주요 컨텐츠로 이동
플랫폼

Databricks Power로 Databricks를 Kiro IDE로 가져오세요

Kiro IDE를 Databricks 플랫폼에 연결하는 두 가지 방법: 10분 만에 시작할 수 있는 Databricks 관리형 MCP 서버 네 개, 또는 전체 기능을 제공하는 Databricks Power와 공식 에이전트 스킬입니다.

작성자: Antony Prasad Thevaraj , Venkatavaradhan Viswanathan

  • Kiro IDE를 Databricks에 연결하는 두 가지 방법: PAT 기반으로 10분 만에 설정하는 Databricks 관리형 MCP 서버 네 개(Genie, SQL, Unity Catalog Functions, AI Search), 또는 Databricks CLI로 공식 Databricks 에이전트 스킬을 설치하는 Databricks Power입니다.
  • 실제 워크스페이스 메타데이터에 기반한 AI 지원 개발: 두 방법 모두 Unity Catalog 권한, 행 필터, 열 마스크를 그대로 상속하므로 어시스턴트는 실제 열을 사용해 SQL을 작성하고 사용자가 볼 수 있는 것만 봅니다.
  • 기능 범위에 따라 선택하세요: 경로 A는 분석가와 SQL 중심 개발자를 위한 가장 가벼운 설정이고, 경로 B는 Databricks 플랫폼 전체(파이프라인, 작업, Agent Bricks, Lakebase, Declarative Automation Bundles)를 IDE 안에서 사용할 수 있게 합니다.

왜 중요한가

AI 지원 개발은 어시스턴트가 열 이름, 테이블 구조, 읽을 수 있는 카탈로그를 추측해야 하는 순간 무너집니다. 해결책은 그라운딩입니다. Model Context Protocol(MCP)을 통해 어시스턴트를 실시간 워크스페이스 메타데이터에 연결하면, 어시스턴트가 작성하는 SQL은 실제 열을 사용하고, dbt 모델은 실제 테이블을 조인하며, 모든 쿼리는 이미 설정된 Unity Catalog 권한을 상속합니다. 액세스는 Databricks에서 적용되므로 AI는 사용자가 볼 수 있는 것만 봅니다.

AWS가 만든 Kiro IDE에서 이를 실용적으로 만드는 두 가지 이정표가 마련되었습니다.

첫째, 이제 Kiro는 Databricks CLI에서 지원되는 에이전트입니다. CLI v1.20.0부터 databricks aitools install --agents kiro 명령이 공식 Databricks 에이전트 스킬을 ~/.kiro/skills/ 위치에 설치합니다. 이전에 Databricks AI Dev Kit에 포함되던 스킬은 이제 이 공식 스킬이 되었으며, CLI가 설치합니다.

둘째, Kiro Powers 카탈로그의 Databricks Power가 이제 같은 공식 스킬을 설치합니다. Databricks CLI로 스킬을 설정하며 MCP 서버는 포함하지 않습니다. Powers 패널에서 설치하면 설정 스킬이 CLI 확인, 로그인, 스킬 설치 과정을 안내합니다.

플랫폼에 이미 포함된 Databricks 관리형 원격 MCP 서버 네 개와 함께 사용하면 Kiro를 Databricks에 연결하는 방법은 두 가지가 됩니다. 두 방법 모두 결과는 같습니다. 어시스턴트가 스키마, 열, 권한을 추측하는 대신 실제 워크스페이스 권한을 상속하면, 개발자는 분석, 파이프라인, 에이전트 워크플로를 더 빠르게 제공할 수 있습니다.

AI 지원 개발에 Databricks를 선택해야 하는 이유

위의 두 가지 이정표 덕분에 Kiro × Databricks가 실용적으로 바뀌었습니다. 하지만 중요한 것은 그 아래에 있는 기반입니다. 어떤 방법을 선택하든 Databricks가 AI 지원 개발의 기반으로 가장 적합한 이유는 네 가지입니다.

Unity Catalog는 데이터 수준에서 AI를 그라운딩합니다. 경로 A의 MCP 도구든 경로 B에서 스킬이 실행하는 Databricks CLI 명령이든, 모든 호출은 사용자 자신의 권한으로 실행됩니다. 테이블 권한, 행 필터, 열 마스크는 SQL과 Genie 에이전트에 적용되며, AI Search 인덱스는 개별적으로 공유됩니다. 어시스턴트는 데이터에 대한 특권적인 뷰를 갖지 않으며, 사용자가 보는 것만 봅니다. 어시스턴트를 위해 별도의 액세스 제어 계층을 관리할 필요가 없습니다.

데이터 사본도 하나, 정의도 하나. Databricks는 레이크하우스이므로 어시스턴트가 databricks-sql로 쿼리하는 테이블은 dbt 모델이 쓰는 테이블, Genie 에이전트가 노출하는 테이블, AI/BI 대시보드가 읽는 테이블과 같습니다. 깨질 수 있는 웨어하우스와 레이크 간 동기화도, 따로 동기화해야 하는 별도의 시맨틱 계층도 없습니다. 어시스턴트가 samples.tpch.lineitem을 기반으로 작업하면 다른 모든 도구와 같은 정의를 기반으로 하게 됩니다.

전체 AI 스택이 나중에 덧붙인 것이 아니라 통합되어 있습니다. Unity Gateway는 모델 호출을 라우팅합니다. Agent Bricks는 멀티 에이전트 워크플로를 오케스트레이션합니다. MLflow는 실험과 평가를 추적합니다. AI Search는 시맨틱 검색을 지원합니다. Lakebase는 트랜잭션 상태를 처리합니다. 스킬은 이 모든 것(databricks-unity-gateway, databricks-agent-bricks, databricks-mlflow-evaluation, databricks-vector-search, databricks-lakebase)을 다루며, 모두 같은 Unity Catalog 위에서 동작합니다. 다섯 개의 제품을 이어 붙이는 것이 아니라 하나의 플랫폼을 사용하는 것입니다.

스킬은 Databricks가 직접 만듭니다. 프로토콜은 개방되어 있지만, 스킬 안의 가이드는 고객이 개발하는 방식에 맞춰 Databricks가 직접 작성합니다.

두 가지 경로 한눈에 보기

항목

경로 A: 관리형 MCP 서버

경로 B: Databricks Power

기능 범위

서버 4개: Genie, SQL, Unity Catalog Functions, AI Search

공식 Databricks 에이전트 스킬과 MLflow 스킬

제공 기능

자연어 SQL, 시맨틱 검색, 거버넌스가 적용된 함수 실행

경로 A의 기능에 더해 파이프라인, 작업, 대시보드, Lakebase, Agent Bricks, Declarative Automation Bundles, MLflow, 모델 서빙, Apps

호스팅

Databricks 관리형(원격 HTTPS)

Databricks CLI(databricks aitools)가 사용자 컴퓨터에 설치하는 스킬, MCP 서버 없음

인증

셸 환경의 PAT

Databricks CLI 프로필, OAuth U2M 권장

설정

~/.kiro/settings/mcp.json 편집, 환경 변수 내보내기

Power 설치 후 안내에 따라 CLI 설정

적합한 사용자

10분 만에 웨어하우스에 질문하고 싶은 분석가와 SQL 중심 개발자

하나의 IDE에서 Databricks의 전체 기능이 필요한 데이터 엔지니어와 플랫폼 개발자

통합 아키텍처 한눈에 보기

아키텍처 다이어그램: 개발자 노트북의 Kiro IDE는 두 가지 방법으로 Databricks 워크스페이스에 연결됩니다. 경로 A는 PAT 또는 OAuth를 사용해 HTTPS로 Genie, SQL, Unity Catalog Functions, AI Search용 관리형 MCP 서버에 연결합니다. 경로 B는 Databricks Power를 사용합니다. Databricks Power는 에이전트 스킬, MLflow 스킬, CLI 프로필과 함께 로컬에서 실행되며, 워크스페이스, 컴퓨팅, MLflow, 번들용 Databricks API를 호출합니다. Power 없이도 databricks aitools install --agents kiro 명령으로 같은 스킬을 설치할 수 있습니다. Unity Catalog는 Amazon S3에 있는 데이터에 대한 모든 호출에 사용자의 권한, 부여 및 정책을 적용합니다.

두 경로는 Unity Catalog의 적용과 Databricks 워크스페이스 ID라는 같은 백엔드를 공유합니다. 차이는 기능 범위와 인증 모델에 있습니다.

경로 A: 관리형 MCP 서버 네 개에 연결하기

가장 가벼운 설정입니다. mcp.json 파일 하나, Databricks 개인 액세스 토큰(Personal Access Token), 셸 프로필 수정만 있으면 됩니다. 10분 안에 Kiro가 Genie, SQL, Unity Catalog Functions, AI Search와 통신합니다.

새로운 통합의 경우, Databricks는 이제 Unity Gateway를 통한 system.ai MCP를 권장합니다. 이 경로의 /api/2.0/mcp 엔드포인트 네 개는 퍼블릭 프리뷰 단계이며 Unity Gateway의 관리를 받지 않습니다. 액세스는 계속해서 기본 리소스(Genie 에이전트, 테이블, 함수, 인덱스, SQL 웨어하우스)에 대한 사용자의 권한을 따릅니다. 포기하는 것은 Unity Gateway의 추적 기능과 MCP 수준의 권한, 정책, 가드레일뿐입니다. Genie One MCP(system.ai.genie_one_mcp)는 정식 출시되었으며, Databricks Power의 설정 스킬에서 mcp.json 파일에 추가하는 방법을 안내합니다. 두 옵션에 대한 자세한 내용은 Databricks-provided MCPs 문서를 참조하세요.

사전 요구 사항

  • Unity Catalog가 활성화된 AWS 기반 Databricks 워크스페이스.
  • 워크스페이스 관리자가 워크스페이스의 Previews 페이지에서 Managed MCP Servers를 활성화해야 합니다. 활성화하지 않으면 아래 URL이 작동하지 않습니다.
  • 사용하려는 MCP 서버(sql, unity-catalog, genie, ai-search)로 범위가 지정된 Databricks 개인 액세스 토큰(PAT) 또는 OAuth 토큰. 사용하지 않는 PAT는 90일 후 자동으로 취소됩니다.
  • Kiro가 설치되어 있고 ~/.kiro/ 디렉터리가 생성되도록 한 번 이상 실행한 상태.
  • <workspace>.cloud.databricks.com 형식의 워크스페이스 호스트 이름.

Databricks PAT 생성하기

Databricks 워크스페이스에서 Settings, Developer, Access tokens, Manage, Generate new token 순서로 이동합니다. 팀의 교체 정책에 맞는 만료일을 설정하세요. 필요한 API 범위만 선택하세요. '전체'를 선택하는 편리함보다 최소 권한이 중요합니다. 토큰은 바로 복사하세요. Databricks는 토큰을 다시 표시하지 않습니다.

Kiro가 MCP 설정을 저장하는 위치

Kiro는 두 가지 범위의 JSON에서 MCP 설정을 읽으며, 워크스페이스 범위가 사용자 범위보다 우선합니다.

  • 사용자 범위: ~/.kiro/settings/mcp.json 파일은 모든 워크스페이스에 적용됩니다.
  • 워크스페이스 범위: $PWD/.kiro/settings/mcp.json 파일은 현재 워크스페이스에만 적용되며, 사용자 범위에서 같은 키를 가진 항목을 덮어씁니다.

Kiro 서버 디렉터리에서 원클릭 설치

kiro.dev/docs/mcp/servers/ 페이지를 열고 Databricks 행을 찾아 Add to Kiro를 클릭합니다. 브라우저가 Kiro를 실행하고 설정이 미리 채워진 확인 대화 상자를 엽니다. 확인을 누르면 databricks-sql 항목이 ~/.kiro/settings/mcp.json 파일에 기록됩니다. 이 항목은 비활성화된 상태로 추가되며, 자리 표시자 URL과 DATABRICKS_ACCESS_TOKEN 변수 참조가 들어 있습니다. 그런 다음 URL을 ${DATABRICKS_SQL_MCP_URL}(으)로 설정하고, "disabled" 값을 false(으)로 바꾼 뒤, 두 변수를 모두 만듭니다.

databricks-sql 항목 확인(또는 추가)하기

환경 변수 설정하기

Kiro를 실행하는 셸 프로필(macOS에서는 보통 ~/.zshrc)에 다음을 추가합니다.

Kiro를 실행하기 전에 프로필을 다시 불러옵니다(source ~/.zshrc). Kiro를 완전히 종료한 다음(macOS에서는 Cmd+Q) 다시 엽니다. Reload Window는 환경 변수를 다시 읽지 않으며, 프로세스를 다시 시작해야만 다시 읽습니다.

Kiro는 승인한 환경 변수에 대해서만 mcp.json 파일의 ${...} 참조를 확장합니다. Kiro가 DATABRICKS_* 변수 목록이 담긴 보안 프롬프트를 표시하면 승인하거나, Settings, Mcp Approved Env Vars에서 직접 추가하세요.

Genie, Unity Catalog Functions, AI Search 추가하기

Databricks 관리형 서버 네 개는 모두 원격 HTTP MCP로 연결됩니다. initialize 핸드셰이크는 자리 표시자 URL로도 성공하며, 서버는 도구가 호출될 때에만 리소스를 검증합니다. 연결은 되었지만 tools/call 호출이 RESOURCE_DOES_NOT_EXIST 또는 PERMISSION_DENIED 오류를 반환하는 상태가 가장 흔한 실패 유형입니다. 먼저 다음 사전 점검을 진행하세요.

  • Genie: Genie 에이전트가 존재하고 열 수 있는지 확인합니다. 에이전트의 Settings 탭에서 스페이스 ID를 복사합니다(UI에는 Agent ID로 표시됩니다). 이 값이 아래 URL 표의 <genie_space_id> 값입니다.
  • Unity Catalog Functions: 함수가 존재하고 EXECUTE 권한이 있는지 확인합니다. 다음 쿼리로 함수를 조회할 수 있습니다.
    SELECT * FROM system.information_schema.routines WHERE routine_type = 'FUNCTION'
  • AI Search: 액세스할 수 있는 인덱스가 하나 이상 있는 엔드포인트가 존재하는지 확인합니다.
  • PAT 범위: 워크스페이스 범위의 PAT를 사용하더라도 사용자에게 특정 리소스에 대한 액세스 권한(Genie 에이전트의 Can View, 또는 AI Search 인덱스의 SELECT 권한과 USE CATALOG, USE SCHEMA 권한)이 없으면 PERMISSION_DENIED 오류가 발생할 수 있습니다. Genie 에이전트는 개별적으로 공유됩니다.

추가 환경 변수(DATABRICKS_GENIE_MCP_URL, DATABRICKS_UC_FUNCTIONS_MCP_URL, DATABRICKS_AI_SEARCH_MCP_URL)를 추가하고 mcp.json 파일을 전체 설정으로 업데이트합니다.

서버별 URL 형식:

서버

URL 패턴

databricks-genie

https://<workspace-hostname>/api/2.0/mcp/genie/<genie_space_id>

databricks-sql

https://<workspace-hostname>/api/2.0/mcp/sql

databricks-uc-functions

https://<workspace-hostname>/api/2.0/mcp/functions/<catalog>/<schema>/<function_name>

databricks-ai-search

https://<workspace-hostname>/api/2.0/mcp/ai-search/<catalog>/<schema>/<index_name>

Kiro를 종료하고 다시 실행합니다. Kiro 패널의 MCP SERVERS 섹션을 열면 databricks-* 항목 네 개가 녹색 상태 표시와 함께 나타납니다. 빨간색으로 표시된 항목이 있으면 reconnect를 클릭하고 사전 점검을 다시 진행하세요. 채팅 패널에서 위험이 적은 첫 쿼리를 시도해 보세요: "List the catalogs I have access to."

경로 B: Databricks Power 설치하기

관리형 서버 네 개는 SQL, 시맨틱 검색, 자연어 분석을 다루며, 많은 개발자에게는 이것으로 충분합니다. 하지만 워크플로에 파이프라인, 작업, 모델 서빙, Lakebase, Declarative Automation Bundles, Agent Bricks, AI/BI 대시보드, MLflow, Databricks Apps가 포함된다면, 서버 네 개만으로는 하루 종일 워크스페이스 UI로 복사하고 붙여넣는 작업을 반복하게 됩니다.

Databricks Power가 이 문제를 해결합니다. 한 번의 설치로 공식 Databricks 에이전트 스킬이 설정되며, 작업 내용에 따라 필요할 때 로드됩니다.

제공 기능

영역

지원 범위

SQL & Compute

웨어하우스에서 SQL 실행, 클러스터에서 Python 또는 Scala 실행, 컴퓨팅 수명 주기 관리

Pipelines & Jobs

Spark Declarative Pipelines(스트리밍 테이블, CDC, SCD Type 2, Auto Loader), 다중 태스크 작업 DAG

Unity Catalog

테이블, 볼륨, 권한, 태그, 스토리지 자격 증명, 시스템 테이블, 메트릭 뷰, External Iceberg Reads

AI/BI 대시보드

시각화, KPI, 분석 대시보드

Genie 에이전트

거버넌스가 적용된 데이터 세트에 대한 자연어 데이터 탐색

Agent Bricks

Knowledge Assistants(RAG) 및 Multi-Agent Supervisors

AI Search

관리형 인덱스를 사용한 시맨틱 검색 및 RAG

모델 서빙

ML 모델, AI 에이전트, 토큰당 과금되는 Foundation Model APIs(FMAPI), Unity Gateway를 통한 라우팅 지원

MLflow

실험, 평가, 트레이스 계측, 메트릭 쿼리

Lakebase

OLTP 워크로드를 위한 프로비저닝형 및 자동 확장형 관리형 PostgreSQL

Databricks Apps

레이크하우스 기반 풀스택 웹 앱

Declarative Automation Bundles(이전 명칭 Databricks Asset Bundles)

Databricks 리소스를 위한 코드형 인프라(IaC)

Power 설치하기

Kiro(IDE 1.0.288 이상)에서 Powers 패널을 열고 databricks을(를) 검색한 다음 Databricks Power를 설치합니다. 이후 설정 스킬이 다음 네 단계를 안내합니다.

  1. Databricks CLI가 v1.20.0 이상(databricks aitools에서 Kiro를 지원하는 첫 릴리스)인지 확인하고, 필요하면 설치하거나 업그레이드합니다.
  2. databricks auth login 명령으로 CLI에 로그인하거나 기존 프로필을 재사용합니다.
  3. databricks aitools install --agents kiro --scope global 명령으로 스킬을 설치하면 스킬이 ~/.kiro/skills/ 위치에 저장됩니다. 하나의 워크스페이스에만 설치하려면 --scope project 옵션을 사용하세요.
  4. CLI에 포함되지 않은 MLflow 스킬 여덟 개(추적, 평가, 트레이스 분석, 메트릭)를 mlflow/skills에서 추가합니다.

설정 스킬을 제외하면 Power에는 별도의 콘텐츠도, MCP 서버도 포함되어 있지 않습니다. CLI는 databricks/databricks-agent-skills에서 스킬을 가져오며, 스킬은 databricks aitools update 명령으로 직접 업데이트합니다.

인증

스킬은 Databricks CLI 명령을 실행하므로 Databricks CLI 프로필을 사용합니다. 대화형으로 사용할 때는 OAuth 사용자-머신 인증으로 로그인하세요. databricks auth login --host https://<your-workspace-url> --profile <profile-name> 명령을 실행하면 브라우저가 열리고, 토큰은 자동으로 갱신됩니다. 자동화에는 서비스 주체 OAuth가 적합하며, 개인 액세스 토큰도 계속 사용할 수 있습니다. 자세한 내용은 Databricks CLI authentication 문서를 참조하세요. 설정 스킬은 비밀 정보를 출력하지 않고 기존 프로필을 나열하며, 묻지 않고 프로필을 재사용하지 않습니다.

설치 확인하기

Kiro는 채팅 세션이 시작될 때 스킬을 로드하므로, 새 세션을 열고 "Using the databricks-core skill, which workspace am I connected to?"라고 질문하세요. 올바른 답변이 나오면 CLI, 프로필, 스킬이 모두 정상임을 확인할 수 있습니다. databricks aitools list 명령으로 각 스킬의 설치 버전을 확인할 수 있습니다.

AI Dev Kit Power에서 업그레이드하기

이전 Databricks AI Dev Kit Power를 설치했다면 Kiro에서 Power를 업데이트한 다음 위의 스킬 및 MLflow 단계를 실행하세요. Power 외부에 있어 직접 정리해야 하는 항목이 몇 가지 있습니다. databricks-mcp-server/run_server.py 파일을 실행하는 mcp.json 파일의 최상위 databricks 항목, 그리고 이전 설정이 셸 프로필에 추가한 DATABRICKS_* 자격 증명 내보내기입니다. 필요하면 ai-dev-kit 클론(~/.ai-dev-kit 또는 AIDEVKIT_HOME에 지정된 디렉터리)을 삭제하세요. 단, 다른 에이전트나 프로젝트에서 ai-dev-kit을 사용하지 않는 경우에만 삭제하세요. ai-dev-kit의 install.sh --uninstall 명령은 실행하지 말고 디렉터리를 직접 삭제하세요. 이 명령은 ~/.kiro/skills/에서 이름을 기준으로 스킬 폴더를 삭제하므로 Databricks CLI가 설치한 스킬까지 지워집니다. Power의 databricks-kiro-setup 스킬에 있는 "Migrating from the AI Dev Kit Power" 섹션에서 세 가지를 모두 다룹니다.

두 경로 중 선택하는 방법

간단한 결정 트리:

  1. SQL을 실행하고, Genie로 거버넌스가 적용된 데이터 세트에 자연어로 질문하고, AI Search 인덱스를 검색하기만 하나요? 그렇다면 경로 A를 사용하세요. 관리형 서버 네 개가 정확히 그 일을 하며, 설정은 10분이면 끝납니다.
  2. 파이프라인을 작성하고, 작업을 관리하고, Declarative Automation Bundles를 배포하고, Lakebase로 작업하고, Databricks Apps를 개발하거나 Agent Bricks를 호출하나요? 그렇다면 경로 B를 사용하세요. 전체 툴킷은 범위가 너무 넓어서 개별 원격 MCP 서버로 붙이기에는 적합하지 않습니다.
  3. 둘 다 필요하신가요? 두 경로를 함께 사용하세요. 경로 A와 경로 B는 충돌하지 않습니다. 경로 B는 MCP 서버가 아닌 스킬을 추가하므로, 경로 A의 서버 네 개(databricks-genie, databricks-sql, databricks-uc-functions, databricks-ai-search)가 Kiro의 MCP 패널에 함께 표시됩니다. Power의 설정 스킬은 Genie One 같은 Databricks 제공 MCP를 Unity Gateway를 통해 mcp.json 파일에 추가하는 과정도 안내합니다.

Kiro에서 매일 Databricks 워크로드를 다룰 개발자에게는 장기적으로 경로 B가 더 나은 선택입니다. 10분의 시간이 있고 SQL 웨어하우스와 대화하고 싶다면 경로 A가 적합합니다.

개발자의 관점에서 보기

IDE를 사용하는 사람에 따라 두 경로의 효과는 다릅니다. 네 가지 페르소나, 네 가지 문제, 네 가지 해답입니다.

분석 엔지니어. 하루의 절반은 처음 보는 테이블을 쿼리하는 데, 나머지 절반은 에디터와 워크스페이스 UI 사이에서 복사하고 붙여넣는 데 씁니다. 경로 A는 이 문제를 10분 만에 해결합니다. Genie와 SQL 서버는 모든 쿼리를 실제 스키마 메타데이터에 기반하게 하고, 어시스턴트는 추측이 아닌 실제 열을 기준으로 쿼리를 작성하며, 모든 결과는 Unity Catalog 권한을 상속합니다. 더 이상 탭을 오갈 필요가 없습니다.

데이터 엔지니어. 파이프라인, 작업, Declarative Automation Bundles, 그리고 이 셋에 수반되는 환경 간 프로모션이 일상입니다. databricks.yml을 직접 작성하고 터미널 사이드바에서 databricks bundle deploy를 실행하는 것은 느린 방법입니다. 경로 B가 빠른 방법입니다. Power의 파이프라인, 작업, Declarative Automation Bundles 스킬이 한 번의 대화로 IaC를 생성하고, 검증하고, 배포합니다. Spark Declarative Pipelines, CDC, SCD Type 2, Auto Loader 모두 실제 Unity Catalog 테이블을 기준으로 생성되며 바로 커밋할 수 있습니다.

AI 및 에이전트 개발자. 스키마에 대한 해석이 조금씩 다른 서너 개의 도구에 걸쳐 모델 호출, 평가, 거버넌스, 에이전트 오케스트레이션을 연결하고 있습니다. 경로 B는 Databricks의 AI 기능 전체를 다룹니다. 라우팅과 폴백에는 Unity Gateway, 멀티 에이전트 감독자와 지식 어시스턴트에는 Agent Bricks, 평가에는 MLflow, 검색에는 AI Search를 사용하며, 모든 것이 Unity Catalog로 엔드 투 엔드 관리됩니다. 에이전트는 호출자와 같은 권한을 상속하고, 평가 트레이스는 학습 실행과 같은 워크스페이스에 저장됩니다.

플랫폼 개발자. Databricks 리소스를 코드로 관리하고, dev/stage/prod 간에 프로모션하며, 매주 "드리프트가 발생했는가?"라는 질문에 답합니다. 경로 B의 Declarative Automation Bundles 스킬(databricks-dabs)과 Unity Catalog 관리 스킬을 함께 사용하면, 전체 번들을 생성하고 검증한 뒤 변경이 일어나기 전에 배포 계획(databricks bundle plan)을 보여 줍니다. 더 이상 YAML 하나는 직접, 또 하나는 문서로 따로 관리할 필요가 없습니다.

오늘 바로 실행할 수 있는 워크플로

어떤 경로를 선택했든, 이 실습에서는 기본 제공 samples 카탈로그의 samples.tpch 데이터 세트를 사용해 어시스턴트를 실제 워크스페이스 메타데이터에 기반하게 합니다.

질문: "What columns and types does samples.tpch.lineitem have, and what is the data distribution by l_shipdate year?"

Kiro는 단 한 번의 쿼리로 실제 스키마와 히스토그램을 반환합니다. 워크스페이스에 기반한 실제 열 이름과 실제 분포입니다.

질문: "Draft a dbt model that joins lineitem to orders and aggregates revenue by nation per quarter."

Kiro는 추측 대신 실제 열 이름(l_extendedprice, l_discount, o_orderdate)을 사용해 SQL을 생성합니다. 먼저 스키마를 쿼리했기 때문에 정확한 타입과 세분성을 알고 있습니다.

질문: "Run my new aggregation against samples.tpch and compare the row count to last week's snapshot in poc.gold.revenue_by_nation_qtr."

Kiro는 두 쿼리를 모두 실행하고 차이를 보여 줍니다. 숫자가 이상해 보이면 "Show me the lineage for gold.revenue_by_nation_qtr" 요청으로 system.access.table_lineage에서 상위 테이블을 가져올 수 있습니다. 검증이 끝나면 Kiro가 모델의 Databricks 작업 JSON을 생성하고 관련된 카탈로그와 스키마를 나열합니다.

경로 B에서는 같은 워크플로를 "Generate a Declarative Automation Bundle for this job and deploy it to staging", "Create an AI/BI dashboard backed by this aggregation", "Wire this into a Unity Gateway endpoint with a fallback model" 같은 요청으로 확장할 수 있으며, 모두 IDE를 떠나지 않고 처리할 수 있습니다.

경로와 관계없는 모범 사례

  • 최소 권한 인증. 워크스테이션별, 범위 조합별로 별도의 PAT를 생성하세요. 경로 B에서 대화형으로 사용할 때는 PAT보다 OAuth U2M을 사용하세요.
  • 자격 증명은 절대 커밋하지 마세요. DATABRICKS_ACCESS_TOKEN 값은 셸 프로필이나 비밀 관리자에 저장하세요. 소스 제어에 체크인되는 mcp.json 파일에는 절대 넣지 마세요.
  • 프로젝트별 범위 지정. Genie 에이전트 ID와 AI Search 인덱스 경로를 $PWD/.kiro/settings/mcp.json 파일에 저장해 각 프로젝트가 자체 리소스 바인딩을 갖도록 하세요.
  • Unity Catalog 권한을 신뢰하세요. 두 경로 모두 AI는 사용자의 유효 권한으로 작동합니다. SQL과 Genie 에이전트에는 테이블 권한, 행 필터, 열 마스크가, AI Search 인덱스에는 리소스별 공유가 적용됩니다. 별도의 액세스 제어 계층을 관리할 필요가 없습니다.
  • 새로 고침이 아니라 재시작하세요. Kiro는 프로세스가 시작될 때 환경 변수를 한 번만 읽습니다. 셸 프로필을 수정하거나 인증을 추가한 뒤에는 Kiro를 완전히 종료하고(macOS에서는 Cmd+Q) 다시 여세요.

문제 해결

MCP 항목에 "Server not found"가 표시되거나 상태가 빨간색인 경우.

경로 A: Kiro를 실행한 셸에서 echo $DATABRICKS_SQL_MCP_URL 값을 확인하세요. 값이 비어 있으면 Kiro가 URL을 확인할 수 없다는 뜻입니다. 워크스페이스 범위의 mcp.json 파일이 사용자 범위 설정을 가리고 있지 않은지 확인하세요. Settings, Developer, Access tokens에서 PAT가 아직 유효한지 확인하세요.

MCP에는 연결되었지만 도구 호출이 RESOURCE_DOES_NOT_EXIST 또는 PERMISSION_DENIED 오류를 반환하는 경우.

경로 A에서 가장 흔한 실패 유형입니다. 서버가 리소스 검증을 호출 시점까지 미루기 때문에 initialize 핸드셰이크는 자리 표시자 URL로도 성공합니다. 해당 서버에 대한 사전 점검을 다시 진행하세요(Genie 에이전트가 존재하고 사용자와 공유되어 있는지, 함수가 존재하고 EXECUTE 권한이 있는지, AI Search 인덱스가 존재하고 해당 인덱스에 SELECT 권한이 있는지).

Kiro가 Databricks 스킬을 사용하지 않는 경우(경로 B).

스킬은 세션이 시작될 때 로드되므로 새 채팅 세션을 열고, ~/.kiro/skills/에 databricks-core/SKILL.md 파일이 있는지 확인하세요. Error: unknown agent "kiro" 오류는 Databricks CLI가 v1.20.0보다 오래된 버전이라는 뜻입니다. CLI를 업그레이드한 다음 설치를 다시 실행하세요. 스킬의 CLI 명령이 인증에 실패하면 databricks auth profiles 명령을 실행하고 databricks auth login 명령으로 다시 로그인하세요.

지금 바로 사용해 보세요. Databricks Power는 Kiro 안에서 플랫폼 전체(파이프라인, 작업, Lakebase, Agent Bricks 및 위에서 소개한 모든 기능)를 사용하는 가장 빠른 방법입니다. Kiro Powers 카탈로그(kirodotdev/powers)에서 설치하거나, Databricks CLI v1.20.0 이상에서 databricks aitools install --agents kiro 명령을 실행해 Power 없이 같은 스킬을 설치할 수 있습니다. 다른 코딩 에이전트의 경우 databricks aitools install 명령이 컴퓨터에 설치된 에이전트(Claude Code, Cursor, Codex, GitHub Copilot, Gemini CLI 등)를 감지합니다. 최신 목록은 databricks aitools --help 명령으로 확인하거나 databricks/databricks-agent-skills를 참조하세요. Databricks 관리형 MCP 서버 네 개의 원클릭 설치는 kiro.dev/docs/mcp/servers/에서 할 수 있습니다.

피드백이 있거나 문제가 발생했나요? 이슈를 등록해 주세요. Power 설정이나 패키징은 kirodotdev/powers, 에이전트 스킬은 databricks/databricks-agent-skills, Databricks CLI와 databricks aitools 명령은 databricks/cli에 등록하시면 됩니다. 모든 이슈를 확인합니다.

관련 태그:

파트너, Lakebase, Genie, Unity Gateway, Agent Bricks, Unity Catalog, MCP, Developer Tools, AI Search, MLOps & LLMOps , Business Intelligence

최신 게시물을 이메일로 받아보세요

블로그를 구독하고 최신 게시물을 이메일로 받아보세요.