用途：在 Databricks 上创建、更新、部署和发布 AI/BI 仪表板（原 Lakeview 仪表板）。技能强调必须严格按流程操作，否则会出现组件无效等问题。
主要能力：提供一系列 MCP 工具，包括获取表结构（get_table_stats_and_schema）、测试 SQL（execute_sql）、获取可用仓库 ID（manage_warehouse，action=get_best）以及仪表板生命周期管理（manage_dashboard）。manage_dashboard 支持 create_or_update、get、list、delete、publish、unpublish 等操作，可在创建后自动发布。技能附带组件规范、过滤器、示例与排错参考文件。
使用方式：强制验证流程为五步——先获取表结构与模式，再为每个数据集编写 SQL；随后必须通过 execute_sql 逐一测试每条查询，查询失败须先修复；然后仅使用已验证的查询构建仪表板 JSON；最后调用 manage_dashboard(action="create_or_update") 部署，需提供 display_name、parent_path、serialized_dashboard、warehouse_id。数据集遵循每个领域一个数据集、每条数据集仅一条有效 SQL、使用全限定表名 catalog.schema.table_name，并将业务逻辑以下列别名写入 SELECT。组件字段名必须与数据集列或别名精确一致，且 query.fields 中的 name 必须与 encodings 中的 fieldName 完全匹配。布局使用 12 列网格（GRID_V1），每行须填满宽度 12，无空隙。
适用场景：为销售、订单、客户等业务数据构建可发布的 Databricks AI/BI 仪表板，需要先验证 SQL 再部署的团队。
限制：不支持在组件表达式中使用 CAST 等 SQL 语法，多字段或条件逻辑须先在数据集 SQL 中计算；图表分组维度建议不超过 8 个不同值，高基数维度应改用表格组件；Spark SQL 应避免 INTERVAL 语法，改用 date_sub 等函数；KPI 组件高度建议 3-4，图表 5-6；百分比取值为 0-1。资料未提供具体收费、价格信息。