 核心工具二manage_job_runs —— 触发运行到等待完成manage_job_runs 覆盖作业的整个运行时生命周期action功能典型场景run_now立即触发返回run_id手动跑一次作业wait阻塞直到运行结束返回完整结果等作业跑完再看结果get查看运行状态详情中途检查进度get_output获取日志与结果排查失败原因repair只重跑失败任务失败后最小成本重试cancel取消运行中的作业紧急止损list按条件筛选运行历史审计运行记录触发运行run_now 支持按任务类型传参现在跑一下 daily_sales_etl传入参数 envprodrun_now支持为不同任务类型传入各自需要的参数notebook_paramsnotebook 任务、python_paramsPython 任务、sql_paramsSQL 任务、dbt_commandsdbt 任务等底层实现见 databricks-tools-core/databricks_tools_core/jobs/runs.py。还可以传idempotency_token保证幂等避免误触发重复运行。等待完成wait 是真正的一气呵成这是整套体验的点睛之笔。对 AI 助手说触发运行并等到它完成告诉我结果wait动作实现于 databricks-tools-core/databricks_tools_core/jobs/runs.py会每 10 秒轮询一次运行状态直到进入终态默认最多等 1 小时然后返回一个结构化的 JobRunResult✅成功时返回success: true、耗时秒、运行页面链接❌失败时自动附带错误信息和完整堆栈error_message、errorsAI 助手可以立刻基于这些信息帮你分析原因而不是甩给你一句作业失败了。失败修复repair 只重跑失败任务作业中间某个任务挂了但不想把已经跑成功的任务从头再来一遍repair动作可以只重跑失败任务rerun_all_failed_tasksTrue或指定任务rerun_tasks[task_key]实现见 databricks-tools-core/databricks_tools_core/jobs/runs.py。这是很多手工操作里容易忽略、却非常省算力的高级玩法。 完整工作流演示一次对话跑通全流程装好 AI Dev Kit 后一段典型对话是这样的创建创建一个 notebook 作业 weekly_report任务路径 /Workspace/reports/weekly → 返回job_id: 12345触发立刻运行它 → 返回run_id: 67890等待等它跑完告诉我成功还是失败 → 返回success: true耗时 142.5 秒附运行页面链接若失败诊断把日志拉出来看看错在哪 →get_output返回错误与堆栈AI 给出修复建议若失败修复只重跑失败的任务 →repair返回新的repair_id继续wait即可全程不需要打开 Databricks 控制台也不需要手写任何 SDK 代码——这正是 MCP Jobs 工具的价值创建、触发到等待作业完成一气呵成。 延伸阅读仓库内的 Jobs 参考资料想深入任务类型、调度触发器或完整示例仓库内都有现成资料任务类型详解notebook / SQL / dbt / 流水线等databricks-skills/databricks-jobs/task-types.mdCron 调度与文件到达、表更新触发器databricks-skills/databricks-jobs/triggers-schedules.md通知与监控配置databricks-skills/databricks-jobs/notifications-monitoring.md完整可运行示例ETL 流水线、事件驱动、多环境部署等databricks-skills/databricks-jobs/examples.md项目整体说明README.md架构总览图databricks-tools-core/docs/architecture.svg 小贴士Jobs 技能文档中还列了一张常见问题对照表如调度不触发、任务依赖不生效等排查方法遇到问题先翻 databricks-skills/databricks-jobs/SKILL.md 的 Common Issues 一节能省掉大部分排查时间。现在打开你的 AI 编程环境用一句话创建第一个 Databricks 作业吧 【免费下载链接】ai-dev-kitDatabricks Toolkit for Coding Agents provided by Field Engineering项目地址: https://gitcode.com/GitHub_Trending/ai/ai-dev-kit创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考