AI Dev Kitのパワーで、DatabricksをKiro IDEに導入しましょう

これが重要な理由

AI支援開発は、アシスタントが列名やテーブルのレイアウト、あるいは読み取り可能なカタログを推測しなければならなくなった瞬間に破綻してしまいます。その解決策となるのが「グラウンディング（根拠付け）」です。Model Context Protocol (MCP) を介してアシスタントをライブのワークスペースメタデータに接続することで、アシスタントが記述するSQLは実際に存在する列を使用し、dbtモデルは実際のテーブルを結合し、すべてのクエリはすでに設定されているUnity Catalogの権限を継承します。プラットフォームからデータが流出することはありません。AIには、ユーザー自身がアクセスできるものだけが表示されます。

Kiro IDEでこれを実用化する2つのマイルストーンが達成されました。

第一に、Databricks AI Dev KitのPR #511において、アップストリームでKiroのサポートが追加されました。統合インストーラーは、kiroを、claude、cursor、copilot、codex、geminiと並ぶ主要なターゲットとして扱います。コマンドを1つ実行するだけで、Kiroは~/.kiro/skills/および~/.kiro/settings/mcp.jsonにあるフルツールキットを取り込みます。

第二に、PR #129において、Databricks AI Dev Kit PowerがKiro Powersカタログにリリースされました。Powersパネルを開いて「Try」をクリックすると、Powerがインストーラー、MCPの接続、認証の検出、スキルの読み込みなど、オンボーディングの全プロセスを実行します。

プラットフォーム内にすでに組み込まれている4つのDatabricks管理のリモートMCPサーバーと組み合わせることで、KiroをDatabricksに接続する方法は2つになります。どちらの方法でも得られる成果は同じです。アシスタントがスキーマや列、権限を推測するのではなく、実際のワークスペースの権限を継承することで、開発者は分析、パイプライン、エージェントのワークフローをより迅速に構築・デプロイできるようになります。

AI支援開発にDatabricksが選ばれる理由

上記の2つのマイルストーンにより、KiroとDatabricksの連携が実用的になりました。これが重要である理由は、その基盤にあります。どちらの経路を選択するかにかかわらず、DatabricksがAI支援開発の基盤として選ばれる理由は3つあります。

Unity Catalogは、データレベルでAIをグラウンディングできる唯一のガバナンスレイヤーです。 経路A、経路Bのどちらであっても、すべてのMCP呼び出しは行、列、およびタグベースの権限を継承します。アシスタントがデータに対して特権的なビューを持つことはありません。ユーザー自身がアクセスできるものだけが正確に表示されます。管理すべき個別のアクセス制御レイヤーはなく、AIが存在すら知るべきではないテーブルに対してクエリを記述するリスクもありません。

1つのデータコピー、1つの定義セット。 Databricksはレイクハウスであるため、アシスタントがdatabricks-sqlを介してクエリを実行するテーブルは、dbtモデルが書き込むテーブル、Genieスペースが公開するテーブル、AI/BIダッシュボードが読み取るテーブルと同一です。破損する可能性のあるウェアハウスからレイクへの同期プロセスはなく、同期を維持すべき個別のセマンティックレイヤーもありません。アシスタントがsamples.tpch.lineitemで自身をグラウンディングする場合、他のすべてのツールが使用しているのと同じ定義でグラウンディングされます。

AIスタック全体が統合されており、後から付け足したものではありません。 Mosaic AI Gatewayがモデル呼び出しをルーティングします。Agent Bricksがマルチエージェントのワークフローをオーケストレーションします。MLflowが実験と評価を追跡します。Vector Searchがセマンティック検索を強化します。Lakebaseがトランザクション状態を処理します。これらすべてがPowerに統合され、すべて同じUC（Unity Catalog）上で動作します。5つの製品を継ぎ接ぎしているのではなく、1つのプラットフォームを使用しているのです。

特筆すべき4つ目の点があります。それは、Power自体がDatabricks製であることです。Kiro、Cursor、Claude、Copilot、Codex、Gemini向けのワンクリックIDE Powerを提供しているデータプラットフォームは他にありません。MCPレイヤーはオープンであり、プロトコルもオープン、統合もオープンですが、それを包み込むエクスペリエンスは、お客様の開発手法に合わせてDatabricksが特別に設計したものです。

2つの経路の概要

統合アーキテクチャの概要

どちらの経路もバックエンドは共通しており、Unity Catalogによる制御とDatabricksワークスペースのアイデンティティを使用します。異なるのは、カバー範囲と認証モデルです。

経路A：4つの管理対象MCPサーバーへの接続

これは最もシンプルなセットアップです。1つのmcp.jsonファイル、Databricks個人用アクセストークン（PAT）、そしてシェルプロファイルの編集のみで完了します。10分もかからずに、KiroがGenie、SQL、Unity Catalog Functions、Vector Searchと通信できるようになります。

前提条件

• Unity Catalogが有効化されたAWS上のDatabricksワークスペース。
• 使用予定のMCPサーバー（sql、unity-catalog、genie、vector-search）にスコープされたDatabricks個人用アクセストークン（PAT）またはOAuthトークン。未使用のPATは90日後に自動的に失効します。
• Kiroがインストールされ、少なくとも1回は起動されて~/.kiro/が存在していること。
• <workspace>.cloud.databricks.com形式のワークスペースホスト名。

Databricks PATの生成

Databricksワークスペースで、［Settings］（設定）>［Developer］（開発者）>［Access tokens］（アクセストークン）>［Manage］（管理）>［Generate new token］（新規トークンの生成）の順に移動します。チームのローテーションポリシーに合わせた有効期限を設定します。必要なAPIスコープのみを選択します。「すべて」を選択する便利さよりも、最小権限の原則を優先してください。トークンをすぐにコピーします。Databricksはこれを再表示しません。

KiroによるMCP設定の保存場所

Kiroは2つのスコープのJSONからMCP設定を読み込みます。ワークスペーススコープはユーザースコープを上書きします。

• ユーザースコープ：~/.kiro/settings/mcp.jsonはすべてのワークスペースに適用されます。
• ワークスペーススコープ：$PWD/.kiro/settings/mcp.jsonは現在のワークスペースにのみ適用され、同じキーのユーザースコープのエントリを上書きします。

Kiroサーバーディレクトリからのワンクリックインストール

kiro.dev/docs/mcp/servers/ を開き、Databricksの行を見つけて「Add to Kiro」をクリックします。ブラウザがKiroを起動し、設定が事前に入力された確認ダイアログを開きます。確定して、databricks-sqlエントリを~/.kiro/settings/mcp.jsonに書き込みます。このエントリは、まだ存在しない2つの環境変数を参照しています。これらは次のステップで設定します。

databricks-sqlエントリの確認（または追加）

環境変数の設定

Kiroを起動するシェルプロファイル（macOSでは通常~/.zshrc）において：

Kiroを起動する前に、プロファイルをソース（source ~/.zshrc）します。Kiroを完全に終了し（macOSではCmd+Q）、再起動します。「Reload Window」（ウィンドウの再読み込み）では環境変数は再読み込みされません。プロセスの再起動のみが有効です。

Genie、UC Functions、Vector Searchの追加

4つのDatabricks管理サーバーはすべて、リモートHTTP MCPとして接続します。初期化ハンドシェイクはプレースホルダーURLであっても成功します。サーバーは、ツールが呼び出されたときにのみリソースを検証します。最も一般的な障害モードは、「接続されているが機能していない」状態（tools/callがRESOURCE_DOES_NOT_EXISTまたはPERMISSION_DENIEDを返す状態）です。最初に以下の事前チェックを実行してください：

• Genie：Genieスペースが存在し、開くことができることを確認します。スペースIDはURLに表示されます。
• UC Functions: 関数が存在し、EXECUTE を持っていることを確認します。 
  SELECT * FROM system.information_schema.routines WHERE routine_type = 'FUNCTION' で関数をリストします。
• Vector Search: CatalogのVector Searchの下に、アクセス可能なインデックスが少なくとも1つあるエンドポイントが存在することを確認します。
• PAT scope: ユーザーが特定のリソースに対するCan View権限を持っていない場合でも、ワークスペーススコープのPATはGenieスペースまたはベクターインデックスの PERMISSION_DENIED にアクセスできる場合があります。Genieスペースは個別に共有されます。

追加の環境変数（DATABRICKS_GENIE_MCP_URL、 DATABRICKS_UC_FUNCTIONS_MCP_URL、 DATABRICKS_VECTOR_SEARCH_MCP_URL）を追加し、 mcp.json を完全な設定に更新します：

サーバーごとのURL形式：

Kiroを終了して再起動します。KiroパネルのMCP SERVERSセクションを開くと、4つの databricks-* エントリが緑色のステータスインジケータで表示されます。赤色で表示されているものがあれば「再接続」をクリックし、事前チェックを再確認します。チャットパネルで、リスクの低い最初のクエリ「List the catalogs I have access to.」を試してみましょう。

パスB：Databricks AI Dev Kit Powerのインストール

4つのマネージドサーバーはSQL、セマンティック検索、自然言語分析をカバーしており、多くの開発者にとってはこれで十分です。しかし、ワークフローがパイプライン、ジョブ、モデルサービング、Lakebase、Asset Bundles、Mosaic AI、Agent Bricks、AI/BIダッシュボード、MLflow、またはDatabricks Appsに及ぶ場合、4サーバーの構成では、一日中ワークスペースのUIにコピー＆ペーストを繰り返すことになります。

Databricks AI Dev Kit Powerがそれを解決します。インストールは1回だけ。すべての必須ツールとスキル、4つの認証オプションが、すべてオンデマンドでロード可能です。

入手できるもの

ワンクリックでインストール

Kiro内でPowersパネルを開き、databricks を検索して「Try」をクリックします。このPowerは、非インタラクティブなKiroモードで公式のDatabricks AI Dev Kitインストーラーを実行します：

インストーラーはMCPサーバーをダウンロードし、uv 仮想環境を作成して、エキスパートスキルライブラリを ~/.kiro/skills/ にプルします。Powerはスキルを独自の steering/ ディレクトリにコピーするため、目の前のタスクに基づいてオンデマンドでロードされます。Power自体にはコンテンツはバンドルされていません。すべてアップストリームから取得されるため、スキルは常に最新の状態に保たれます。 

4つの認証オプション

Power'sのオンボーディングフローは既存の資格情報を検出し、適切な選択を案内します。4つのオプションはすべてインラインでドキュメント化されています：

オプションを選択するまで、Powerの mcp.json は disabled: true とともに提供されます。資格情報を明示的に選択して設定するまで、何も接続されません。資格情報の検出フローはニュートラル（中立）です。複数の資格情報が検出された場合は、デフォルト設定やサイレントな再利用は行われず、4つのオプションすべてが順番に提示されます。

インストールの確認

Kiroを再起動し、MCP SERVERSパネルを開いて、databricks エントリが接続されていること（緑色）を確認します。チャットに「Get my current Databricks user.」と尋ねます。この1回の呼び出しで、認証、環境変数の解決、およびサーバーの有効化がテストされます。これが機能すれば、チェーン全体が正常です。

2つのパスのどちらを選ぶか

シンプルな意思決定ツリー：

1. SQLの実行、Genieを介したガバナンスされたデータセットに対する自然言語での質問、およびベクターインデックスの検索のみを行う場合は、パスAを使用してください。4つのマネージドサーバーがまさにそれを行い、セットアップは10分で完了します。
2. パイプラインの作成、ジョブの管理、Asset Bundlesのデプロイ、Lakebaseの操作、Databricks Appsの構築、またはMosaic AI / Agent Bricksの呼び出しを行いますか？パスBを使用してください。ツールキット全体は、単発のリモートMCPサーバーとして追加するにはカバーする領域が広すぎます。
3. ハイブリッドですか？両方を実行しましょう。パスAとパスBは競合しません。Powerは独自のmcpServers.databricksエントリを書き込みますが、パスAの4つのサーバー（databricks-genie、databricks-sql、databricks-uc-functions、databricks-vector-search）は個別のキーになります。KiroはこれらすべてをMCPパネルに表示します。

Databricksのワークロードで日常的にKiroを使用する開発者にとっては、パスBが長期的に優れた選択肢です。10分ほどの時間があり、チャットしたいSQLウェアハウスがある場合は、パスAが最適です。

開発者の視点から

どちらのパスが適しているかは、IDEを使用する人によって異なります。4つのペルソナ、4つの課題、4つの解決策。

アナリティクスエンジニア：1日の半分を見たこともないテーブルのクエリに費やし、残りの半分をエディタとワークスペースUI間のコピー＆ペーストに費やしています。パスAならこれを10分で解決できます。GenieとSQLサーバーは、実際のスキーマメタデータに基づいてすべてのクエリを実行します。アシスタントは推測ではなく、実際の列に対してコードを記述し、すべての結果はUnity Catalogの権限を継承します。タブを切り替える必要はもうありません。

データエンジニア：あなたの日常は、パイプライン、ジョブ、Asset Bundles、およびこれら3つに伴う環境間の移行です。手動でdatabricks.ymlを作成し、ターミナルのサイドバーからdatabricks bundle deployを実行するのは非効率的です。パスBなら迅速に行えます。Powerのパイプライン、ジョブ、Asset Bundlesのスキルにより、1回の会話からIaCの生成、検証、デプロイを行えます。Spark Declarative Pipelines、CDC、SCD Type 2、Auto Loaderはすべて、実際のUCテーブルに対して生成され、すぐにコミットできます。

AI/エージェント開発者：スキーマの定義が一致しない3つか4つのツールにわたって、モデルの呼び出し、評価、ガバナンス、エージェントのオーケストレーションを連携させています。パスBは、ルーティングとフォールバックのためのMosaic AI Gateway、マルチエージェントのスーパーバイザーやナレッジアシスタントのためのAgent Bricks、評価のためのMLflow、検索のためのVector Searchなど、Databricks AIの全領域をカバーし、すべてUCによってエンドツーエンドで管理されます。エージェントは呼び出し元と同じ権限を継承し、評価トレースはトレーニング実行と同じワークスペースに保存されます。

プラットフォーム開発者：Databricksリソースをコードとして管理し、dev/stage/prod間で移行し、毎週のように「ドリフト（乖離）は発生していないか？」という疑問に答えています。パスBのAsset BundlesスキルとUnity Catalog管理スキルにより、完全なバンドルを生成し、ワークスペースの実際の状態に対して検証し、問題が発生する前にドリフトを検出します。手動で管理するYAMLと、ドキュメントで管理する別のYAMLを二重にメンテナンスする必要はもうありません。

今すぐ実行できるワークフロー

どちらのパスを選択した場合でも、この演習では、すべてのDatabricksワークスペースで利用可能なsamples.tpchカタログを使用して、アシスタントを実際のワークスペースメタデータに基づかせます。

質問例：「samples.tpch.lineitemにはどのような列と型がありますか？また、l_shipdate年ごとのデータ分布はどうなっていますか？」

Kiroは、1回のMCP実行クエリから実際のスキーマとヒストグラムを返します。実際の列名、実際の分布であり、ハルシネーションはありません。

質問例：「lineitemとordersを結合し、国別・四半期別の収益を集計するdbtモデルをドラフトしてください。」

Kiroは、推測ではなく実際の列名（l_extendedprice、l_discount、o_orderdate）を使用してSQLを生成します。最初にスキーマをクエリしたため、正確な型と粒度を把握しています。

質問例：「samples.tpchに対して新しい集計を実行し、行数をpoc.gold.revenue_by_nation_qtrにある先週のスナップショットと比較してください。」

Kiroは両方のクエリを実行し、差分を表示します。数値に違和感がある場合、「gold.revenue_by_nation_qtrのリネージを表示して」と指示すると、system.access.table_lineageから上流のテーブルを取得します。検証が完了すると、KiroはモデルのDatabricksジョブJSONを生成し、それがアクセスするカタログとスキーマをリストアップします。

パスBでは、同じワークフローを「このジョブのAsset Bundleを生成してステージングにデプロイする」、「この集計を基にしたAI/BIダッシュボードを作成する」、「これをフォールバックモデル付きのMosaic AI Gatewayエンドポイントに接続する」といった操作まで、すべてIDEを離れることなく拡張できます。 

パスに関わらず推奨されるベストプラクティス

• 最小権限の認証：ワークステーションごと、およびスコープセットごとに個別のPATを生成します。パスBでは、インタラクティブな使用においてPATよりもOAuth U2Mを優先してください。
• 認証情報をコミットしない：DATABRICKS_ACCESS_TOKENはシェルプロファイルまたはシークレットマネージャーに保存してください。バージョン管理にコミットされるmcp.jsonには絶対に含めないでください。
• プロジェクトごとのスコープ設定：各プロジェクトが独自のリソースバインディングを保持できるように、GenieスペースIDとVector Searchのインデックスパスを$PWD/.kiro/settings/mcp.jsonに保持します。
• UC権限の信頼：すべてのパスで、Unity Catalogの行、列、およびタグベースの権限が適用されます。AIは呼び出しのたびに、お客様の有効な権限を継承します。管理すべき個別のアクセス制御レイヤーはありません。
• リロードではなく再起動：Kiroはプロセスの起動時に一度だけ環境変数を読み込みます。シェルプロファイルを編集したり認証を追加したりした後は、完全に終了（macOSではCmd+Q）してから再起動してください。

トラブルシューティング

「Server not found」またはMCPエントリの赤いステータス表示

パスA：Kiroを起動したシェルでecho $DATABRICKS_SQL_MCP_URLを確認してください。値が空の場合、KiroはURLを解決できません。ワークスペーススコープのmcp.jsonがユーザースコープの設定を上書きしていないか確認してください。「設定」>「開発者」>「アクセストークン」でPATがまだ有効であることを確認してください。

パスB：Powerのオンボーディングから認証情報検出フローを再実行してください。MCPサーバーがInvalid access tokenまたは401を返した場合、Powerの組み込み401リカバリフックがツール呼び出しを一時停止し、認証オプションを再表示します。

MCPに接続しているが、ツールの呼び出しがRESOURCE_DOES_NOT_EXISTまたはPERMISSION_DENIEDを返す場合

これはパスAで最も一般的なエラーです。サーバーは呼び出し時までリソースの検証を保留するため、プレースホルダーURLを使用した初期化ハンドシェイクは成功します。特定のサーバーに対する事前チェックを再実行してください（Genieスペースが存在し、自分に共有されていること、関数が存在し、EXECUTE権限があること、ベクトルインデックスが存在し、閲覧権限（Can View）があること）。

今すぐお試しください。Databricks AI Dev Kit Powerは、パイプライン、ジョブ、Lakebase、Mosaic AI、Agent Bricks、その他上記に挙げたすべてのプラットフォーム機能をKiro内で利用するための最も迅速な方法です。Kiro Powersカタログから直接インストール するにはgithub.com/kirodotdev/powersにアクセスするか、またはgithub.com/databricks-solutions/ai-dev-kitにアクセスして、Kiroまたはサポートされている任意のIDE（Claude、Cursor、Copilot、Codex、Gemini）用の基盤となるツールキットをインストールしてください。Databricksが管理する4つのMCPサーバーについては、ワンクリックインストールがkiro.dev/docs/mcp/servers/に用意されています。

ご意見や問題がありましたら、Issueを報告してください。Powerのセットアップやパッケージングについては kirodotdev/powers へ、インストーラー、MCPサーバー、またはスキルについては databricks-solutions/ai-dev-kit へお願いします。すべての報告に目を通しています。

ここで共有されている意見やアイデアは個人のものであり、Databricksの公式ポリシーではありません。

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事