Utilisez le serveur Fabric MCP local avec OneLake

En utilisant le serveur Fabric MCP local, les agents IA peuvent parcourir les espaces de travail, lire des fichiers, inspecter les schémas de tables et gérer des répertoires dans OneLake via des conversations en langage naturel. Le serveur s’exécute sur votre machine et connecte votre agent à OneLake via le Model Context Protocol (MCP).

Conseil / Astuce

Pour une configuration plus simple, commencez par le serveur MCP OneLake hébergé lorsqu’il est disponible pour votre élément et prend en charge les outils dont vous avez besoin. Vous vous connectez via HTTPS sans installer de serveur MCP local. Les serveurs hébergés et locaux exposent des outils différents ; cet article décrit le serveur local.

Les éléments Fabric utilisent des formats ouverts pour stocker leurs données dans OneLake. Ces éléments incluent des lakehouses, des bases de données mises en miroir, ainsi que des bases de données KQL et modèles sémantiques avec la disponibilité OneLake activée. Les outils OneLake du serveur local permettent aux agents IA d’explorer ces éléments via un ensemble unique de commandes.

Prerequisites

Installez le serveur Fabric MCP local

Pour installer le serveur local dans Visual Studio Code, utilisez l’Fabric MCP server VS Code extension. Installez l’extension et les outils OneLake sont disponibles automatiquement.

Pour une configuration manuelle ou une utilisation en dehors de VS Code, consultez les instructions d’installation de la Fabric MCP Server README.

Authentification et autorisations

Les outils OneLake du serveur local utilisent votre identité Azure existante et vos autorisations Fabric. Votre agent IA peut accéder uniquement aux espaces de travail et aux éléments que vous avez déjà l’autorisation d’afficher. Vous n’avez pas besoin de rôles ou d’autorisations supplémentaires au-delà de votre accès normal à l’espace de travail.

Connectez-vous avec le Azure CLI avant d’utiliser les outils :

az login

Capacités locales de l’outil MCP OneLake

Les outils couvrent trois domaines de OneLake :

Catégorie Ce que vous pouvez faire API OneLake utilisées
Découverte de l’espace de travail et des éléments Répertorier les espaces de travail, énumérer les éléments d'un espace de travail, créer de nouveaux éléments (lakehouses, notebooks, bases de données SQL, etc.). API de plan de données OneLake et Fabric API REST
Opérations de fichier et de répertoire Parcourez, lisez, écrivez, chargez, téléchargez et supprimez des fichiers et des répertoires. Les points de terminaison DFS et Stockage Blob sont disponibles. API du système de fichiers OneLake
Opérations de table Obtenir la configuration de l’API table, lister les espaces de noms (schémas), lister les tables et récupérer les définitions complètes des tables avec des noms de colonnes, des types et des métadonnées. API de tables OneLake

Les outils incluent 19 commandes. La plupart des commandes acceptent des noms conviviaux ainsi que des GUID, par exemple, vous pouvez référencer un élément au SalesLakehouse.lakehouse lieu d’un GUID.

Pour obtenir la référence complète des commandes avec des paramètres et des exemples de sortie, consultez les OneLake tools README sur GitHub.

Exemple : explorer un lac

Après avoir installé le serveur Fabric MCP local, demandez à votre agent IA d’explorer vos données. Par exemple:

« Répertoriez les tables dans mon Sales lakehouse et indiquez-moi le schéma de chacune d'elles. »

L’agent utilise les outils OneLake MCP pour localiser l’espace de travail, rechercher le lakehouse, découvrir les espaces de noms de table et récupérer les définitions de table complètes, sans écrire de code ni ouvrir le portail Fabric.

Vous pouvez demander à votre agent IA d’effectuer d’autres tâches :

  • Inventoriez un espace de travail : « Analysez mon espace de travail et montrez-moi les éléments présents, leur taille et les tables qu’il contient ».
  • Lire et écrire des fichiers — « Charger ce fichier CSV dans le dossier Fichiers dans mon lakehouse » ou « Lire le fichier de configuration dans le dossier Surveillance ».
  • Documentez une base de données mise en miroir : « Décrire les tables et la structure de stockage de ma base de données mise en miroir ».
  • Créer des éléments — « Créer un lakehouse appelé StagingData de mon espace de travail Analytics. »

Limites

  • La item create commande nécessite actuellement un ID d’espace de travail basé sur GUID. Votre agent IA gère cela automatiquement en appelant onelake workspace list pour résoudre le nom de l’espace de travail en ID.
  • Les outils OneLake MCP n’incluent pas de commandes de gestion des raccourcis. Pour répertorier ou créer des raccourcis, utilisez l’API REST des raccourcis OneLake.

Contenu connexe

  • Dernière mise à jour :