A Databricks tornou o Genie One MCP Server disponível de forma geral, abrindo uma nova forma de conectar assistentes e agentes externos aos dados corporativos mantidos em sua plataforma.
O serviço utiliza o Model Context Protocol (MCP) e permite que ferramentas compatíveis, incluindo ChatGPT, Claude e Cursor, façam perguntas em linguagem natural e recebam respostas baseadas nos dados disponíveis no ambiente Databricks.
A diferença em relação a simplesmente entregar acesso SQL a um agente está na camada de contexto.
Em vez de o modelo tentar interpretar diretamente tabelas e colunas, o Genie utiliza a Genie Ontology, camada semântica da Databricks que reúne definições de métricas, relações entre tabelas, conceitos de negócio e fontes consideradas confiáveis.
O agente pergunta, o Genie escreve o SQL
O fluxo é relativamente direto.
Um usuário pode perguntar em seu cliente MCP algo como:
“Por que a receita líquida do maior cliente caiu na última semana?”
A pergunta é enviada ao Genie One.
O Genie identifica os dados relevantes, interpreta os conceitos de negócio, gera e executa o SQL necessário e devolve uma resposta baseada nos dados corporativos.
Quando disponível, o resultado também pode incluir links para as fontes utilizadas dentro da Databricks.
Na prática, isso significa que o usuário não precisa necessariamente abrir o Databricks ou escrever SQL para consultar uma métrica.
O assistente que ele já utiliza pode se tornar a interface.
Unity Catalog continua controlando o acesso
O ponto mais importante para ambientes corporativos é que a integração não ignora a governança existente.
Segundo a Databricks, as permissões do Unity Catalog são verificadas em todas as requisições.
Isso significa que um agente não deveria conseguir consultar uma tabela simplesmente porque ela existe no workspace. O usuário ou serviço que faz a chamada precisa ter acesso aos dados correspondentes.
O Genie One MCP é disponibilizado como o serviço:
system.ai.genie_one_mcp
e fica sob o Unity Gateway, camada utilizada pela Databricks para controlar o uso de ferramentas e agentes.
Administradores também podem aplicar políticas para permitir ou bloquear determinadas chamadas, definir quem pode executar o serviço e acompanhar seu uso por logs de auditoria.
Usuário continua sendo o usuário
A Databricks recomenda utilizar autenticação OAuth on-behalf-of user.
Nesse modelo, o agente atua utilizando a identidade do próprio usuário, em vez de receber uma credencial genérica com acesso mais amplo.
Isso permite que duas pessoas façam a mesma pergunta no ChatGPT ou Claude e recebam respostas diferentes caso tenham níveis diferentes de acesso dentro da empresa.
Service principals também são suportados para workloads automatizados.
Esse ponto é especialmente relevante à medida que agentes passam a consultar informações financeiras, comerciais ou de clientes.
Dar acesso a um chatbot aos dados corporativos sem preservar identidade e permissões pode rapidamente criar uma nova camada de exposição de informações.
MCP vira ponte entre agentes e a plataforma de dados
O MCP vem ganhando espaço como padrão para permitir que modelos de IA utilizem ferramentas e sistemas externos.
Na Databricks, essa estratégia vai além do Genie.
A plataforma já suporta servidores MCP para acesso ao Unity Catalog, AI Search, funções customizadas e Genie Agents, além da possibilidade de registrar servidores externos e controlá-los pelo Unity Gateway.
A mudança é importante porque reduz a necessidade de construir uma integração específica para cada agente.
Em vez de desenvolver uma conexão diferente para Claude, ChatGPT, Cursor ou um agente interno, a empresa pode expor uma interface MCP comum.
Genie One adiciona contexto de negócio
O problema que a Databricks tenta resolver não é apenas técnico.
Dar acesso de um LLM ao banco de dados não garante que ele saiba qual tabela utilizar ou o significado de uma métrica.
Termos aparentemente simples como “receita”, “cliente ativo” ou “churn” podem ter diversas definições dentro da mesma organização.
A Genie Ontology funciona justamente como uma camada para registrar essas relações, métricas e definições.
A Databricks também lançou recentemente o Unity Catalog Pages, que permite armazenar conceitos, siglas e definições de negócio ao lado dos dados que representam. Essas informações podem então servir de contexto para Genie One e outros agentes.
Do dashboard para a conversa
A disponibilidade do Genie One via MCP também aponta para uma mudança na forma como usuários podem consumir analytics.
Durante anos, o caminho tradicional foi:
dados → warehouse → BI → dashboard → usuário.
Com agentes conectados diretamente à camada semântica, surge outro fluxo:
dados → contexto governado → agente → conversa.
Dashboards e ferramentas de BI não desaparecem, mas deixam de ser necessariamente a única porta de entrada para os dados.
Um usuário pode investigar uma métrica no ChatGPT, pedir uma análise adicional no Claude ou utilizar o Cursor enquanto desenvolve uma aplicação, mantendo o acesso aos mesmos dados e regras de negócio.
É uma mudança pequena na interface, mas potencialmente grande na arquitetura: o agente passa a funcionar como uma nova camada de consumo do data platform.
Fontes
Databricks — 25 de setembro de 2026: disponibilidade geral do Genie One MCP Server e suporte a clientes como ChatGPT, Claude e Cursor.
Databricks Documentation: funcionamento do Genie One MCP, autenticação, Genie Ontology e aplicação das permissões do Unity Catalog.
Databricks — 22 de setembro de 2026: estratégia do Genie One MCP e uso de contexto de negócio governado por agentes externos.