Démarrage rapide
Démarrage rapide
Prérequis
- Databricks CLI
v1.0.0+avec un profil authentifié - Node.js 22+ (les applications AppKit reposent sur Node/TypeScript)
- Un workspace Databricks avec Apps activé
Parcours par modèle
Les modèles sont des prompts prêts à l'emploi pour les agents, organisés par cas d'usage. Choisissez celui qui correspond à votre besoin, copiez-le dans votre assistant de codage IA : celui-ci se charge du scaffolding, du choix des plugins et du déploiement.
Points de départ courants :
| Modèle | Idéal pour |
|---|---|
| Set Up Your Local Dev Environment | Installer la CLI, s'authentifier, vérifier le workspace |
| Spin Up a Databricks App | Scaffolder une nouvelle app AppKit, l'exécuter en local et la déployer |
| Onboard Your Coding Agent | Installer les agent skills, brancher le serveur MCP Docs DevHub |
| AI Chat App | IA conversationnelle, chatbots, assistants |
| App with Lakebase | Applications CRUD avec stockage persistant |
Le catalogue de modèles en donne la liste complète, avec notamment Lakebase Postgres, Genie Agents, Unity AI Gateway et Agent Bricks.
Fournissez à votre assistant IA le contexte de la plateforme Databricks en installant les agent skills avant d'y copier le modèle :
databricks aitools installParcours manuel
Sans modèle, databricks apps init génère un projet AppKit fonctionnel. Voici ce que produit --features lakebase (vous n'avez pas à l'écrire vous-même) :
import { createApp, lakebase, server } from "@databricks/appkit";
const AppKit = await createApp({
plugins: [server(), lakebase()],
});
AppKit.server.extend((app) => {
app.get("/api/items", async (_req, res) => {
const { rows } = await AppKit.lakebase.query("SELECT * FROM items");
res.json(rows);
});
});Scaffoldez, exécutez en local, puis déployez :
databricks apps init --name my-app --features lakebase # génère le projet ci-dessus
cd my-app && npm install && npm run dev # exécution en local
databricks apps deploy # déploie dans votre workspaceAprès le déploiement, la CLI affiche l'URL de votre application dans le workspace.
Pour générer le squelette du projet avec des plugins spécifiques, utilisez --features suivi d'une liste de plugins séparés par des virgules. Exécutez databricks apps manifest pour afficher tous les plugins disponibles ainsi que les champs de ressources qu'ils requièrent.
Pour aller plus loin
Pour le workflow complet de développement local, les indicateurs de déploiement et la configuration des plugins, consultez Développement d'applications.