Erste Schritte mit dem Remote-MCP-Server für Operations Agents (Vorschau)

Nutzen Sie den entfernten Model Context Protocol (MCP)-Server für Betriebsagenten , um Ziele und Anweisungen zu konfigurieren, Wissensquellen und Aktionen zu verwalten, Playbooks zu erstellen und die Überwachung über natürliche Sprache zu steuern.

Ein Operations-Agent macht zwei MCP-Endpunkte verfügbar:

• Ein Konfigurieren-Endpunkt zum Lesen und Aktualisieren der Konfiguration des Agenten sowie zum Erstellen seines Playbooks.
• Ein Abfrageendpunkt zum Überprüfen des Status des Agents und seiner Überwachungsvorgänge.

Um mit dem entfernten MCP-Server für einen Betriebsagenten zu beginnen, befolgen Sie diese Schritte:

1. Stellen Sie eine Verbindung mit dem McP-Remoteserver für Operations-Agents von Visual Studio Code oder der GitHub Copilot CLI her.
2. Konfigurieren Sie den MCP-Client mit den Server-URLs und der Authentifizierung.
3. Verwenden Sie GitHub Copilot, um den Agent zu konfigurieren, ein Playbook zu generieren und die Überwachung mithilfe natürlicher Sprache zu verwalten.
4. Überprüfen Sie die Verbindung mithilfe von Testaufforderungen.

Voraussetzungen

Bevor Sie den MCP-Server einrichten und verwenden, stellen Sie sicher, dass Sie folgendes haben:

• Visual Studio Code.

• GitHub Copilot in Visual Studio Code.

• Eine Datenquellenverbindung.

• Ein Operationsagent in einem Fabric-Arbeitsbereich, in dem du die Rolle Contributor oder Admin hast.

  Beachten Sie die Workspace-ID und die Operationsagent-Item-ID aus der Fabric-Artikel-URL. Das URL-Format ist https://app.fabric.microsoft.com/groups/<Workspace ID>/operationsagents/<Item ID>.

Authentifizierung

Der Server verwendet OAuth. Konfigurieren Sie Ihren MCP-Client so, dass er ein gültiges Microsoft Entra ID-Token erhält und weitergibt. GitHub Copilot verwaltet dieses Token automatisch.

Sie benötigen Mitarbeiter- oder Administratorzugriff auf den Arbeitsbereich, der den Operations-Agenten enthält.

Verbinden Sie sich mit dem MCP-Server des Operations Agent

Jeder Operationsagent stellt zwei HTTP-basierte MCP-Endpunkte bereit: einen für die Konfiguration und einen für Abfragen.

Server-URLs

https://api.fabric.microsoft.com/v1/mcp/workspaces/<Workspace ID>/operationsAgents/<Item ID>/configure
https://api.fabric.microsoft.com/v1/mcp/workspaces/<Workspace ID>/operationsAgents/<Item ID>/query

MCP-Clientkonfiguration

Fügen Sie beide entfernten MCP-Server-Definitionen zur MCP-Client-Konfigurationsdatei hinzu. Verwenden Sie in Visual Studio Code .vscode/mcp.jsonEinstellungen für die Arbeitsbereichskonfiguration oder Ihr Benutzerprofil für die Benutzerkonfiguration. Weitere Informationen finden Sie in der Visual Studio Code MCP-Konfigurationsreferenz.

{
  "servers": {
    "operations-agent-configure": {
      "type": "http",
      "url": "https://api.fabric.microsoft.com/v1/mcp/workspaces/<Workspace ID>/operationsAgents/<Item ID>/configure"
    },
    "operations-agent-query": {
      "type": "http",
      "url": "https://api.fabric.microsoft.com/v1/mcp/workspaces/<Workspace ID>/operationsAgents/<Item ID>/query"
    }
  }
}

Verfügbare Tools

Der Operationsagent MCP-Server stellt Werkzeuge bereit, die KI-Agenten nutzen können, um einen Operationsagenten zu konfigurieren und zu betreiben. Die Werkzeuge sind über die configure- und query-Endpunkte verteilt.

Server konfigurieren

Verwenden Sie den Konfigurieren-Endpunkt, um das Setup des Agents zu lesen und zu aktualisieren, Wissensquellen und Aktionen zu verwalten, sein Playbook zu generieren und die Überwachung zu starten oder zu beenden.

Abfrageserver

Verwenden Sie den Abfrageendpunkt, um den Status des Agents und seine Überwachungsvorgänge zu überprüfen.

Datenquellenverbindung

Ein Operations-Agent benötigt eine verbundene Datenquelle, bevor ein Playbook generiert werden kann. Sie können eine Datenquelle auf zwei Arten verbinden:

• Fabric UI: Verbinden Sie die Datenquelle aus dem Agent-Editor unter "Wissensquelle".

• MCP-Tool: Verwenden Sie das add_or_update_eventhouse_knowledge_source Tool, um eine KQL-Datenbank oder ein Ereignishaus hinzuzufügen, oder add_or_update_fabric_ontology_knowledge_source um eine Fabric Ontology hinzuzufügen.

Beispiele: Konfigurieren eines Agents

Beispiel-Prompt:

Setze die Agent-Anweisungen auf: Überwache die Fahrradverfügbarkeit an allen unseren Stationen auf eine geringe Fahrradverfügbarkeit. Warnhinweis, wenn weniger als 3 Fahrräder an jeder Station zur Verfügung stehen."

Antwort:

Rufen Sie set_agent_instructions an und bestätigen Sie die aktualisierten Anweisungen.

Beispiel-Prompt:

Füge eine Eventhouse-Wissensquelle namens MyDB hinzu, damit der Agent die Daten meiner Fahrräder überwachen kann.

Antwort:

Ruft auf add_or_update_eventhouse_knowledge_source und bestätigt, dass die Datenquelle verbunden wurde.

Beispiel-Prompt:

Füge eine Aktion hinzu, damit der Agent die >URL oder Beschreibung eines Fabric-Elements< mit einem Standortparameter verwenden kann.

Antwort:

Ruft auf add_or_update_agent_action und bestätigt, dass die Aktion mit dem beibehaltenen Parameter hinzugefügt wurde.

Beispiele: Generieren und Überprüfen eines Playbook

Beispiel-Prompt:

"Generieren Sie ein Playbook für diesen Agent."

Antwort:

Ruft generate_playbook auf und gibt eine Playbook-ID mit Status InProgresszurück. Die Generierung dauert in der Regel ein bis drei Minuten.

Beispiel-Prompt:

"Was ist der Status der Playbook-Generation?"

Antwort:

Ruft get_generate_playbook_status auf und meldet den Fortschritt. Wiederholen Sie den Vorgang, bis der status istCompleted.

Beispiel-Prompt:

Zeigen Sie mir die Playbook-Zusammenfassung und die Regeln an.

Antwort:

Ruft get_playbook_summary und get_playbook_rules auf und gibt die Geschäftsentitäten, das Glossar und die Überwachungsregeln zurück.

Beispiel-Prompt:

"Zeigen Sie mir die Details der ersten Playbook-Regel an."

Antwort:

Ruft get_rule_details mit der Regel-ID auf und gibt die vollständige Bedingung sowie die Bindung zurück.

Beispiele: Verwalten der Überwachung

Hier sind einige Beispielaufforderungen:

• "Was ist der aktuelle Zustand dieses Operationsagenten?"

• Starten Sie den Agenten.

• "Beenden Sie den Agenten."

• Letzte Vorgänge anzeigen.

• "Abrufen von Details zum aktuellen Vorgang."

• "Geben Sie mir ein vollständiges Bild: Anweisungen, Wissensquellen, Aktionen, Playbook und Zustand."

Die letzte Eingabeaufforderung verkettet mehrere Tools über beide Endpunkte hinweg und synthetisiert die Ergebnisse in einer einzigen Zusammenfassung.

Einschränkungen

• Konfiguration pro Element: Jedes Paar von MCP-Server-URLs bezieht sich auf einen einzelnen Operations-Agent. Um mit mehreren Agents zu arbeiten, müssen Sie einen separaten MCP-Servereintrag für jeden konfigurieren.

• Für Playbooks erforderliche Datenquelle: Der Agent kann kein Playbook generieren, bis mindestens eine Wissensquelle verbunden ist. Beim Versuch, ein Playbook ohne Datenquelle zu generieren, wird ein Fehler zurückgegeben.

• Unterstützte Wissensquellen: Sie können Eventhouse- oder KQL-Datenbankquellen sowie Fabric-Ontologiequellen verbinden. Andere Datenquellentypen werden derzeit nicht unterstützt.

• Nur manuelle Konfiguration: Sie müssen die MCP-Server-URLs manuell zur Clientkonfigurationsdatei hinzufügen. Die automatische Ermittlung ist nicht verfügbar.

Tipps

• Verbinden Sie auch den MCP-Server für Eventhouse: Wenn Ihre Datenquelle ein Fabric Eventhouse ist, verbessert das Verbinden des MCP-Servers für Eventhouse zusammen mit dem Operations-Agent die Ergebnisse erheblich. Ihr Agent kann dann Ihr Datenbankschema, Beispieldaten und KQL-Abfragen überprüfen.

• Seien Sie mit Agent-Anweisungen spezifisch: Die Playbook-Qualität hängt davon ab, wie deutlich Sie beschreiben, was überwacht werden soll. Geben Sie die Datenwerte, Schwellenwerte und Bedingungen explizit an. Weitere Anleitungen finden Sie unter bewährte Methoden des Operations-Agents.

• Konfigurieren Sie vor dem Generieren: Festlegen von Anweisungen, Aktionen und Wissensquellen vor dem Aufrufen generate_playbook. Eine Neukonfiguration nach dem Generieren erfordert, dass das Playbook erneut generiert wird.

• Überprüfen Sie den Status, bevor Sie Maßnahmen ergreifen: Verwenden Sie get_agent_state, um zu bestätigen, dass der Agent Active oder Inactive ist, bevor Sie die Überwachung starten oder beenden.

Verwandte Inhalte

• Was ist MCP in Real-Time Intelligence (Vorschau)?
• Erstellen und Konfigurieren von Operations-Agents
• Erste Schritte mit dem Remote-MCP-Server für Eventhouses
• Erste Schritte mit dem Remote-MCP-Server für aktivator
• Hinzufügen und Verwalten von MCP-Servern in VS Code
• Hinzufügen von MCP-Servern für GitHub Copilot CLI