databricks-core

databricks-core — базовый entry-point для операций Databricks CLI, аутентификации, выбора профиля и Databricks Asset Bundles. Источник предлагает загружать его первым для задач CLI, auth, profile и bundle, а затем переходить к специализированному product skill. Для поиска данных, исследования таблиц, ответов на вопросы по данным и генерации SQL предусмотрен отдельный databricks-data-discovery: он сначала направляет запрос к Genie One, а при необходимости использует ручное исследование. Поэтому карточка полезна не как энциклопедия всех продуктов Databricks, а как маршрутизатор, который помогает выбрать правильный CLI-путь и не смешать общую настройку с продуктовой операцией. Первое ограничение является обязательным: нужен установленный Databricks CLI версии не ниже 0.292.0. Навык рекомендует выполнить databricks --version и остановиться, если CLI отсутствует или устарел; обходить это условие не следует. Для установки нужно прочитать официальный reference CLI Installation. В sandboxed Cursor или контейнере команды установки могут писать за пределы workspace и быть заблокированы, поэтому источник предлагает показать команду пользователю. Если установка невозможна, отдельно обсуждается запасной REST API-путь через DATABRICKS_HOST и DATABRICKS_TOKEN, если такие переменные уже доступны в окружении. Это не разрешение придумывать значения или выводить секреты. Профиль нельзя выбирать автоматически. Последовательность начинается с databricks auth profiles: нужно показать пользователю все профили и workspace URL, дать выбрать нужный, а при необходимости предложить создать новый. Для Claude Code источник отдельно предупреждает, что Bash-команды выполняются в разных shell-сессиях. Надёжные варианты — передавать --profile my-workspace каждой команде либо объединять экспорт DATABRICKS_CONFIG_PROFILE=my-workspace с последующей командой через &&. Раздельные export и вызов в следующей команде не сохраняют переменную. Это небольшая, но существенная операционная деталь: она предотвращает выполнение CLI в неожиданном workspace. Для исследовательских задач источник рекомендует first-class AI tools: databricks experimental aitools tools discover-schema catalog.schema.table --profile <PROFILE>, databricks experimental aitools tools query "SELECT * FROM table LIMIT 10" --profile <PROFILE> и databricks experimental aitools tools get-default-warehouse --profile <PROFILE>. Имена catalog, schema и table нужно передавать буквально; части с дефисами в SQL следует заключать в backticks. В Quick Reference перечислены команды current-user, apps, jobs, clusters, warehouses, pipelines и serving-endpoints. Для Unity Catalog важны позиционные аргументы: schemas list получает каталог позиционно, tables list — каталог и схему, tables get — полное имя. Источник отдельно отмечает, что варианты с несуществующими флагами --catalog или --catalog-name и устаревшие sql-команды не следует подставлять по аналогии. Bundles используют bundle init, bundle validate, bundle deploy -t <TARGET> и bundle run <RESOURCE> -t <TARGET>; конкретная команда должна выполняться с выбранным profile. Troubleshooting связывает cannot configure default credentials с явным --profile или предварительной auth, configuration does not support OAuth tokens — с повторной OAuth-аутентификацией для операций вроде app logs, PERMISSION_DENIED — с правами workspace или Unity Catalog, а RESOURCE_DOES_NOT_EXIST — с проверкой имени ресурса и профиля. Reference guides вынесены в CLI Installation, CLI Authentication и Manual Data Exploration; для deploy jobs/pipelines источник направляет к databricks-dabs. Ограничения карточки просты: она не выбирает профиль за пользователя, не подтверждает доступ к конкретному workspace и не гарантирует успешность команды без фактической проверки CLI, прав, имени ресурса и результата операции.