AI-agenter för Databricks
En Monmo-agent arbetar i Databricks ungefär som en dataingenjör på morgonpasset. Den förklarar misslyckade jobbkörningar, besvarar frågor med SQL mot tabeller i Unity Catalog, följer DBU-kostnader via systemtabeller och dokumenterar tabeller som teamet ofta undrar över. Den använder identiteten du ansluter, ser bara det som Unity Catalog ger den åtkomst till och frågar innan den kör ett jobb, ändrar beräkningsresurser eller skriver data.
Uppdaterad 2026-11-13 · Gratis att börja. Betalabonnemang från $15 i månaden.
Vad AI-agenter gör i Databricks
Förklara en misslyckad jobbkörning
När ett schemalagt jobb misslyckas läser agenten körningens uppgiftsresultat, felmeddelande och drivrutinsloggar, hittar notebook-cellen eller filen som orsakade felet och skriver en förklaring och ett åtgärdsförslag.
FrågaDet nattliga orderjobbet misslyckades 02:10. Berätta vilken uppgift som gick fel, varför och vad du skulle ändra.
Besvara frågor via ett SQL warehouse
Fråga efter veckovis aktiva kunder per segment så hittar agenten tabellerna i Unity Catalog, skriver frågan, kör den på det SQL warehouse du anger och visar svaret tillsammans med SQL-koden.
FrågaHur många veckovis aktiva kunder hade vi per segment under de senaste åtta veckorna? Visa SQL-frågan.
Följ DBU-kostnader
Varje måndag läser agenten systemtabellen för fakturerad användning, grupperar DBU:er per arbetsyta, jobb och SQL warehouse, jämför med veckan innan och skriver en sammanfattning i Google Sheets.
FrågaSammanfatta varje måndag förra veckans DBU-användning per jobb och warehouse och visa de största ökningarna.
Hitta beräkningsresurser som aldrig stängs av
Agenten listar allmänna kluster utan automatisk avstängning, överdimensionerade kluster som kör lätta jobb och SQL warehouses som är igång över natten. Den tar fram förslag på ändrade inställningar och frågar innan den genomför dem.
FrågaHitta kluster utan automatisk avstängning och warehouses som körs hela natten. Föreslå inställningar för var och en.
Dokumentera tabeller i Unity Catalog
Agenten läser tabellerna i ett schema, granskar ett urval av kolumnerna och deras dataflöden och skriver förslag på kommentarer som en ny analytiker kan förstå. Du granskar dem i Google Docs och godkänner innan de läggs till i Unity Catalog.
FrågaSkriv förslag på tabell- och kolumnkommentarer för sales-schemat i Unity Catalog. Låt mig granska dem först.
Jämför experimentkörningar
För ett MLflow-experiment ställer agenten upp körningarna efter parametrar och mätvärden, identifierar skillnaderna mellan de bästa och övriga körningar och skriver en kort sammanfattning till teamet i Slack.
FrågaJämför de senaste 20 körningarna i churn-model-experimentet och berätta vilka parametrar som gjorde skillnad.
Granska åtkomst till känsliga tabeller
Agenten listar behörigheterna för tabeller som innehåller personuppgifter, grupperna och användarna som har dem samt breda tilldelningar, till exempel till alla kontoanvändare. Sedan tar den fram förslag på behörigheter som administratören kan återkalla.
FrågaVem kan läsa tabellerna i schemat customers_pii? Flagga behörigheter som sträcker sig utanför datateamet.
Så ansluts appen
- 1Du ansluter en Databricks-arbetsyta med en personlig åtkomsttoken eller OAuth, eller ännu hellre med ett tjänstekonto som administratören skapar. Arbetsytans administratör kan behöva tillåta token, och systemtabeller måste vara aktiverade för kostnadsrapportering.
- 2Databricks passar både en dataagent och en utvecklingsagent. Behörigheterna i Unity Catalog avgör vilka kataloger och tabeller var och en ser, så ge agentens identitet bara åtkomst till de scheman som arbetet kräver.
- 3Agenten behöver inget godkännande för att läsa körningar, loggar, tabeller och systemtabeller. För att köra ett jobb eller en notebook, skapa eller ändra beräkningsresurser, skriva till en tabell eller ändra en behörighet frågar den först via ett kort.
Vanliga frågor
Kan en AI-agent arbeta i Databricks notebooks?
Ja. En Monmo-agent kan läsa notebooks, förklara vad en cell gör och ta fram en ny notebook för en analys. Den frågar innan den sparar den på arbetsytan och kör den på beräkningsresurser, eftersom en körning använder DBU:er och kan skriva till tabeller. Den arbetar via Databricks-anslutningen eller i sin egen webbläsare när anslutningen inte räcker till.
Är det säkert att ge en AI-agent åtkomst till data i Unity Catalog?
AI-agenten ser precis det som Unity Catalog ger dess identitet åtkomst till, inget mer. Ge den ett tjänstekonto med SELECT-behörighet till de scheman den behöver och ingen åtkomst till personuppgifter om inte arbetet kräver det. Läsning kräver inget godkännande, men skrivning och ändring av behörigheter väntar på ditt godkännande. Du kan ta bort åtkomsten när som helst.
Kan en AI-agent förklara varför vår Databricks-faktura har ökat?
Den kan visa var kostnaden har ökat. Med hjälp av faktureringens systemtabell delar den upp DBU:er per jobb, kluster och warehouse, jämför perioder och visar vilka jobb eller kluster som ligger bakom ökningen. Den föreslår ändringar som automatisk avstängning eller ett mindre warehouse, och du bestämmer vilka som ska genomföras.
Kan en AI-agent åtgärda och köra om ett misslyckat Databricks-jobb?
Den hittar orsaken, tar fram ett åtgärdsförslag och frågar innan den kör om jobbet. Om ändringen gäller kod öppnar den en pull request i GitHub för granskning. Om jobbet bara behöver återupptas från den misslyckade uppgiften visar den körningen på ett kort och återupptar den när du godkänner.
Din nästa kollegaskulle kunna börja idag.
Skapa din första AI-agent på en minut. Det är gratis att komma igång.