Hva er MCP i Real-Time Intelligence (forhåndsvisning)?

Model Context Protocol (MCP) gir en standardisert måte for AI-modeller, som Azure OpenAI-modeller, å oppdage og bruke eksterne verktøy og datakilder. MCP gjør det enklere å bygge intelligente applikasjoner som kan spørre, resonnere og handle på sanntidsdata. MCP gjør det også enklere for AI-agenter å finne, koble seg til og bruke bedriftsdata.

MCP i Microsoft Fabric Real-Time Intelligence gjør det mulig for AI-modeller, AI-agenter og applikasjoner å samhandle med Real-Time Intelligence-komponentene ved å bruke naturlig språk.

Real-Time Intelligence tilbyr to typer MCP-servere: lokale og fjerne. Hvert alternativ har sine egne distribusjonsmodeller, muligheter og bruksområder.

Lokal MCP-server for Real-Time Intelligence

Den lokale MCP-serveren for Fabric Real-Time Intelligence er en åpen kildekode-server som du installerer, hoster og administrerer selv. Den kjører på din lokale maskin og gir tilgang til Real-Time Intelligence og Azure Data Explorer ressurser.

Viktige egenskaper inkluderer:

  • Distribusjon: Serveren er selvhostet på din lokale maskin.
  • Kilde: Serveren er åpen kilde på GitHub.
  • Tilgang: Du spør og administrerer ressurser til eventhouse, eventstream, Activator, map og Azure Data Explorer.
  • Ledelse: Du håndterer installasjon, oppdateringer og vedlikehold.

For detaljert informasjon, se Kom i gang med den lokale MCP-serveren.

Eksterne MCP-servere

Microsoft hoster eksterne MCP-servere og eksponerer dem som HTTP-endepunkter. Du konfigurerer MCP-klienten din til å koble til disse serverne uten å installere eller administrere programvare.

Server Beskrivelse Funksjonaliteter
Eventhouse MCP-server Gjør det mulig for AI-agenter å spørre eventhus ved bruk av naturlig språk Skjemaoppdagelse, KQL-spørringsgenerering, datauttak, oversettelse av naturlig språk til KQL ( NL2KQL-rammeverket )
Aktivator MCP-server Gjør det mulig for AI-agenter å samhandle med Fabric Activator Opprettelse av overvåkingsregler, håndtering av varsler, utløste handlinger
Operasjonsagent MCP-server Gjør det mulig for AI-agenter å konfigurere og operere en operasjonsagent ved bruk av naturlig språk Instruksjonskonfigurasjon, spillbokgenerering, overvåkingsadministrasjon
  • MCP-vert: Miljøet der AI-modellen (som GPT-4, Claude eller Gemini) kjører.
  • MCP-klient: En mellomleddstjeneste som videresender AI-modellens forespørsler til MCP-servere, som GitHub Copilot, Cline eller Claude Desktop.
  • MCP-server: Små applikasjoner som gjør spesifikke funksjoner tilgjengelige for AI-modeller, som å kjøre databasespørringer. For eksempel kan en Real-Time Intelligence MCP-server kjøre KQL-spørringer for sanntids datahenting fra KQL-databaser.

Hvis du vil ha mer informasjon, kan du se:

Når man skal bruke lokale vs. eksterne servere

Still spørsmål på vanlig engelsk eller andre språk, og systemet gjør dem om til optimaliserte spørringer.

Scenario Anbefalt alternativ
Søk i eventhouse eller Azure Data Explorer-data med full kontroll over serveren Lokal MCP-server
Spør et eventhouse uten å administrere serverinfrastrukturen Fjern MCP-server for eventhus
Lag overvåkingsregler og varsler i Activator Fjern MCP-server for Activator
Konfigurer instruksjoner, generer playbooks, og administrer overvåking for en operasjonsagent Fjern MCP-server for operasjonsagenter
Bruk i skyagentplattformer som Microsoft Copilot Studio eller Microsoft Foundry Eksterne MCP-servere
Trenger offline- eller luftgapet tilgang Lokal MCP-server
Ønsker automatiske oppdateringer og vedlikehold Eksterne MCP-servere

Støttede AI-klienter

Både lokale og eksterne MCP-servere fungerer med populære AI-klienter.

Støttet Real-Time etterretningskomponenter

Eventhouse: Kjør KQL-spørringer mot KQL-databasene i eventhouse-backend . Dette enhetlige grensesnittet lar AI-agenter søke i sanntidsdataene dine, analysere mønstre og iverksette handlinger basert på det de finner.

Bemerkning

Du kan også bruke Fabric Real-Time Intelligence MCP-serveren til å kjøre KQL-forespørsler mot klyngene i Azure Data Explorer backend.

Hendelsesstrømmer: Søk og administrer hendelsesstrømmer for å analysere strømmedata og få sanntidsinnsikt. Du kan liste hendelsesstrømmer i arbeidsområdet ditt, få detaljer og definisjoner, lage nye hendelsesstrømmer og mer.

Activator: Samhandle med Fabric Activator for å liste Activator-artefakter i arbeidsområdet ditt, lage trigger-handlinger og sette opp varsler.

Driftsagenter: Opprett og administrer driftsagenter for å overvåke og handle på endrede data. Du kan finne og konfigurere agenter, starte og stoppe dem, og finne historikken til deres operasjoner.

Kart: Spør og administrer kartressurser for å visualisere geospatiale data. Du kan liste kart i arbeidsområdet ditt, få detaljer og definisjoner, lage nye kart og mer.

Hensyn og begrensninger

Security

MCP er et nytt fenomen. Som med alle nye teknologistandarder, bør du vurdere å gjennomføre en sikkerhetsgjennomgang for å sikre at alle systemer som integreres med MCP-servere følger alle regler og standarder som systemet ditt må følge. Denne gjennomgangen inkluderer ikke bare Real-Time Intelligence MCP-serverne, men også alle MCP-klienter eller agenter du velger å implementere (helt ned til modellleverandøren).

Du bør følge Microsoft sikkerhetsveiledning for MCP-servere, inkludert aktivering av Microsoft Entra ID-autentisering, sikker tokenhåndtering og nettverksisolasjon. For detaljer, se Microsoft sikkerhetsdokumentasjon.

Tillatelser og risiko

MCP-klienter kan utføre operasjoner basert på brukerens Fabric rollebaserte tilgangskontroll (RBAC) tillatelse. Autonome eller feilkonfigurerte klienter kan utføre destruktive handlinger. Du bør gjennomgå og anvende minst privilegerte RBAC-roller og implementere sikkerhetstiltak før utplassering.

Visse sikkerhetstiltak, som flagg for å forhindre destruktive operasjoner, er ikke standardisert i MCP-spesifikasjonen og kan være ustøttet av alle klienter.

Ansvar for overholdelse

MCP-serveren kan installeres med, brukes med og deles data med klienter og tjenester. Disse klientene og tjenestene kan inkludere ikke-Microsoft store språkmodeller (LLM), AI-agenter eller tjenester som opererer utenfor samsvarsgrensene til Fabric. Du er ansvarlig for å sikre at enhver integrasjon oppfyller gjeldende organisatoriske, regulatoriske og kontraktsmessige krav.