Agent skills

Agent skills são arquivos de instruções que os assistentes de programação com IA carregam para executar tarefas de desenvolvimento no Databricks. A Databricks publica suas skills no repositório databricks/databricks-agent-skills e segue o padrão aberto agent skills standard.

As skills explicam ao seu agente de programação como o Databricks funciona, incluindo convenções da CLI, padrões de autenticação e nomes de recursos, de modo que ele gere o código correto em vez de adivinhar.

Instalação

Instale as agent skills oficiais do Databricks com o seguinte comando:

databricks aitools install

note

É necessário ter a Databricks CLI instalada. Consulte Databricks CLI para obter instruções de instalação.

A CLI detecta quais agentes de programação você tem instalados. Para agentes com suporte a plugins (Claude Code, Codex CLI, GitHub Copilot), ela instala o plugin databricks por meio da CLI do próprio agente. Os agentes sem instalação de plugin em modo headless (Cursor, OpenCode, Antigravity) recebem arquivos de skill brutos vinculados a partir de um local compartilhado (~/.databricks/aitools/skills/).

Opções de databricks aitools install:

Opção	Descrição
`--agents`	Agentes para os quais instalar (separados por vírgula, ex.: claude-code,cursor)
`--experimental`	Incluir skills experimentais
`--path`	Gravar os arquivos de skill resolvidos neste diretório (sem agentes, sem estado)
`--scope`	Escopo de instalação: project ou global (padrão: global, ou pergunta no modo interativo)
`--skills`	Skills específicas a instalar (separadas por vírgula)
`--skills-only`	Forçar arquivos de skill brutos para todos os agentes em vez do plugin
`--debug`	ativar registro de depuração
`--output`, `-o`	tipo de saída: text ou json (padrão text)
`--profile`, `-p`	perfil de ~/.databrickscfg
`--target`, `-t`	bundle target a ser usado (se aplicável)

Observe que --skills-only e --path não podem ser usados juntos.

Gerenciar

List, update, or remove skills

databricks aitools list
databricks aitools update
databricks aitools uninstall

update busca a versão mais recente e instala automaticamente novas skills. Use --check para pré-visualizar sem baixar, --no-new para pular a instalação automática de novas skills, --no-prune para manter skills que foram removidas do manifesto ou --force para baixar novamente mesmo que as versões coincidam.

uninstall remove os arquivos do plugin ou da skill. Use --keep-marketplace para manter o registro no marketplace ao remover um plugin.

Todos os comandos aceitam --scope para controlar o escopo: install e uninstall aceitam project ou global; update e list também aceitam both (o padrão de list é both).

Métodos alternativos de instalação

Você também pode instalar as skills do Databricks com a Skills CLI (por exemplo, npx skills add databricks/databricks-agent-skills) ou diretamente pelo chat do Cursor, com /add-plugin databricks. Ainda assim, databricks aitools install é o método recomendado — ele é mantido pela Databricks e sempre instala as versões estáveis mais recentes.

Skills disponíveis

Execute databricks aitools list para ver as skills disponíveis e o status de instalação de cada uma.

Habilidade	Descrição
`databricks-agent-bricks`	Crie Knowledge Assistants (KA) do Agent Bricks para perguntas e respostas sobre documentos e Supervisor Agents para orquestração multiagente (MAS).
`databricks-ai-functions`	Use as funções de IA integradas do Databricks (ai_classify, ai_extract, ai_summarize, ai_mask, ai_translate, ai_fix_grammar, ai_gen, ai_analyze_sentiment, ai_similarity, ai_parse_document, ai_prep_search, ai_query, ai_forecast) para adicionar recursos de IA diretamente a pipelines SQL e PySpark, sem gerenciar endpoints de modelos.
`databricks-aibi-dashboards`	Crie painéis de IA/BI do Databricks.
`databricks-app-design`	Projete a UX de telas de dados para Databricks Apps com código personalizado (AppKit/React) — páginas de KPI/visão geral, relatórios, gráficos, tabelas e assistentes de dados Genie/chat — usando componentes específicos do AppKit.
`databricks-apps`	Crie apps na plataforma Databricks Apps.
`databricks-apps-python`	Backend em Python para Databricks Apps — FastAPI (padrão), Flask, Dash, Streamlit, Gradio, Reflex. O padrão para um novo Databricks App é `databricks-apps` (AppKit — Node/TypeScript/React) — use-o primeiro. Use esta skill apenas quando o usuário pedir um backend em Python, estender um app Python existente ou quando a equipe trabalhar somente com Python.
`databricks-core`	Operações do Databricks CLI e habilidade principal/ponto de entrada para uso do Databricks CLI: autenticação, seleção de perfis e bundles.
`databricks-dabs`	Crie, configure, valide, implante, execute e gerencie Declarative Automation Bundles (DABs, anteriormente Databricks Asset Bundles).
`databricks-data-discovery`	Descubra, explore e consulte dados do Databricks com o Genie — o equivalente em CLI do Genie One MCP.
`databricks-dbsql`	Recursos avançados e funcionalidades de SQL warehouse do Databricks SQL (DBSQL).
`databricks-docs`	Referência da documentação do Databricks por meio do índice llms.txt.
`databricks-execution-compute`	Execute código e gerencie compute no Databricks: execute Python/Scala/SQL/R em clusters sem servidor, clássicos ou interativos e crie/redimensione/exclua clusters e SQL warehouses.
`databricks-iceberg`	Tabelas Apache Iceberg no Databricks — tabelas Iceberg gerenciadas, leituras externas do Iceberg (anteriormente Uniform), modo de compatibilidade, catálogo REST do Iceberg (IRC), Iceberg v3, interoperabilidade com Snowflake, PyIceberg, Spark OSS, acesso a mecanismos externos e fornecimento de credenciais.
`databricks-jobs`	Desenvolva e implante Lakeflow Jobs no Databricks usando DABs, o SDK do Python ou a CLI.
`databricks-lakebase`	Databricks Lakebase Postgres: projetos, escalonamento, conectividade, tabelas sincronizadas do Lakebase e API de dados.
`databricks-lakeflow-connect`	Crie pipelines de ingestão gerenciados no Databricks usando o Lakeflow Connect.
`databricks-metric-views`	Visualizações de métricas do Unity Catalog: defina, crie, consulte e gerencie métricas de negócios governadas em YAML.
`databricks-ml-training`	Treine modelos de ML no Databricks.
`databricks-mlflow-evaluation`	Avaliação de agentes de GenAI com o MLflow 3.
`databricks-model-serving`	Ciclo de vida e operações de endpoints do Model Serving do Databricks.
`databricks-pipelines`	Desenvolva Lakeflow Spark Declarative Pipelines (anteriormente Delta Live Tables) no Databricks.
`databricks-python-sdk`	Orientações de desenvolvimento para Databricks, incluindo o SDK do Python, Databricks Connect, CLI e API REST.
`databricks-serverless-migration`	Migre cargas de trabalho do Databricks da computação clássica para a computação sem servidor.
`databricks-spark-structured-streaming`	Guia completo do Spark Structured Streaming para cargas de trabalho de produção.
`databricks-synthetic-data-gen`	Gere dados sintéticos realistas usando Spark + Faker (altamente recomendado).
`databricks-unity-catalog`	Governança, controle de acesso e observabilidade no Unity Catalog.
`databricks-unstructured-pdf-generation`	Crie conjuntos de dados para avaliação de RAG em documentos não estruturados e documentos de demonstração (por exemplo, para o Knowledge Assistant) no Databricks: gere PDFs sintéticos localmente, faça upload deles para volumes do Unity Catalog e associe cada documento a perguntas de teste para avaliar a recuperação.
`databricks-vector-search`	Endpoints e índices do Databricks Vector Search para RAG e pesquisa semântica; abrange tipos de índice, modos de pesquisa e padrões de RAG de ponta a ponta
`databricks-zerobus-ingest`	Crie clientes Zerobus Ingest para ingestão de dados quase em tempo real em tabelas Delta do Databricks via gRPC.

As skills a seguir são experimentais. Instale-as adicionando --experimental ao comando databricks aitools install:

Skill	Descrição
`databricks-ai-runtime`	CLI do Databricks AI Runtime (`air`) — a ferramenta de linha de comando para enviar e gerenciar cargas de trabalho de treinamento em GPU no compute serverless do Databricks.
`databricks-genie`	Crie e consulte Genie Spaces do Databricks para exploração de SQL em linguagem natural.
`spark-python-data-source`	Crie fontes de dados Python personalizadas para o Apache Spark com a API DataSource do PySpark — leitores/gravadores em lote e de streaming para sistemas externos.

Próximos passos

Com as agent skills do Databricks instaladas, seu agente de programação tem o contexto necessário para desenvolver e implantar.

Para dar ainda mais contexto ao seu agente, instale o Docs MCP Server.
Tudo pronto para começar? Veja como os templates ajudam a fazer o scaffold do seu projeto rapidamente.