Lleva Databricks a Kiro IDE con el poder de AI Dev Kit

Por qué es importante

El desarrollo asistido por IA se desmorona en el momento en que el asistente tiene que adivinar los nombres de las columnas, los diseños de las tablas o qué catálogos puedes leer. La solución es el anclaje: conecta el asistente a los metadatos del espacio de trabajo en tiempo real a través de Model Context Protocol (MCP), y el SQL que escribe utilizará las columnas reales que tienes, los modelos de dbt unirán tablas reales y cada consulta heredará los permisos de Unity Catalog que ya tienes configurados. Nada sale de la plataforma. La IA solo ve lo que tú puedes ver.

Acaban de alcanzarse dos hitos que hacen que esto sea práctico en Kiro IDE:

Primero, Databricks AI Dev Kit añadió soporte para Kiro en la PR #511. El instalador unificado trata a kiro como un objetivo de primera clase junto con claude, cursor, copilot, codex y gemini. Con un solo comando, Kiro incorpora el conjunto de herramientas completo en ~/.kiro/skills/ y ~/.kiro/settings/mcp.json.

Segundo, Databricks AI Dev Kit Power se lanzó en el catálogo de Kiro Powers en la PR #129. Abre el panel de Powers, haz clic en Probar y el Power ejecutará todo el proceso de incorporación: instalador, conexión de MCP, detección de autenticación y carga de habilidades.

En combinación con los cuatro servidores MCP remotos gestionados por Databricks que ya se incluyen en la plataforma, tienes dos formas de conectar Kiro a Databricks. Ambas comparten un resultado común: los desarrolladores implementan análisis, canalizaciones y flujos de trabajo de agentes más rápido cuando el asistente hereda los permisos reales del espacio de trabajo en lugar de adivinar esquemas, columnas y permisos.

Por qué elegir Databricks para el desarrollo asistido por IA

Los dos hitos anteriores hacen que Kiro × Databricks sea práctico. La razón por la que es importante es lo que hay detrás. Tres factores hacen de Databricks la base de elección para el desarrollo asistido por IA, independientemente del camino que elijas.

Unity Catalog es la única capa de gobernanza que ancla la IA a nivel de datos. Cada llamada de MCP (Ruta A o Ruta B) hereda permisos basados en filas, columnas y etiquetas. El asistente no tiene una vista privilegiada de tus datos; ve exactamente lo que tú puedes ver. No hay una capa de control de acceso independiente que gestionar, ni riesgo de que la IA escriba consultas en tablas que ni siquiera debería saber que existen.

Una sola copia de datos, un solo conjunto de definiciones. Dado que Databricks es un lakehouse, la tabla que consulta el asistente a través de databricks-sql es la misma tabla en la que escribe tu modelo de dbt, la misma tabla que expone tu espacio de Genie y la misma tabla de la que lee tu cuadro de mando de AI/BI. No hay ninguna sincronización de almacén a lago que pueda fallar, ni una capa semántica independiente que mantener sincronizada. Cuando el asistente se ancla en samples.tpch.lineitem, se está anclando en la misma definición que utilizan todas las demás herramientas.

Toda la pila de IA está integrada, no añadida como un parche. Mosaic AI Gateway enruta las llamadas de los modelos. Agent Bricks orquesta los flujos de trabajo multiagente. MLflow realiza el seguimiento de experimentos y evaluaciones. Vector Search potencia la recuperación semántica. Lakebase gestiona el estado transaccional. Todo esto se presenta en el Power, todo en el mismo UC. No estás uniendo de forma artificial cinco productos diferentes; estás utilizando una sola plataforma.

Hay un cuarto aspecto que vale la pena mencionar: el propio Power está desarrollado por Databricks. Ninguna otra plataforma de datos ofrece un Power de IDE con un solo clic para Kiro, Cursor, Claude, Copilot, Codex y Gemini. La capa de MCP es abierta, el protocolo es abierto, la integración es abierta; pero la experiencia que la envuelve está diseñada por Databricks específicamente para la forma en que construyen nuestros clientes.

Resumen de las dos rutas

Resumen de la arquitectura de integración

Ambas rutas comparten el mismo back-end: la aplicación de Unity Catalog y la identidad del espacio de trabajo de Databricks. Difieren en el alcance y el modelo de autenticación.

Ruta A: conectarse a los cuatro servidores MCP gestionados

Esta es la configuración más ligera. Un archivo mcp.json, un token de acceso personal (PAT) de Databricks y la edición de un perfil de shell. En menos de 10 minutos, Kiro se comunicará con Genie, SQL, Unity Catalog Functions y Vector Search.

Requisitos previos

• Un espacio de trabajo de Databricks en AWS con Unity Catalog habilitado.
• Un token de acceso personal (PAT) de Databricks o un token de OAuth con alcance para los servidores MCP que planeas usar (sql, unity-catalog, genie, vector-search). Los PAT no utilizados se revocan automáticamente después de 90 días.
• Kiro instalado e iniciado al menos una vez para que exista ~/.kiro/.
• El nombre de host de tu espacio de trabajo en el formato <workspace>.cloud.databricks.com.

Generar un PAT de Databricks

En el espacio de trabajo de Databricks, ve a Settings, Developer, Access tokens, Manage, Generate new token. Establece una fecha de caducidad que se alinee con la política de rotación de tu equipo. Selecciona solo los alcances de API que necesites; el principio de mínimo privilegio es mejor que la comodidad de seleccionar "todo". Copia el token de inmediato. Databricks no volverá a mostrarlo.

Dónde almacena Kiro la configuración de MCP

Kiro lee la configuración de MCP desde un JSON en dos alcances; el del espacio de trabajo anula al del usuario.

• Alcance de usuario: ~/.kiro/settings/mcp.json se aplica a todos los espacios de trabajo.
• Alcance del espacio de trabajo: $PWD/.kiro/settings/mcp.json se aplica solo al espacio de trabajo actual y anula la entrada del alcance de usuario con la misma clave.

Instalación con un solo clic desde el directorio de servidores de Kiro

Abre kiro.dev/docs/mcp/servers/, busca la fila de Databricks y haz clic en Add to Kiro. El navegador iniciará Kiro y abrirá un cuadro de diálogo de confirmación con una configuración precargada. Confirma para escribir la entrada databricks-sql en ~/.kiro/settings/mcp.json. La entrada hace referencia a dos variables de entorno que aún no existen; las configuraremos a continuación.

Verificar (o añadir) la entrada databricks-sql

Configurar las variables de entorno

En el perfil de shell que inicia Kiro (normalmente ~/.zshrc en macOS):

Carga el perfil (source ~/.zshrc) antes de iniciar Kiro. Cierra Kiro por completo (Cmd+Q en macOS) y vuelve a abrirlo. Reload Window no vuelve a leer las variables de entorno; solo lo hace un reinicio del proceso.

Añadir Genie, UC Functions y Vector Search

Los cuatro servidores gestionados por Databricks se conectan como MCP HTTP remoto. El saludo de inicialización se realiza correctamente incluso con una URL de marcador de posición; el servidor valida el recurso solo cuando se invoca una herramienta. Un estado de conexión pero con fallos, donde tools/call devuelve RESOURCE_DOES_NOT_EXIST o PERMISSION_DENIED, es el modo de fallo más común. Realiza primero estas comprobaciones previas:

• Genie: confirma que existe un espacio de Genie y que puedes abrirlo. El ID del espacio aparece en la URL.
• Funciones de UC: confirma que la función existe y que tienes EXECUTE. Enumera las funciones con 
  SELECT * FROM system.information_schema.routines WHERE routine_type = 'FUNCTION'.
• Vector Search: confirma que existe un endpoint con al menos un índice accesible en Catalog, Vector Search.
• Ámbito de PAT: un PAT con ámbito de espacio de trabajo aún puede llamar a PERMISSION_DENIED en espacios de Genie o índices vectoriales si el usuario carece de permisos Can View en el recurso específico. Los espacios de Genie se comparten de forma individual.

Agrega las variables de entorno adicionales (DATABRICKS_GENIE_MCP_URL, DATABRICKS_UC_FUNCTIONS_MCP_URL, DATABRICKS_VECTOR_SEARCH_MCP_URL) y actualiza mcp.json con la configuración completa:

Formatos de URL por servidor:

Cierra y vuelve a iniciar Kiro. Abre la sección MCP SERVERS del panel de Kiro; las cuatro entradas de databricks-* aparecerán con indicadores de estado verdes. Haz clic en reconectar en lo que esté en rojo y vuelve a verificar la comprobación previa (pre-flight). Prueba una primera consulta de bajo riesgo en el panel de chat: "Enumera los catálogos a los que tengo acceso."

Ruta B: instalar Databricks AI Dev Kit Power

Los cuatro servidores administrados cubren SQL, búsqueda semántica y análisis de lenguaje natural, lo cual es suficiente para muchos desarrolladores. Si tu flujo de trabajo incluye pipelines, jobs, model serving, Lakebase, Asset Bundles, Mosaic AI, Agent Bricks, paneles de AI/BI, MLflow o Databricks Apps, la configuración de cuatro servidores hará que pases todo el día copiando y pegando en la UI del espacio de trabajo.

Databricks AI Dev Kit Power lo resuelve. Una sola instalación. Todas las herramientas y habilidades esenciales, cuatro opciones de autenticación, todo cargable bajo demanda.

Qué obtienes

Instalación en un clic

Dentro de Kiro, abre el panel Powers, busca databricks y haz clic en Try. Power ejecuta el instalador oficial de Databricks AI Dev Kit en el modo no interactivo de Kiro:

El instalador descarga el servidor MCP, crea un entorno virtual uv y extrae la biblioteca de habilidades expertas en ~/.kiro/skills/. Power copia las habilidades en su propio directorio steering/ para que se carguen bajo demanda según la tarea en cuestión. No se incluye ningún contenido en el propio Power; todo se obtiene desde el origen (upstream), por lo que las habilidades se mantienen actualizadas. 

Las cuatro opciones de autenticación

El flujo de incorporación de Power detecta las credenciales existentes y te guía a través de la opción correcta. Las cuatro están documentadas en línea:

El mcp.json de Power se envía con disabled: true hasta que elijas una opción; nada se conecta hasta que hayas elegido y configurado explícitamente tus credenciales. El flujo de detección de credenciales es neutral. Si se detectan varias credenciales, las cuatro opciones se presentan en orden, sin valores predeterminados ni reutilización silenciosa.

Verificar la instalación

Reinicia Kiro, abre el panel MCP SERVERS y confirma que la entrada databricks está conectada (verde). Pregunta al chat: "Obtén mi usuario actual de Databricks." Esa única llamada pone a prueba la autenticación, la resolución de variables de entorno y la habilitación del servidor. Si funciona, toda la cadena está en buen estado.

Cómo elegir entre las dos rutas

Un árbol de decisión sencillo:

1. ¿Solo vas a ejecutar SQL, hacer preguntas en lenguaje natural sobre conjuntos de datos gobernados a través de Genie y buscar en índices vectoriales? Usa la Ruta A. Los cuatro servidores administrados hacen exactamente eso, y la configuración lleva 10 minutos.
2. ¿Crear pipelines, administrar trabajos, implementar Asset Bundles, trabajar con Lakebase, compilar Databricks Apps o llamar a Mosaic AI / Agent Bricks? Usa la Ruta B. El conjunto de herramientas completo abarca demasiada superficie para agregarlo como servidores MCP remotos independientes.
3. ¿Híbrido? Ejecuta ambos. La Ruta A y la Ruta B no entran en conflicto. El Power escribe su propia entrada mcpServers.databricks, mientras que los cuatro servidores de la Ruta A (databricks-genie, databricks-sql, databricks-uc-functions, databricks-vector-search) son claves independientes. Kiro los muestra todos en el panel de MCP.

Para los desarrolladores que planean trabajar en Kiro día a día con cargas de trabajo de Databricks, la Ruta B es la mejor opción a largo plazo. La Ruta A es la respuesta correcta si tienes 10 minutos y quieres chatear con un SQL warehouse.

Desde la perspectiva del desarrollador

Ambas rutas se perciben de manera diferente según quién use el IDE. Cuatro perfiles, cuatro puntos de dolor, cuatro respuestas.

El ingeniero de analítica. Pasas la mitad del día haciendo consultas a tablas que nunca habías visto y la otra mitad copiando y pegando entre tu editor y la UI del espacio de trabajo. La Ruta A resuelve esto en 10 minutos. Los servidores de Genie y SQL basan cada consulta en metadatos de esquemas reales; el asistente escribe sobre tus columnas reales, sin adivinanzas; y cada resultado hereda tus permisos de Unity Catalog. Dejas de cambiar de pestaña.

El ingeniero de datos. Tu día a día son pipelines, trabajos, Asset Bundles y las promociones entre entornos que conllevan los tres. Crear databricks.yml a mano y ejecutar databricks bundle deploy desde la barra lateral de la terminal es el camino lento. La Ruta B es el camino rápido. Las habilidades de pipelines + trabajos + Asset Bundles de Power producen, validan e implementan IaC a partir de una sola conversación. Spark Declarative Pipelines, CDC, SCD Tipo 2, Auto Loader: todo generado a partir de tus tablas reales de UC y listo para confirmar (commit).

El desarrollador de IA / agentes. Estás conectando llamadas a modelos, evaluación, gobernanza y orquestación de agentes a través de tres o cuatro herramientas que no se ponen de acuerdo con el esquema. La Ruta B cubre toda la superficie de IA de Databricks: Mosaic AI Gateway para enrutamiento y alternativas (fallbacks), Agent Bricks para supervisores multiagente y asistentes de conocimiento, MLflow para evaluación, Vector Search para recuperación, todo gobernado por UC de extremo a extremo. Tu agente hereda los mismos permisos que el usuario que lo llama, y tus trazas de evaluación terminan en el mismo espacio de trabajo que tus ejecuciones de entrenamiento.

El desarrollador de plataformas. Administras los recursos de Databricks como código, realizas promociones entre dev/stage/prod y respondes a la pregunta "¿tuvimos desviaciones (drift)?" semanalmente. La habilidad de Asset Bundles de la Ruta B, junto con las habilidades de administración de Unity Catalog, generan el bundle completo, lo validan contra el estado real de tu espacio de trabajo y detectan desviaciones antes de que causen problemas. Dejas de mantener un conjunto de YAML manualmente y otro en un documento.

Un flujo de trabajo que puedes ejecutar hoy mismo

Independientemente de la ruta que elijas, este ejercicio basa el asistente en metadatos reales del espacio de trabajo utilizando el catálogo samples.tpch, disponible en todos los espacios de trabajo de Databricks.

Preguntas: "¿Qué columnas y tipos tiene samples.tpch.lineitem y cuál es la distribución de datos por año de l_shipdate?"

Kiro devuelve el esquema real y un histograma a partir de una sola consulta ejecutada por MCP. Nombres de columnas reales, distribución real, sin alucinaciones.

Preguntas: "Redacta un modelo de dbt que una lineitem con orders y agregue los ingresos por nación por trimestre."

Kiro genera SQL utilizando los nombres de columna reales (l_extendedprice, l_discount, o_orderdate) en lugar de adivinanzas. Como consultó el esquema primero, conoce los tipos exactos y la granularidad.

Preguntas: "Ejecuta mi nueva agregación en samples.tpch y compara el recuento de filas con la instantánea de la semana pasada en poc.gold.revenue_by_nation_qtr."

Kiro ejecuta ambas consultas y muestra la diferencia. Cuando un número no cuadra, "Muéstrame el linaje de gold.revenue_by_nation_qtr" extrae las tablas ascendentes (upstream) de system.access.table_lineage. Una vez verificado, Kiro genera el JSON del trabajo de Databricks para el modelo y enumera qué catálogos y esquemas afecta.

En la Ruta B, el mismo flujo de trabajo se extiende a "Generar el Asset Bundle para este trabajo e implementarlo en staging", o "Crear un tablero de AI/BI respaldado por esta agregación", o "Conectar esto a un endpoint de Mosaic AI Gateway con un modelo alternativo", todo sin salir del IDE. 

Buenas prácticas, independientemente de la ruta

• Autenticación de menor privilegio. Genera un PAT independiente por estación de trabajo y por conjunto de ámbitos (scopes). En la Ruta B, prefiere OAuth U2M para uso interactivo en lugar de PAT.
• Nunca confirmes (commit) credenciales. Almacena DATABRICKS_ACCESS_TOKEN en tu perfil de shell o en un administrador de secretos. Nunca lo pongas en mcp.json registrado en el control de versiones.
• Ámbito por proyecto. Mantén los ID de espacio de Genie y las rutas de índice de Vector Search en $PWD/.kiro/settings/mcp.json para que cada proyecto tenga sus propias vinculaciones de recursos.
• Confía en los permisos de UC. Todas las rutas aplican las concesiones basadas en filas, columnas y etiquetas de Unity Catalog. La IA hereda tus permisos efectivos en cada llamada. No hay una capa de control de acceso independiente que administrar.
• Reinicia, no recargues. Kiro lee las variables de entorno una vez al iniciar el proceso. Después de editar tu perfil de shell o agregar autenticación, sal por completo (Cmd+Q en macOS) y vuelve a abrir.

Resolución de problemas

"Servidor no encontrado" o estado en rojo en una entrada de MCP.

Ruta A: verifica echo $DATABRICKS_SQL_MCP_URL en la shell que inició Kiro. Un valor vacío significa que Kiro no puede resolver la URL. Confirma que el mcp.json con ámbito de espacio de trabajo no esté anulando la configuración con ámbito de usuario. Verifica que el PAT siga siendo válido en Configuración, Desarrollador, Tokens de acceso.

Ruta B: vuelve a ingresar al flujo de detección de credenciales desde la incorporación (onboarding) de Power. Si el servidor MCP devuelve Invalid access token o 401, el gancho (hook) de recuperación 401 integrado de Power pausa las llamadas a herramientas y vuelve a mostrar las opciones de autenticación.

Conectado a MCP pero las llamadas a herramientas devuelven RESOURCE_DOES_NOT_EXIST o PERMISSION_DENIED.

El fallo más común de la Ruta A. El saludo (handshake) de inicialización se realiza correctamente con una URL de marcador de posición porque el servidor pospone la validación de recursos hasta la invocación. Vuelve a ejecutar las comprobaciones previas para el servidor específico (el espacio de Genie existe y está compartido contigo, la función existe y tienes EXECUTE, el índice de vectores existe y tienes Can View).

Pruébalo hoy mismo. Databricks AI Dev Kit Power es la forma más rápida de tener la plataforma completa (pipelines, trabajos, Lakebase, Mosaic AI, Agent Bricks y todo lo demás mencionado anteriormente) dentro de Kiro. Instálalo directamente desde el catálogo de Kiro Powers en github.com/kirodotdev/powers, o visita github.com/databricks-solutions/ai-dev-kit para instalar el conjunto de herramientas subyacente para Kiro o cualquier IDE compatible (Claude, Cursor, Copilot, Codex, Gemini). Para los cuatro servidores MCP administrados por Databricks, la instalación con un solo clic se encuentra en kiro.dev/docs/mcp/servers/.

¿Tienes comentarios o encontraste un problema? Registra un problema (issue): para la configuración o el empaquetado de Power, usa kirodotdev/powers; para el instalador, el servidor MCP o las habilidades, usa databricks-solutions/ai-dev-kit. Leemos cada uno de ellos

Las opiniones e ideas compartidas aquí son propias y no representan la política oficial de Databricks.

(Esta entrada del blog ha sido traducida utilizando herramientas basadas en inteligencia artificial) Publicación original