databricks-execution-compute

用途：在 Databricks 上运行代码并管理计算资源，按工作负载选择执行模式。主要能力：Databricks Connect 适合 Spark 代码（ETL、数据生成），启动即时，状态保存在 Python 进程内，语言为 Python（PySpark），依赖用 withDependencies()；Serverless Job 适合重型处理（如 ML），冷启动约 25–50 秒，无状态，支持 Python、SQL，依赖通过 CLI 环境规格配置；Interactive Cluster 适合跨工具调用保持状态及 Scala/R，停止后启动约 5 分钟，通过 context_id 保持状态，支持 Python、Scala、SQL、R，依赖需在集群上安装。选择流程：Spark 代码优先 Databricks Connect（若缺 Python 3.12 则安装它和 databricks-connect；安装失败应询问用户而非自动切换模式）；重型或长任务用 Serverless Job；需跨调用保持状态或使用 Scala/R 时用 Interactive Cluster，并先列出集群询问用户选用哪个。使用方式：Databricks Connect 无 MCP 工具，本地运行，例如 python my_spark_script.py；Serverless Job 调用 execute_code(file_path="/path/to/script.py")；Interactive Cluster 先 list_compute(resource="clusters") 检查运行中集群并询问用户，再 execute_code(code="...", compute_type="cluster", cluster_id="...")，后续调用复用返回的 context_id 与 cluster_id。MCP 工具：execute_code 用于无服务器与交互式远程运行代码；list_compute 用于列出集群、检查状态并自动选择运行中集群；manage_cluster 用于创建、启动、终止、删除，注意启动耗时 3–8 分钟且成本高，需询问用户；manage_sql_warehouse 用于创建、修改、删除 SQL 仓库。相关技能包括数据合成生成、生产作业编排和 SQL 仓库与 AI 函数。限制：资料未提供定价、配额、权限要求、支持区域或具体 API 限制。