Databricks Serving Endpoint身份验证错误排查求助

针对你遇到的MLflow读取Databricks凭证失败的BAD_REQUEST错误，结合你的注册代码，以下是具体排查和修复步骤：

1. 必须添加databricks-sdk依赖 #

错误提示明确要求安装databricks-sdk，但你的pip_requirements里没有包含这个包。Serving环境运行模型时需要它处理Databricks内部的凭证认证，一定要补上：

pip_requirements=[
    "mlflow==" + mlflow.__version__,
    "langchain==" + langchain.__version__,
    "databricks-vectorsearch",
    "databricks-sdk>=0.20.0"  # 新增依赖，指定最低兼容版本
],

2. 恢复loader_fn的正确写法 #

loader_fn参数需要传入可调用的函数对象，而非函数执行后的结果。你之前改成get_retriever()是错误的，会导致MLflow序列化时无法正确保存检索器的初始化逻辑，改回loader_fn=get_retriever即可。

3. 确认模型权限与服务账号配置 #

• 确保创建Serving Endpoint时使用的服务账号（默认是databricks-serving）拥有访问UC模型、关联的Vector Search索引以及底层数据表的权限
• 检查full_table_name是否符合UC模型命名规范：catalog_name.schema_name.model_name，格式错误会导致模型访问路径异常

4. 补充MLflow运行环境配置（可选） #

如果模型依赖Databricks内部服务，可以在log_model时指定env_manager="conda"，确保依赖环境完整打包：

model_info = mlflow.langchain.log_model(
    chain,
    loader_fn=get_retriever,
    artifact_path="chain",
    registered_model_name=model_name,
    pip_requirements=[
        "mlflow==" + mlflow.__version__,
        "langchain==" + langchain.__version__,
        "databricks-vectorsearch",
        "databricks-sdk>=0.20.0"
    ],
    input_example=question,
    signature=signature,
    env_manager="conda"  # 新增，确保依赖环境被正确打包
)

修复以上点后，重新注册模型并创建Serving Endpoint，即可解决凭证读取失败的问题。

内容的提问来源于stack exchange，提问作者goda