Bemærk
Adgang til denne side kræver godkendelse. Du kan prøve at logge på eller ændre mapper.
Adgang til denne side kræver godkendelse. Du kan prøve at ændre mapper.
Den lokale Model Context Protocol (MCP)-server for Microsoft Fabric Real-Time Intelligence lader AI-agenter eller AI-applikationer interagere med Real-Time Intelligence eller Azure Data Explorer ved at levere værktøjer via MCP-grænsefladen. MCP gør det lettere for agenter at forespørge og analysere data.
MCP-understøttelse af Real-Time Intelligence og Azure Data Explorer er en fuld open source MCP-serverimplementering til Real-Time Intelligence. Kunderne skal installere, hoste og administrere implementeringen.
Scenarier
Det mest almindelige scenarie for at bruge den lokale MCP-server til Real-Time Intelligence er at forbinde til den fra en eksisterende AI-klient, såsom Cline, Claude eller GitHub Copilot. Klienten kan derefter bruge alle tilgængelige værktøjer til at tilgå og interagere med Real-Time intelligens eller Azure Data Explorer ressourcer ved hjælp af naturligt sprog.
For eksempel kan du bruge GitHub Copilot-agent mode med Real-Time Intelligence MCP-serveren til at:
- List KQL-databaser eller Azure Data Explorer-klynger.
- Kør naturlige sprogforespørgsler på Real-Time Intelligence-eventhuse.
Arkitektur
Den lokale MCP-server for Real-Time Intelligence er kernen i systemet. Det fungerer som en bro mellem AI-agenter og datakilder. Den kører lokalt og giver adgang til eventhouse, eventstream, Activator og kortressourcer.
Agenter sender anmodninger til Real-Time Intelligence MCP-serveren. MCP-serveren oversætter anmodningerne til Real-Time Intelligence-operationer.
Arkitekturen følger MCP klient/server-modellen:
- MCP host: Applikationen hvor AI-interaktioner finder sted. For eksempel kan Visual Studio Code interagere med GitHub Copilot, Claude Desktop eller Cline. Værten indeholder AI-modelforbindelsen, en værktøjsorkestrator og en eller flere MCP-klienter.
- MCP-server: En letvægtstjeneste, der eksponerer specifikke funktioner som strukturerede værktøjer. Real-Time Intelligence MCP-serveren eksponerer værktøjer som "udfør forespørgsel", "liste databaser" og "liste tabeller", der oversættes til eventhouse-operationer.
Enhver applikation, der understøtter MCP, kan forbinde til den lokale MCP-server for Real-Time Intelligence ved at bruge den samme protokol. Denne applikation kan være et interaktivt produkt som GitHub Copilot eller et programmatisk AI-agent-framework.
Vigtige funktioner
Adgang til data i realtid: Hent data fra KQL-databaser på få sekunder.
Naturlige sproggrænseflader: Stil spørgsmål på almindeligt engelsk eller andre sprog, og systemet omdanner dem til optimerede forespørgsler. Denne oversættelse af naturligt sprog til KQL kaldes NL2KQL-rammen .
Skemaopdagelse: Opdag skema og metadata, så du kan lære datastrukturer dynamisk.
Plug-and-play-integration: Forbind MCP-klienter som GitHub Copilot, Claude og Cline til Real-Time Intelligence med minimal opsætning på grund af standardiserede API'er og opdagelsesmekanismer.
Lokal sproginferens: Arbejd med dine data på dit foretrukne sprog.
Understøttede Real-Time efterretningskomponenter
Eventhouse: Kør KQL-forespørgsler mod KQL-databaserne i dit eventhouse backend. Denne samlede grænseflade giver AI-agenter mulighed for at forespørge, ræsonnere og handle på data i realtid.
Eventstreams: Forespørg og administrer eventstreams for at analysere streamingdata og få realtidsindsigt. Du kan liste eventstreams i dit workspace, få detaljer og definitioner, oprette nye eventstreams og meget mere.
Activator: Interager med Fabric Activator for at liste Activator-artefakter i dit arbejdsområde, oprette trigger-handlinger og opsætte notifikationer.
Kort: Forespørg og administrer kortressourcer for at visualisere data og skabe geospatiale indsigter. Du kan liste kort i dit arbejdsområde, visualisere data på kort, få detaljer og definitioner, oprette nye kort og mere.
Du kan også bruge Fabric Real-Time Intelligence MCP-serveren til at køre KQL-forespørgsler mod klyngerne i din Azure Data Explorer backend.
Installation
For at installere den lokale MCP-server for Real-Time Intelligence, følg open source-instruktionerne i Real-Time Intelligence MCP-serverarkivet . Arkivet indeholder dokumentation om installation, konfiguration og brug af MCP-serveren med Real-Time Intelligence.