AI Dev KitのパワーでDatabricksをKiro IDEに導入

これが重要である理由

AIアシスト開発は、アシスタントが列名、テーブルレイアウト、または読み取り可能なカタログを推測しなければならない瞬間に破綻します。その解決策はグラウンディングです。アシスタントをModel Context Protocol (MCP) を介してライブ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に結合され、すべてのクエリは既に設定されているUnity Catalogの権限を継承します。プラットフォームから何も離れることはありません。AIはあなたが見ることができるものだけを見ます。

Kiro IDEでこれを実用的にする2つのマイルストーンが達成されました。

まず、Databricks AI Dev KitがPR #511でKiroのサポートをアップストリームに追加しました。統合インストーラーは、claude、cursor、copilot、codex、geminiと並んで、kiroをファーストクラスのターゲットとして扱います。1つのコマンドで、Kiroは~/.kiro/skills/と~/.kiro/settings/mcp.jsonで完全なツールキットを取得します。

次に、Databricks AI Dev Kit PowerがPR #129でKiro Powersカタログにリリースされました。Powersパネルを開き、「試す」をクリックすると、Powerがインストーラー、MCP配線、認証検出、スキルロードといったオンボーディング全体を実行します。

プラットフォームに既に搭載されている4つのDatabricksマネージドリモート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つあります。どちらの方法も共通の結果をもたらします。アシスタントがスキーマ、列、権限を推測するのではなく、実際のワークスペース権限を継承することで、開発者は分析、パイプライン、エージェントワークフローをより迅速に提供できます。

AIアシスト開発にDatabricksを選ぶ理由

上記の2つのマイルストーンにより、Kiro × Databricksが実用的になります。それが重要である理由は、その基盤にあります。どのパスを選択するかにかかわらず、DatabricksがAIアシスト開発の最適な基盤となる3つの要素があります。

Unity Catalogは、データレベルでAIをグラウンディングする唯一のガバナンスレイヤーです。すべてのMCP呼び出し（パスAまたはパスB）は、行、列、およびタグベースの権限を継承します。アシスタントはデータに対して特権的なビューを持つことはなく、あなたが見ることができるものとまったく同じものを見ます。管理すべき個別のアクセス制御レイヤーはなく、AIが存在すら知らないはずの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。

データのコピーは1つ、定義のセットも1つ。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すべて同じです。ウェアハウスとレイク間の同期が壊れることもなく、同期を維持するための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に基づいてグラウンディングする場合、それは他のすべてのツールが使用するのと同じ定義に基づいてグラウンディングしています。

完全なAIスタックは統合されており、後付けではありません。Mosaic AI Gatewayはモデル呼び出しをルーティングします。Agent Bricksはマルチエージェントワークフローをオーケストレーションします。MLflowは実験と評価を追跡します。Vector Searchはセマンティック検索を強化します。Lakebaseはトランザクション状態を処理します。これらすべてがPowerに表示され、すべて同じUC上で動作します。あなたは5つの製品をつなぎ合わせているのではなく、1つのプラットフォームを使用しているのです。

4つ目に挙げる価値のある点があります。それは、Power自体がDatabricksによって構築されているということです。Kiro、Cursor、Claude、Copilot、Codex、Gemini向けのワンクリックIDE Powerを提供す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、お客様の構築方法に合わせてDatabricksが特別に設計したものです。

2つのパスの概要

統合アーキテクチャの概要

どちらのパスも、Unity Catalogの適用とDatabricksワークスペースIDという同じバックエンドを共有しています。異なるのは、対象範囲と認証モデルです。

パスA: 4つのマネージドMCPサーバーに接続する

これは最も軽量なセットアップです。1つのmcp.jsonファイル、Databricksパーソナルアクセストークン、およびシェルプロファイルの編集で、10分以内にKiroがGenie、SQL、Unity Catalog Functions、およびVector Searchと通信できるようになります。

前提条件

• Unity Catalogが有効になっているAWS上のDatabricksワークスペース。
• 使用するMCPサーバー（sql、unity-catalog、genie、vector-search）にスコープが設定されたDatabricksパーソナルアクセストークン（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が少なくとも一度インストールされ、起動されていること（これにより~/.kiro/が存在します）。
• <workspace>.cloud.databricks.comの形式のワークスペースホスト名。

Databricks PATを生成する

Databricksワークスペースで、設定、開発者、アクセストークン、管理、新しいトークンの生成に進みます。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てください。必要なAPIスコープのみを選択してください。「すべて」の利便性よりも最小限の権限が推奨されます。トークンをすぐにコピーしてください。Databricksは再度表示しません。

KiroがMCP設定を保存する場所

Kiroは2つのスコープのJSONからMCP設定を読み取ります。ワークスペース設定はユーザー設定を上書きします。

• ユーザー範囲: ~/.kiro/settings/mcp.jsonはすべてのワークスペースに適用されます。
• ワークスペース範囲: $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範囲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「Kiroに追加」をクリックします。ブラウザがKiroを起動し、事前に入力された設定を含む確認ダイアログが開きます。確認して、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。次にそれらを設定します。

databricks-sqlエントリを確認（または追加）する

環境変数を設定する

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

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（macOSではCmd+Q）して再起動します。「ウィンドウをリロード」では環境変数は再読み込みされません。プロセスを再起動する必要があります。

Genie、UC Functions、およびVector Searchを追加する

4つのDatabricksマネージド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でも成功しますが、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。tools/callがRESOURCE_DOES_NOT_EXISTまたはPERMISSION_DENIEDを返すような、接続されているが壊れている状態が最も一般的な失敗モードです。まず、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、開けることを確認してください。スペースIDはURLに表示されます。
• UC Functions: 関数が存在し、あなたがEXECUTEを持っていることを確認します。関数をリストするには
  SELECT * FROM system.information_schema.routines WHERE routine_type = 'FUNCTION'を使用します。
• Vector Search: Catalog、Vector Search の下に、少なくとも1つのアクセス可能なインデックスを持つエンドポイントが存在することを確認します。
• PATスコープ: ユーザーが特定のリソースに対する「表示可能」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トルインデックスでPERMISSION_DENIEDにアクセスできます。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を完全な構成に更新します:

サーバーごとのURL形式:

Kiroを終了し、再度起動します。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ーとともに表示されます。赤いものがあれば再接続をクリックし、事前チェックを再度行います。チャットパネルで低リスクの最初のクエリを試してみてください: 「アクセスできるカタログをリストしてください。」

パスB: Databricks AI Dev Kit Powerをインストールする

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十分です。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サーバー設定では、終日ワークスペースUIへのコピー＆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。1回のインストール。すべての必須ツールとスキル、4つの認証オプション、すべてオンデマンドでロード可能です。

得られるもの

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「試す」をクリックします。Powerは、公式のDatabricks AI Dev Kitインストーラーを非対話型Kiroモードで実行します:

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、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し、目の前のタスクに基づいてオンデマンドでロードできるようにします。Power自体にはコンテンツはバンドルされていません。すべてはアップストリームからフェッチされるため、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のオンボーディングフローは既存の認証情報を検出し、適切な選択肢を案内します。4つすべてがインラインで文書化されています:

Powerのmcp.jsonは、オプションを選択するまでdisabled: trueが付属しています。認証情報を明示的に選択して構成するまで、何も接続されません。認証情報検出フローは中立です。複数の認証情報が検出された場合、4つのオプションすべてが順に提示され、デフォルトやサイレント再利用はありません。

インストールを確認する

Kiroを再起動し、MCP SERVERSパネルを開き、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「現在のDatabricksユーザーを取得してください」と尋ねます。この単一の呼び出しで、認証、環境変数解決、およびサーバー有効化が実行されます。動作すれば、チェーン全体が正常です。

2つのパスの選び方

簡単な意思決定ツリー:

1. SQLを実行するだけ、Genie経由でガバナンスされたデータセットに対して自然言語で質問するだけ、そしてベクトルインデックスを検索するだけですか？パスAを使用してください。4つのマネージドサーバーはまさにそれを行い、セットアップは10分です。
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？Path Bを使用してください。フルツールキットは、単発のリモートMCPサーバーとして追加するには広すぎる領域です。
3. ハイブリッドですか？両方実行してください。Path AとPath Bは競合しません。Powerは独自のmcpServers.databricksエントリを書き込み、Path Aの4つのサーバー（databricks-genie、databricks-sql、databricks-uc-functions、databricks-vector-search）は別々のキーです。KiroはそれらすべてをMCPパネルに表示します。

DatabricksワークロードでKiroを日常的に使用する予定のビルダーにとって、Path Bはより良い長期的な解決策です。Path Aは、10分でSQLウェアハウスとチャットしたい場合に最適な解決策です。

ビルダーの視点から

どちらのパスも、IDEを操作する人によって異なる結果をもたらします。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。 一日の半分は見慣れないテーブルをクエリし、残りの半分はエディターとワークスペースUIの間でコピー＆ペーストに費やしています。Path Aはこれを10分で解決します。GenieとSQLサーバーは、すべてのクエリを実際のスキーマメタデータに基づいて実行し、アシスタントは推測ではなく実際の列に対して書き込み、すべての結果はUnity Catalogの権限を継承します。タブ切り替えが不要になります。

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、そしてそれらすべてに伴うクロス環境プロモーションです。databricks.ymlを手動で作成し、ターミナルサイドバーからdatabricks bundle deployを実行するのは遅い方法です。Path Bは速い方法です。Powerのパイプライン + ジョブ + Asset Bundlesスキルは、1つの会話からIaCを生成、検証、デプロイします。Spark Declarative Pipelines、CDC、SCD Type 2、Auto Loader — これらすべてが実際のUCテーブルに対して生成され、コミットする準備ができています。

AI / エージェントビルダー。 スキーマが完全に一致しない3つまたは4つのツール間で、モデル呼び出し、評価、ガバナンス、エージェントオーケストレーションを接続しています。Path Bは、Databricks AIの全領域をカバーします。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スーパーバイザーと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 — これらすべてがエンドツーエンドでUCによって管理されます。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。

プラットフォームビルダー。 Databricksリソースをコードとして管理し、開発/ステージング/本番環境間でプロモーションを行い、毎週「ドリフトは発生したか？」という質問に答えています。Path BのAsset BundlesスキルとUnity Catalog管理スキルは、完全なバンドルを生成し、ワークスペースの実際の状態と照合して検証し、問題が発生する前にドリフトを表面化させます。手動でYAMLを1つ、ドキュメントで別のYAMLを管理する必要がなくなります。

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結び付けます。

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

Kiroは、単一の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、ハルシネーションなし。

質問: 「lineitemをordersに結合し、四半期ごとの国別収益を集計するdbtモデルを作成してください。」

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: 「新しい集計をsamples.tpchに対して実行し、行数を先週のpoc.gold.revenue_by_nation_qtr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。数値がおかしい場合、「gold.revenue_by_nation_qtrの系列を表示」でsystem.access.table_lineageからアップストリームテーブルが取得されます。検証後、KiroはモデルのDatabricksジョブJSONを生成し、どのカタログとスキーマにアクセスするかをリストします。

Path Bでは、同じワークフローが「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とともにMosaic AI Gatewayエンドポイントに接続する」といった操作にまで拡張され、すべてIDEを離れることなく実行できます。

パスに関わらず、ベストプラクティス

• 最小権限認証。ワークステーションごと、スコープセットごとに個別のPATを生成します。Path Bでは、対話型使用にはPATよりもOAuth U2Mを推奨します。
• 認証情報をコミットしない。DATABRICKS_ACCESS_TOKENを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ます。ソース管理にチェックインされたmcp.jsonには決して入れないでください。
• プロジェクトごとのスコープ。GenieスペースIDとVector Searchインデックスパスを$PWD/.kiro/settings/mcp.jsonに保持し、各プロジェクトが独自のリソースバインディングを持つようにします。
• UC権限を信頼する。すべてのパスはUnity Catalogの行、列、タグベースの権限を適用します。AIはすべての呼び出しであなた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。
• 再起動、リロードではない。Kiroはプロセス開始時に環境変数を一度読み込みます。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）して再開してください。

トラブルシューティング

「サーバーが見つかりません」またはMCPエントリのステータスが赤色。

Path 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シャドウしていないことを確認してください。PATが「設定」>「開発者」>「アクセストークン」でまだ有効であることを確認してください。

Path B: Powerのオンボーディングから認証情報検出フローを再開してください。MCPサーバーがInvalid access tokenまたは401を返す場合、Powerに組み込まれた401回復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に接続されているが、ツール呼び出しがRESOURCE_DOES_NOT_EXISTまたはPERMISSION_DENIEDを返す。

最も一般的なPath Aの失敗です。サーバーがリソース検証を呼び出し時まで延期するため、初期化ハンドシェイクはプレースホルダーURLで成功します。特定のサーバーの事前フライトチェックを再実行してください（Genieスペースが存在し、あなたと共有されているか、関数が存在し、EXECUTEの権限があるか、ベクトルインデックスが存在し、Can Viewの権限があるか）。

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、その他上記すべてを含む完全なプラットフォームをKiro内で利用するための最速の方法です。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、KiroまたはサポートされているIDE（Claude、Cursor、Copilot、Codex、Gemini）の基盤となるツールキットをインストールするには、github.com/databricks-solutions/ai-dev-kitにアクセスしてください。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はkiro.dev/docs/mcp/servers/にあります。

フィードバックや問題がありますか？databricks-solutions/ai-dev-kitで課題を提出してください。すべて拝見します。

ここに記載されている意見やアイデアは私たち自身の見解であり、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