コーディングエージェントとの統合

Important

この機能はベータ版です。アカウント管理者は、アカウントコンソール の [プレビュー ] ページからこの機能へのアクセスを制御できます。 Azure Databricks プレビューの管理を参照してください。

Azure Databricks コーディングエージェント統合を使用すると、Cursor、Gemini CLI、Codex CLI などのコーディングエージェントのアクセスと使用を管理できます。 AI Gateway 上に構築され、コーディングツールのレート制限、使用状況の追跡、推論テーブルを提供します。

Features

アクセス: 1 つの請求書の下にあるさまざまなコーディングツールとモデルに直接アクセスできます。
可観測性: すべてのコーディングツールの使用状況、支出、メトリックを追跡するための 1 つの統合ダッシュボード。
統合ガバナンス: 管理者は、AI Gateway を介してモデルのアクセス許可とレート制限を直接管理できます。

Requirements

アカウントに対して有効になっている AI ゲートウェイ (ベータ) プレビュー。 Azure Databricks プレビューの管理を参照してください。
AI ゲートウェイ (ベータ) でサポートされているリージョン内の Azure Databricks ワークスペース。
ワークスペースに対して有効になっている Unity カタログ。「Unity Catalog のワークスペースを有効にする」を参照してください。

サポートされているエージェント

次のコーディングエージェントがサポートされています。

カーソル
Codex CLI
Gemini CLI

設定

Cursor

AI ゲートウェイエンドポイントを使用するように Cursor を構成するには:

手順 1: ベース URL と API キーを構成する

カーソルを開き、設定>Cursor 設定>Models>API キーに移動します。
OpenAI ベース URL のオーバーライドを有効にし、URL を入力します。
```
https://<ai-gateway-url>/cursor/v1
```
<ai-gateway-url>を AI ゲートウェイエンドポイント URL に置き換えます。
Azure Databricks の個人用アクセストークンを OpenAI API キー フィールドに貼り付けます。

手順 2: カスタムモデルを追加する

[カーソル設定] で [ + カスタムモデルの追加] をクリックします。
AI ゲートウェイエンドポイント名を追加し、トグルを有効にします。

注

現時点では、Azure Databricks によって作成された基盤モデルエンドポイントのみがサポートされています。

手順 3: 統合をテストする

Cmd+L (macOS) または Ctrl+L (Windows/Linux) で Ask モードを開き、モデルを選択します。
メッセージを送信します。すべての要求が Azure Databricks 経由でルーティングされるようになりました。

Codex CLI

手順 1: DATABRICKS_TOKEN環境変数を設定する

export DATABRICKS_TOKEN=<databricks_pat_token>

手順 2: Codex クライアントを構成する

~/.codex/config.tomlで Codex 構成ファイルを作成または編集します。

profile = "default"

[profiles.default]
model_provider = "proxy"
model = "databricks-gpt-5-2"

[model_providers.proxy]
name = "Databricks Proxy"
base_url = "https://<ai-gateway-url>/openai/v1"
env_key = "DATABRICKS_TOKEN"
wire_api = "responses"

<ai-gateway-url>を AI ゲートウェイエンドポイント URL に置き換えます。

Gemini CLI

手順 1: Gemini CLI の最新バージョンをインストールする

npm install -g @google/gemini-cli@nightly

手順 2: 環境変数を構成する

ファイル ~/.gemini/.env を作成し、次の構成を追加します。詳細については、 Gemini CLI 認証に関するドキュメントを参照してください。

GEMINI_MODEL=databricks-gemini-2-5-flash
GOOGLE_GEMINI_BASE_URL=https://<ai-gateway-url>/gemini
GEMINI_API_KEY_AUTH_MECHANISM="bearer"
GEMINI_API_KEY=<databricks_pat_token>

<ai-gateway-url>を AI Gateway エンドポイントの URL に置き換え、<databricks_pat_token>を個人用アクセストークンに置き換えます。

Dashboard

AI Gateway を使用してコーディングエージェントの使用状況を追跡すると、すぐに使用できるダッシュボードでメトリックを表示および監視できます。

ダッシュボードにアクセスするには、[AI ゲートウェイ] ページから [ダッシュボードの表示 ] を選択します。これにより、コーディングツールを使用するためのグラフを含む事前構成済みのダッシュボードが作成されます。

[ダッシュボードの表示] ボタン

コーディングエージェントダッシュボード

OpenTelemetry データ収集を設定する

Azure Databricks では、OpenTelemetry メトリックとログをコーディングエージェントから Unity カタログのマネージドデルタテーブルにエクスポートできます。すべてのメトリックは、OpenTelemetry 標準メトリックプロトコルを使用してエクスポートされた時系列データであり、ログは OpenTelemetry ログプロトコルを使用してエクスポートされます。

Requirements

Azure Databricks プレビューで OpenTelemetry が有効になっています。 Azure Databricks プレビューの管理を参照してください。

手順 1: Unity カタログで OpenTelemetry テーブルを作成する

OpenTelemetry メトリックとログスキーマを使用して事前構成された Unity カタログのマネージドテーブルを作成します。

メトリックテーブル

CREATE TABLE <catalog>.<schema>.<table_prefix>_otel_metrics (
  name STRING,
  description STRING,
  unit STRING,
  metric_type STRING,
  gauge STRUCT<
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    value: DOUBLE,
    exemplars: ARRAY<STRUCT<
      time_unix_nano: LONG,
      value: DOUBLE,
      span_id: STRING,
      trace_id: STRING,
      filtered_attributes: MAP<STRING, STRING>
    >>,
    attributes: MAP<STRING, STRING>,
    flags: INT
  >,
  sum STRUCT<
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    value: DOUBLE,
    exemplars: ARRAY<STRUCT<
      time_unix_nano: LONG,
      value: DOUBLE,
      span_id: STRING,
      trace_id: STRING,
      filtered_attributes: MAP<STRING, STRING>
    >>,
    attributes: MAP<STRING, STRING>,
    flags: INT,
    aggregation_temporality: STRING,
    is_monotonic: BOOLEAN
  >,
  histogram STRUCT<
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    count: LONG,
    sum: DOUBLE,
    bucket_counts: ARRAY<LONG>,
    explicit_bounds: ARRAY<DOUBLE>,
    exemplars: ARRAY<STRUCT<
      time_unix_nano: LONG,
      value: DOUBLE,
      span_id: STRING,
      trace_id: STRING,
      filtered_attributes: MAP<STRING, STRING>
    >>,
    attributes: MAP<STRING, STRING>,
    flags: INT,
    min: DOUBLE,
    max: DOUBLE,
    aggregation_temporality: STRING
  >,
  exponential_histogram STRUCT<
    attributes: MAP<STRING, STRING>,
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    count: LONG,
    sum: DOUBLE,
    scale: INT,
    zero_count: LONG,
    positive_bucket: STRUCT<
      offset: INT,
      bucket_counts: ARRAY<LONG>
    >,
    negative_bucket: STRUCT<
      offset: INT,
      bucket_counts: ARRAY<LONG>
    >,
    flags: INT,
    exemplars: ARRAY<STRUCT<
      time_unix_nano: LONG,
      value: DOUBLE,
      span_id: STRING,
      trace_id: STRING,
      filtered_attributes: MAP<STRING, STRING>
    >>,
    min: DOUBLE,
    max: DOUBLE,
    zero_threshold: DOUBLE,
    aggregation_temporality: STRING
  >,
  summary STRUCT<
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    count: LONG,
    sum: DOUBLE,
    quantile_values: ARRAY<STRUCT<
      quantile: DOUBLE,
      value: DOUBLE
    >>,
    attributes: MAP<STRING, STRING>,
    flags: INT
  >,
  metadata MAP<STRING, STRING>,
  resource STRUCT<
    attributes: MAP<STRING, STRING>,
    dropped_attributes_count: INT
  >,
  resource_schema_url STRING,
  instrumentation_scope STRUCT<
    name: STRING,
    version: STRING,
    attributes: MAP<STRING, STRING>,
    dropped_attributes_count: INT
  >,
  metric_schema_url STRING
) USING DELTA
TBLPROPERTIES (
  'otel.schemaVersion' = 'v1'
)

ログテーブル

CREATE TABLE <catalog>.<schema>.<table_prefix>_otel_logs (
  event_name STRING,
  trace_id STRING,
  span_id STRING,
  time_unix_nano LONG,
  observed_time_unix_nano LONG,
  severity_number STRING,
  severity_text STRING,
  body STRING,
  attributes MAP<STRING, STRING>,
  dropped_attributes_count INT,
  flags INT,
  resource STRUCT<
    attributes: MAP<STRING, STRING>,
    dropped_attributes_count: INT
  >,
  resource_schema_url STRING,
  instrumentation_scope STRUCT<
    name: STRING,
    version: STRING,
    attributes: MAP<STRING, STRING>,
    dropped_attributes_count: INT
  >,
  log_schema_url STRING
) USING DELTA
TBLPROPERTIES (
  'otel.schemaVersion' = 'v1'
)

手順 2: コーディングエージェントの env vars を更新する

OpenTelemetry メトリックのサポートが有効になっているコーディングエージェントで、次の環境変数を構成します。

{
  "OTEL_METRICS_EXPORTER": "otlp",
  "OTEL_EXPORTER_OTLP_METRICS_PROTOCOL": "http/protobuf",
  "OTEL_EXPORTER_OTLP_METRICS_ENDPOINT": "https://<workspace-url>/api/2.0/otel/v1/metrics",
  "OTEL_EXPORTER_OTLP_METRICS_HEADERS": "content-type=application/x-protobuf,Authorization=Bearer <databricks_pat_token>,X-Databricks-UC-Table-Name=<catalog>.<schema>.<table_prefix>_otel_metrics",
  "OTEL_METRIC_EXPORT_INTERVAL": "10000",
  "OTEL_LOGS_EXPORTER": "otlp",
  "OTEL_EXPORTER_OTLP_LOGS_PROTOCOL": "http/protobuf",
  "OTEL_EXPORTER_OTLP_LOGS_ENDPOINT": "https://<workspace-url>/api/2.0/otel/v1/logs",
  "OTEL_EXPORTER_OTLP_LOGS_HEADERS": "content-type=application/x-protobuf,Authorization=Bearer <databricks_pat_token>,X-Databricks-UC-Table-Name=<catalog>.<schema>.<table_prefix>_otel_logs",
  "OTEL_LOGS_EXPORT_INTERVAL": "5000"
}

手順 3: コーディングエージェントを実行します。

データは、5 分以内に Unity カタログテーブルに反映されます。

次のステップ

フィードバック

このページはお役に立ちましたか?

Last updated on 2026-02-21

次の方法で共有

コーディング エージェントとの統合

Features

Requirements

サポートされているエージェント

設定

Cursor

Codex CLI

Gemini CLI

Dashboard

OpenTelemetry データ収集を設定する

Requirements

手順 1: Unity カタログで OpenTelemetry テーブルを作成する

手順 2: コーディング エージェントの env vars を更新する

手順 3: コーディング エージェントを実行します。

次のステップ

フィードバック

その他のリソース

コーディングエージェントとの統合

手順 2: コーディングエージェントの env vars を更新する

手順 3: コーディングエージェントを実行します。