AI Dev Kit Power로 Kiro IDE에 Databricks를 통합하세요

이것이 중요한 이유

AI 보조 개발은 어시스턴트가 열 이름, 테이블 레이아웃 또는 읽을 수 있는 카탈로그를 추측해야 하는 순간 무너집니다. 해결책은 접지(grounding)입니다. Model Context Protocol(MCP)을 통해 어시스턴트를 라이브 작업 공간 메타데이터에 연결하면 SQL은 실제 열을 사용하고, dbt 모델은 실제 테이블에 조인하며, 모든 쿼리는 이미 설정된 Unity Catalog 권한을 상속합니다. 플랫폼을 벗어나는 것은 없습니다. AI는 사용자가 볼 수 있는 것만 봅니다.

Kiro IDE에서 이것을 실용적으로 만들 두 가지 마일스톤이 방금 완료되었습니다.

첫째, Databricks AI Dev Kit는 PR #511에서 Kiro 지원을 업스트림으로 추가했습니다. 통합 설치 프로그램은 kiro를 claude, cursor, copilot, codex 및 gemini와 함께 우선순위 대상(first-class target)으로 취급합니다. 한 번의 명령으로 Kiro는 ~/.kiro/skills/ 및 ~/.kiro/settings/mcp.json에서 전체 툴킷을 가져옵니다.

둘째, Databricks AI Dev Kit Power는 PR #129에서 Kiro Powers 카탈로그에 포함되었습니다. Powers 패널을 열고 'Try'를 클릭하면 Power가 설치 프로그램, MCP 연결, 인증 감지 및 스킬 로딩 전체를 실행합니다.

이미 플랫폼에 포함된 네 개의 Databricks 관리 원격 MCP 서버와 결합하면 Kiro를 Databricks에 연결하는 두 가지 방법이 있습니다. 두 방법 모두 공통된 결과를 공유합니다. 어시스턴트가 스키마, 열 및 권한을 추측하는 대신 실제 작업 공간 권한을 상속할 때 빌더는 분석, 파이프라인 및 에이전트 워크플로우를 더 빠르게 배포합니다.

AI 보조 개발에 Databricks를 사용하는 이유

위의 두 마일스톤은 Kiro × Databricks를 실용적으로 만듭니다. 이것이 중요한 이유는 그 이면에 있는 것입니다. 세 가지 요소가 Databricks를 AI 보조 개발의 선택적 기반(substrate of choice)으로 만듭니다. 어떤 경로를 택하든 마찬가지입니다.

Unity Catalog는 AI를 데이터 수준에서 접지하는 유일한 거버넌스 계층입니다. 모든 MCP 호출(경로 A 또는 경로 B)은 행, 열 및 태그 기반 권한을 상속합니다. 어시스턴트는 데이터에 대한 특권적인 보기를 갖지 않습니다. 사용자가 볼 수 있는 것을 정확히 봅니다. 관리할 별도의 액세스 제어 계층이 없으며 AI가 존재조차 알 수 없는 테이블에 대해 쿼리를 작성할 위험도 없습니다.

데이터 복사본 하나, 정의 세트 하나. Databricks는 레이크하우스이므로 어시스턴트가 databricks-sql을 통해 쿼리하는 테이블은 dbt 모델이 쓰는 테이블, Genie 공간이 노출하는 테이블, AI/BI 대시보드가 읽는 테이블과 동일합니다. 창고-호수 동기화(warehouse-to-lake sync)를 중단할 필요도 없고, 동기화할 별도의 의미 계층(semantic layer)도 없습니다. 어시스턴트가 samples.tpch.lineitem에 자신을 접지할 때, 다른 모든 도구가 사용하는 것과 동일한 정의에 자신을 접지하는 것입니다.

전체 AI 스택이 통합되어 있습니다. Mosaic AI Gateway는 모델 호출을 라우팅합니다. Agent Bricks는 다중 에이전트 워크플로우를 조정합니다. MLflow는 실험 및 평가를 추적합니다. Vector Search는 의미 검색을 지원합니다. Lakebase는 트랜잭션 상태를 처리합니다. 이 모든 것이 Power에 표시되며, 모두 동일한 UC에 있습니다. 다섯 개의 제품을 엮는 것이 아니라 하나의 플랫폼을 사용하는 것입니다.

언급할 만한 네 번째 사항이 있습니다. Power 자체는 Databricks에서 구축했습니다. 다른 데이터 플랫폼은 Kiro, Cursor, Claude, Copilot, Codex 및 Gemini를 위한 원클릭 IDE Power를 제공하지 않습니다. MCP 계층은 개방적이고, 프로토콜은 개방적이며, 통합은 개방적입니다. 하지만 이를 감싸는 경험은 Databricks가 고객의 구축 방식에 맞춰 특별히 설계한 것입니다.

두 가지 경로 개요

통합 아키텍처 개요

두 경로 모두 동일한 백엔드를 공유합니다. Unity Catalog 강제 적용 및 Databricks 작업 공간 ID입니다. 표면 영역과 인증 모델에서 차이가 있습니다.

경로 A: 네 개의 관리형 MCP 서버에 연결

이것이 가장 가벼운 설정입니다. mcp.json 파일 하나, Databricks 개인 액세스 토큰(PAT), 셸 프로필 편집이 필요합니다. 10분 안에 Kiro는 Genie, SQL, Unity Catalog Functions 및 Vector Search와 통신합니다.

전제 조건

• Unity Catalog가 활성화된 AWS상의 Databricks 작업 공간.
• 사용하려는 MCP 서버(sql, unity-catalog, genie, vector-search)에 범위가 지정된 Databricks 개인 액세스 토큰(PAT) 또는 OAuth 토큰. 사용되지 않는 PAT는 90일 후에 자동으로 해지됩니다.
• Kiro가 최소 한 번 설치 및 실행되어 ~/.kiro/가 존재해야 합니다.
• 형식 <workspace>.cloud.databricks.com의 작업 공간 호스트 이름.

Databricks PAT 생성

Databricks 작업 공간에서 Settings, Developer, Access tokens, Manage, Generate new token으로 이동합니다. 팀의 순환 정책과 일치하는 만료일을 설정합니다. 필요한 API 범위만 선택합니다. "모든 것"의 편리함보다 최소 권한이 우선합니다. 토큰을 즉시 복사합니다. Databricks는 다시 표시하지 않습니다.

Kiro가 MCP 구성을 저장하는 위치

Kiro는 두 범위의 JSON에서 MCP 구성을 읽습니다. 작업 공간이 사용자 설정을 재정의합니다.

• 사용자 범위: ~/.kiro/settings/mcp.json는 모든 작업 공간에 적용됩니다.
• 작업 공간 범위: $PWD/.kiro/settings/mcp.json는 현재 작업 공간에만 적용되며 동일한 키의 사용자 범위 항목을 재정의합니다.

Kiro 서버 디렉토리에서 원클릭 설치

kiro.dev/docs/mcp/servers/로 이동하여 Databricks 행을 찾고 'Add to Kiro'를 클릭합니다. 브라우저가 Kiro를 실행하고 미리 채워진 구성으로 확인 대화 상자를 엽니다. 확인하면 databricks-sql 항목이 ~/.kiro/settings/mcp.json에 기록됩니다. 이 항목은 아직 존재하지 않는 두 개의 환경 변수를 참조합니다. 다음 단계에서 설정합니다.

databricks-sql 항목 확인(또는 추가)

환경 변수 설정

Kiro를 시작하는 셸 프로필에서(macOS의 경우 일반적으로 ~/.zshrc):

Kiro를 시작하기 전에 프로필을 소싱합니다(macOS의 경우 source ~/.zshrc). Kiro를 완전히 종료(macOS의 경우 Cmd+Q)하고 다시 시작합니다. 'Reload Window'는 환경 변수를 다시 읽지 않습니다. 프로세스 재시작만 가능합니다.

Genie, UC Functions 및 Vector Search 추가

네 개의 Databricks 관리 서버 모두 원격 HTTP MCP로 연결됩니다. 초기화 핸드셰이크는 플레이스홀더 URL로도 성공합니다. 서버는 도구가 호출될 때만 리소스를 검증합니다. tools/call가 RESOURCE_DOES_NOT_EXIST 또는 PERMISSION_DENIED를 반환하는 연결되었지만 작동하지 않는 상태가 가장 일반적인 실패 모드입니다. 먼저 이러한 사전 점검을 실행합니다.

• Genie: Genie 공간이 존재하고 열 수 있는지 확인합니다. 공간 ID는 URL에 표시됩니다.

추가 환경 변수(DATABRICKS_GENIE_MCP_URL, DATABRICKS_UC_FUNCTIONS_MCP_URL, DATABRICKS_VECTOR_SEARCH_MCP_URL)를 추가하고 mcp.json을(를) 전체 구성으로 업데이트합니다.

서버별 URL 형식:

Kiro를 종료했다가 다시 시작하세요. Kiro 패널의 MCP SERVERS 섹션을 열면 네 개의 databricks-* 항목이 녹색 상태 표시기와 함께 나타납니다. 빨간색 항목이 있으면 다시 연결을 클릭하고 사전 점검을 다시 확인하세요. 채팅 패널에서 간단한 첫 쿼리를 시도해 보세요: "액세스할 수 있는 카탈로그 목록을 보여줘."

경로 B: Databricks AI Dev Kit Power 설치

네 개의 관리형 서버는 SQL, 의미 검색 및 자연어 분석을 처리하며, 이는 많은 빌더에게 충분합니다. 워크플로우가 파이프라인, 작업, 모델 서빙, Lakebase, Asset Bundles, Mosaic AI, Agent Bricks, AI/BI 대시보드, MLflow 또는 Databricks Apps에 걸쳐 있다면 네 개의 서버 설정으로는 하루 종일 작업 공간 UI로 복사하여 붙여넣어야 합니다.

Databricks AI Dev Kit Power가 이를 해결합니다. 한 번의 설치로 모든 필수 도구와 기술, 네 가지 인증 옵션을 제공하며 모두 필요에 따라 로드할 수 있습니다.

제공되는 기능

원클릭 설치

Kiro 내에서 Powers 패널을 열고 databricks을(를) 검색한 후 시도(Try)를 클릭합니다. Power는 공식 Databricks AI Dev Kit 설치 프로그램을 비대화형 Kiro 모드로 실행합니다.

설치 프로그램은 MCP 서버를 다운로드하고, uv 가상 환경을 생성하며, 전문가 기술 라이브러리를 ~/.kiro/skills/으로(로) 가져옵니다. Power는 기술을 자체 steering/ 디렉터리로 복사하여 해당 작업에 따라 필요할 때 로드되도록 합니다. Power 자체에는 콘텐츠가 번들로 포함되어 있지 않으며, 모든 것이 업스트림에서 가져오므로 기술은 최신 상태로 유지됩니다.

네 가지 인증 옵션

Power의 온보딩 흐름은 기존 자격 증명을 감지하고 올바른 선택을 안내합니다. 네 가지 모두 인라인으로 문서화되어 있습니다.

Power의 mcp.json은(는) 옵션을 선택할 때까지 disabled: true을(를) 포함하며, 명시적으로 자격 증명을 선택하고 구성할 때까지 아무것도 연결되지 않습니다. 자격 증명 감지 흐름은 중립적입니다. 여러 자격 증명이 감지되면 네 가지 옵션이 모두 순서대로 제공되며 기본값이나 자동 재사용은 없습니다.

설치 확인

Kiro를 다시 시작하고 MCP SERVERS 패널을 열어 databricks 항목이 연결되었는지 (녹색) 확인합니다. 채팅에 "내 현재 Databricks 사용자 가져오기"라고 질문하세요. 이 단일 호출은 인증, 환경 변수 확인 및 서버 활성화를 실행합니다. 작동하면 전체 체인이 정상입니다.

두 경로 간 선택 방법

간단한 결정 트리:

1. SQL 실행, Genie를 통한 거버넌스된 데이터셋에 대한 자연어 질문, 벡터 인덱스 검색만 수행하시나요? 경로 A를 사용하세요. 네 개의 관리형 서버가 정확히 그 역할을 하며, 설정은 10분이면 완료됩니다.
2. 파이프라인 작성, 작업 관리, 에셋 번들 배포, Lakebase 사용, Databricks 앱 빌드 또는 Mosaic AI / Agent Bricks 호출 중이신가요? 경로 B를 사용하세요. 전체 툴킷은 일회성 원격 MCP 서버로 추가하기에는 너무 많은 표면적을 가지고 있습니다.
3. 하이브리드인가요? 둘 다 실행하세요. 경로 A와 경로 B는 충돌하지 않습니다. The Power는 자체 mcpServers.databricks 항목을 작성하는 반면, 경로 A의 네 개의 서버(databricks-genie, databricks-sql, databricks-uc-functions, databricks-vector-search)는 별도의 키입니다. Kiro는 이 모든 것을 MCP 패널에 표시합니다.

Databricks 워크로드에서 매일 Kiro를 사용할 계획인 빌더에게는 경로 B가 장기적으로 더 나은 해결책입니다. 10분 안에 SQL 웨어하우스를 채팅하고 싶다면 경로 A가 올바른 해결책입니다.

빌더의 관점에서

두 경로 모두 IDE를 누가 잡고 있느냐에 따라 다르게 착륙합니다. 네 가지 페르소나, 네 가지 문제점, 네 가지 해결책.

분석 엔지니어. 하루의 절반은 본 적 없는 테이블을 쿼리하는 데 보내고 나머지 절반은 편집기와 워크스페이스 UI 간에 복사하여 붙여넣는 데 보냅니다. 경로 A는 10분 안에 이 문제를 해결합니다. Genie 및 SQL 서버는 모든 쿼리를 실제 스키마 메타데이터에 기반하며, 어시스턴트는 추측이 아닌 실제 열을 기반으로 작성하며, 모든 결과는 Unity Catalog 권한을 상속합니다. 탭 전환을 멈춥니다.

데이터 엔지니어. 파이프라인, 작업, 에셋 번들 및 이 세 가지와 함께 제공되는 교차 환경 프로모션이 하루 일과입니다. databricks.yml을 수동으로 작성하고 터미널 사이드바에서 databricks bundle deploy를 실행하는 것은 느린 방법입니다. 경로 B는 빠른 방법입니다. The Power의 파이프라인 + 작업 + 에셋 번들 기술은 단일 대화에서 IaC를 생성, 검증 및 배포합니다. Spark 선언적 파이프라인, CDC, SCD 유형 2, Auto Loader — 모두 실제 UC 테이블을 기반으로 생성되어 커밋할 준비가 되었습니다.

AI / 에이전트 빌더. 스키마에 대해 약간 동의하지 않는 세네 개의 도구에 걸쳐 모델 호출, 평가, 거버넌스 및 에이전트 오케스트레이션을 연결하고 있습니다. 경로 B는 라우팅 및 장애 조치를 위한 Mosaic AI Gateway, 다중 에이전트 감독자 및 지식 도우미를 위한 Agent Bricks, 평가를 위한 MLflow, 검색을 위한 Vector Search — 모두 UC로 관리되는 Databricks AI 표면 전체를 다룹니다. 에이전트는 호출자와 동일한 권한을 상속하며, 평가 추적은 학습 실행과 동일한 워크스페이스에 안착합니다.

플랫폼 빌더. Databricks 리소스를 코드로 관리하고, dev/stage/prod 간에 프로모션하며, 주간 일정으로 "드리프트가 발생했습니까?"라는 질문에 답합니다. 경로 B의 에셋 번들 기술과 Unity Catalog 관리 기술은 전체 번들을 생성하고, 워크스페이스의 실제 상태와 비교하여 검증하며, 문제가 발생하기 전에 드리프트를 표시합니다. 수동으로 YAML 세트를 하나 유지하고 다른 하나는 문서에 유지하는 것을 중단합니다.

오늘 실행할 수 있는 워크플로

어떤 경로를 선택하든 이 연습은 모든 Databricks 워크스페이스에서 사용할 수 있는 samples.tpch 카탈로그를 사용하여 실제 워크스페이스 메타데이터에 어시스턴트를 기반으로 합니다.

질문: "samples.tpch.lineitem에는 어떤 열과 유형이 있으며, l_shipdate 연도별 데이터 분포는 어떻습니까?"

Kiro는 단일 MCP 실행 쿼리에서 실제 스키마와 히스토그램을 반환합니다. 실제 열 이름, 실제 분포, 환각 없음.

질문: "lineitem을 orders에 조인하고 분기별 국가별 수익을 집계하는 dbt 모델을 작성하세요."

Kiro는 추측 대신 실제 열 이름(l_extendedprice, l_discount, o_orderdate)을 사용하여 SQL을 생성합니다. 먼저 스키마를 쿼리했기 때문에 정확한 유형과 수준을 알고 있습니다.

질문: "새 집계를 samples.tpch에 대해 실행하고 행 수를 지난주 poc.gold.revenue_by_nation_qtr의 스냅샷과 비교하세요."

Kiro는 두 쿼리를 모두 실행하고 차이를 표시합니다. 숫자가 이상해 보이면 "gold.revenue_by_nation_qtr의 계보를 보여줘"라고 하면 system.access.table_lineage에서 업스트림 테이블을 가져옵니다. 확인되면 Kiro는 모델에 대한 Databricks 작업 JSON을 생성하고 해당 작업이 사용하는 카탈로그와 스키마를 나열합니다.

경로 B에서는 동일한 워크플로가 "이 작업에 대한 에셋 번들을 생성하고 스테이징에 배포" 또는 "이 집계를 기반으로 AI/BI 대시보드를 생성" 또는 "장애 조치 모델과 함께 Mosaic AI 게이트웨이 엔드포인트에 연결"로 확장되며, IDE를 벗어나지 않고도 가능합니다.

모범 사례, 경로에 관계없이

• 최소 권한 인증. 워크스테이션 및 범위 세트별로 별도의 PAT를 생성합니다. 경로 B에서는 PAT보다 대화형 사용에 OAuth U2M을 선호합니다.
• 자격 증명을 커밋하지 마세요. DATABRICKS_ACCESS_TOKEN를 셸 프로필 또는 비밀 관리자에 저장하세요. 소스 제어에 커밋된 mcp.json에는 절대 넣지 마세요.
• 프로젝트별 범위 지정. 각 프로젝트가 자체 리소스 바인딩을 가지도록 Genie 공간 ID와 Vector Search 인덱스 경로를 $PWD/.kiro/settings/mcp.json에 보관하세요.
• UC 권한 신뢰. 모든 경로는 Unity Catalog 행, 열 및 태그 기반 권한을 적용합니다. AI는 모든 호출에서 효과적인 권한을 상속합니다. 관리할 별도의 액세스 제어 계층이 없습니다.
• 다시 시작, 다시 로드하지 않음. Kiro는 프로세스 시작 시 환경 변수를 한 번 읽습니다. 셸 프로필을 편집하거나 인증을 추가한 후에는 완전히 종료(macOS의 경우 Cmd+Q)하고 다시 엽니다.

문제 해결

"서버를 찾을 수 없음" 또는 MCP 항목에 빨간색 상태 표시.

경로 A: Kiro를 시작한 셸에서 echo $DATABRICKS_SQL_MCP_URL를 확인하세요. 빈 값은 Kiro가 URL을 확인할 수 없음을 의미합니다. 작업 영역 범위 mcp.json가 사용자 범위 구성을 가리고 있지 않은지 확인하세요. PAT가 설정, 개발자, 액세스 토큰에서 여전히 유효한지 확인하세요.

경로 B: Power의 온보딩에서 자격 증명 감지 흐름을 다시 입력하세요. MCP 서버가 Invalid access token 또는 401를 반환하는 경우, Power의 내장된 401 복구 후크는 도구 호출을 일시 중지하고 인증 옵션을 다시 표시합니다.

MCP에 연결되었지만 도구 호출이 RESOURCE_DOES_NOT_EXIST 또는 PERMISSION_DENIED을 반환합니다.

가장 일반적인 경로 A 실패입니다. 초기화 핸드셰이크는 서버가 호출 시까지 리소스 유효성 검사를 연기하기 때문에 자리 표시자 URL로 성공합니다. 특정 서버에 대한 사전 점검을 다시 실행하세요(Genie 공간이 존재하고 공유되었으며, 함수가 존재하고 EXECUTE 권한이 있으며, 벡터 인덱스가 존재하고 볼 수 있는 권한이 있음).

오늘 시도해 보세요. Databricks AI Dev Kit Power는 파이프라인, 작업, Lakebase, Mosaic AI, Agent Bricks 및 위에 나열된 기타 모든 것을 Kiro 내에서 사용할 수 있는 가장 빠른 방법입니다. Kiro Powers 카탈로그에서 직접 설치하거나 github.com/kirodotdev/powers 또는 Kiro 또는 지원되는 IDE(Claude, Cursor, Copilot, Codex, Gemini)용 기본 툴킷을 설치하려면 github.com/databricks-solutions/ai-dev-kit을 방문하세요. Databricks에서 관리하는 네 개의 MCP 서버의 경우 원클릭 설치는 kiro.dev/docs/mcp/servers/에 있습니다.

피드백이 있거나 문제가 발생했나요? databricks-solutions/ai-dev-kit에 이슈를 제출하세요. 모든 이슈를 읽습니다.

여기에 공유된 의견과 아이디어는 당사의 것이며 공식 Databricks 정책이 아닙니다.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)