75+工具与20+技能：AI Dev Kit能做什么全清单
【免费下载链接】ai-dev-kitDatabricks Toolkit for Coding Agents provided by Field Engineering项目地址: https://gitcode.com/GitHub_Trending/ai/ai-dev-kit
Databricks AI Dev Kit 是 Databricks 现场工程团队推出的AI 开发工具包：它为 Claude Code、Cursor、Copilot 等主流 AI 编程助手提供75+ 个可执行的 Databricks 工具和20+ 个官方技能（Skills），让 AI 不只是"聊"，而是真的能在 Databricks 上创建流水线、任务、仪表盘和数据治理对象。本文用一份完整清单，帮新手快速看懂它能做什么、怎么装、怎么选。
一、AI Dev Kit 是什么：4 大组件一次看懂 🧩
AI Dev Kit 由四个可独立使用的部分组成，可以整套安装，也可以只取你需要的部分：
| 组件 | 定位 | 适合人群 |
|---|---|---|
| 🧰 databricks-tools-core/ | 高层 Python 函数库（SQL、任务、目录、计算等） | 自建集成的开发者 |
| 🔌 databricks-mcp-server/ | MCP 服务器，暴露 75+ 工具给 AI 助手 | 想"动手"的 AI 用户 |
| 📚 databricks-skills/ | 20+ 份技能文档，教会 AI 最佳实践 | 想"少踩坑"的 AI 用户 |
| 🖥️ databricks-builder-app/ | 带聊天界面的全栈 Web 应用 | 喜欢可视化操作的用户 |
核心思路很清晰：技能教 AI"怎么做"（知识），MCP 工具让 AI"去执行"（行动），两者配合就能覆盖从写 SQL 到部署应用的完整流程。
二、一键安装：最快上手步骤 🚀
前置条件：uv（Python 包管理器）、Databricks CLI、以及任意一个 AI 编程环境（Claude Code / Cursor / Codex / Gemini CLI / Windsurf / Copilot 等）。
Mac / Linux（项目根目录执行）：
bash install.shWindows PowerShell：
irm install.ps1 | iex安装脚本会自动为所选编辑器写入 MCP 配置，并提示你完成后续交互。需要克隆仓库时使用地址https://gitcode.com/GitHub_Trending/ai/ai-dev-kit。
💡 更新只需重跑同一条安装命令；卸载加
--uninstall，脚本会先备份编辑器配置再清理。
只装技能（不含 MCP 工具）：
./databricks-skills/install_skills.sh想给Genie Code安装技能并上传到工作区，加一个参数即可（详见 databricks-skills/README.md）：
./databricks-skills/install_skills.sh --install-to-genie三、75+ 工具清单：按能力域全览 🔧
MCP 服务器的工具代码集中在 databricks-mcp-server/databricks_mcp_server/tools/ 目录下，按能力域可以分为以下 15 类（完整工具列表见 databricks-mcp-server/README.md）：
| 能力域 | 代表工具 | 能帮你做什么 |
|---|---|---|
| 📊 SQL 查询 | execute_sql、execute_sql_multi、get_table_stats_and_schema | 在 SQL Warehouse 上执行查询、获取表结构统计 |
| 🏭 计算管理 | execute_code、manage_cluster、manage_sql_warehouse | 在集群/Serverless 上跑代码、创建管理集群 |
| ⏰ 任务调度 | create_job、run_job_now、wait_for_run、get_run_output | 创建多任务作业、触发运行、查看日志 |
| 🌊 数据流水线 | create_or_update_pipeline、run_pipeline、delete_pipeline | 管理 Spark 声明式流水线（SDP） |
| 🗂️ Unity Catalog | 目录/模式/表/连接/授权/卷/标签等 15 个工具 | 数据治理：建目录、授权、管存储 |
| 🐘 Lakebase | 实例/项目/计算/凭证/分支等 14 个工具 | 管理托管 PostgreSQL 实例 |
| 💬 Genie Spaces | create_or_update_genie、find_genie_by_name | 创建"自然语言问数"空间 |
| 🤖 Agent Bricks | manage_ka（知识助手）、manage_mas（监督者智能体） | 搭建 RAG 问答与多智能体应用 |
| 📈 AI/BI 仪表盘 | create_or_update_dashboard、publish_dashboard | 用 JSON 生成并发布分析仪表盘 |
| 🧮 模型服务 | query_serving_endpoint、list_serving_endpoints | 查询和管理 ML 模型端点 |
| 🔍 向量搜索 | 索引与端点管理 6 个工具 | 构建语义检索与 RAG 检索层 |
| 🌐 Databricks Apps | 应用部署与管理工具 | 部署带大模型能力的 Web 应用 |
| 📁 文件与代码 | upload_to_workspace、卷文件读写 | 上传本地文件/目录到工作区 |
| 📄 PDF 生成 | 合成 PDF 生成器 | 批量生成文档用于 RAG 测试 |
| 📋 资源清单 | list_tracked_resources、delete_tracked_resource | 跨会话追踪、清理 AI 创建过的资源 |
其中资源清单是贴心设计：AI 每创建一个仪表盘/作业/流水线，都会记录到本地.databricks-resources.json，下次会话不会重复创建，还能一键清理（见 databricks-mcp-server/databricks_mcp_server/manifest.py）。
四、20+ 技能清单：AI 的"专家手册" 📚
技能是一组 Markdown 文档，教 AI 遵循 Databricks 最佳实践。技能文件位于 databricks-skills/，按主题分为六类：
| 分类 | 技能 | 教会 AI 什么 |
|---|---|---|
| 🤖 AI 与智能体 | databricks-ai-functions、databricks-agent-bricks、databricks-genie、databricks-model-serving、databricks-vector-search、databricks-unstructured-pdf-generation | 内置 AI 函数（ai_classify/ai_query/ai_forecast）、知识助手、Genie 空间、模型部署、向量检索 |
| 📉 MLflow | agent-evaluation、mlflow-onboarding、retrieving-mlflow-traces等 8 个 | 智能体评估、链路追踪、指标查询 |
| 📊 分析与仪表盘 | databricks-aibi-dashboards、databricks-unity-catalog | 带 SQL 校验流程的仪表盘构建、系统表治理 |
| 🛠️ 数据工程 | databricks-iceberg、databricks-spark-declarative-pipelines、databricks-jobs、databricks-synthetic-data-gen | Iceberg 表、SDP 流水线、多任务作业、造测试数据 |
| 🚀 开发与部署 | databricks-bundles、databricks-apps-python、databricks-python-sdk、databricks-config、databricks-lakebase-provisioned | 多环境部署（DABs）、Python Web 应用、Profile 认证 |
| 📖 参考 | databricks-docs | 通过文档索引检索官方文档 |
仓库中还预置了更多进阶技能，如databricks-dbsql（SQL 最佳实践）、databricks-spark-structured-streaming（结构化流式）、databricks-metric-views（指标视图）、databricks-mlflow-evaluation（评估模式库）等，每个技能都带SKILL.md入口文件，可直接复制到.claude/skills/自定义使用。
技能 + 工具如何协同（以"建一个销售仪表盘"为例）：
- AI 加载
databricks-aibi-dashboards技能 → 学会校验流程 - 调用
get_table_stats_and_schema()获取表结构 - 调用
execute_sql()验证查询 - 调用
create_or_update_dashboard()一键部署 - 返回可用的仪表盘链接
五、能做什么：新手常见场景一览 ✨
| 你想做的事 | AI Dev Kit 如何支持 |
|---|---|
| 搭流式 ETL（CDC、SCD Type 2、Auto Loader） | databricks-spark-declarative-pipelines技能 + SDP 工具 |
| 建定时数据作业（多任务 DAG） | databricks-jobs技能 + 任务工具 |
| 做 KPI 分析仪表盘 | databricks-aibi-dashboards技能 + 仪表盘工具 |
| 用自然语言问数 | databricks-genie技能 + Genie 工具 |
| 搭 RAG 知识问答助手 | databricks-agent-bricks+ 向量搜索工具 |
| 部署模型/智能体端点 | databricks-model-serving技能 + 服务工具 |
| 开发带大模型的全栈应用 | databricks-apps-python技能 + Apps 工具 |
| 管理 Unity Catalog 治理 | databricks-unity-catalog技能 + 目录工具 |
六、怎么选：安装方式对照表 🎯
| 你的需求 | 推荐方式 | 说明 |
|---|---|---|
| 开箱即用 | install.sh / install.ps1 | 整套安装：技能 + MCP + 配置 |
| 只要可执行工具 | 手动注册 databricks-mcp-server/ | 见其 README 的.mcp.json配置示例 |
| 只要知识指导 | databricks-skills/ | 不含 MCP，适合已配好工具的环境 |
| 自建集成（LangChain 等） | pip installdatabricks-tools-core/ | 纯 Python 库，from databricks_tools_core.sql import execute_sql即可用 |
| 喜欢 Web 界面 | databricks-builder-app/ | 一条命令部署 Lakebase + Web 应用，见 databricks-builder-app/scripts/deploy.sh |
七、延伸阅读 📖
- 总览与更新说明：README.md
- MCP 服务器全部工具与测试指南：databricks-mcp-server/README.md
- 技能安装与自定义教程：databricks-skills/README.md
- 核心库 API 与多用户认证：databricks-tools-core/README.md
- 构建者应用说明：databricks-builder-app/README.md
⚠️ 注意：本仓库是 AI Dev Kit 技能的最后一个从仓库安装技能的版本——技能即将并入 Databricks 官方技能集（部分会更名合并，如
databricks-bundles→databricks-dabs）。MCP 服务器与 Builder App 仍留在本仓库持续维护，建议尽快完成安装。
一句话总结：工具让 AI 能动手，技能让 AI 懂方法。装一次 AI Dev Kit，你的编程助手就同时拥有了 Databricks 专家级的知识手册和 75+ 个即插即用的执行工具。
【免费下载链接】ai-dev-kitDatabricks Toolkit for Coding Agents provided by Field Engineering项目地址: https://gitcode.com/GitHub_Trending/ai/ai-dev-kit
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
