Power BI MCP-server for forbruk (forhåndsversjon)

MCP-serveren for Power BI forbruk er et eksternt vertsbasert endepunkt der AI-agenter chatter med data i Power BI semantiske modeller ved hjelp av naturlig språk. Den er bygd på MCP (Model Context Protocol), og oversetter ledetekstene dine til Power BI operasjoner, genererer DAX-spørringer og utfører dem samtidig som du respekterer tillatelsene og sikkerhetspolicyene dine.

Hvis du vil opprette eller endre semantiske modeller i stedet for å spørre dem, kan du se Power BI Redigere MCP-server.

Denne artikkelen viser deg hvordan du gjør følgende:

  • Koble til den eksterne Power BI MCP-serveren i Visual Studio Code
  • Koble GitHub Copilot til dine Power BI-semantiske modeller
  • Valider forbindelsen med testspørringer

Important

For semantisk modellforbruk foretrekker du å bruke Fabric IQ MCP-server. Fabric IQ er den primære MCP-serveren for å hente klarerte forretningsdata og kontekst fra Power BI semantiske modeller og rapporter til AI-klienter. Denne artikkelen dekker det tidligere Power BI MCP-forbruksendepunktet, som er i forhåndsversjon.

Forutsetninger

  • Administratorgodkjenning – Din Power BI-administrator må aktivere leietakerinnstillingen: «Brukere kan bruke Power BI Model Context Protocol-serverens endepunkt (forhåndsvisning)»
  • Visual Studio Code - Last ned VS Code
  • GitHub Copilot - Aktiver GitHub Copilot i VS Code
  • Semantisk modelltilgang – Byggetillatelser på minst én Power BI semantisk modell
  • (Anbefalt) Optimaliserte modeller - Forbered dine semantiske modeller for AI for å forbedre kvaliteten på spørringsgenerering

Oppsett i VS Code

Den eksterne Power BI MCP-serveren er tilgjengelig på:

https://api.fabric.microsoft.com/v1/mcp/powerbi

Den enkleste måten å konfigurere serveren på, er å bruke installasjonsprogrammet for ett klikk:

Installer Power BI MCP-server (fjern)

Dette installasjonsprogrammet konfigurerer automatisk MCP-serveren i VS Code-innstillingene.

Manuell installasjon

Hvis du vil konfigurere serveren manuelt, legger du til følgende kode i MCP-konfigurasjonsfilen:

{
    "servers": {
        "powerbi-remote": {
            "type": "http",
            "url": "https://api.fabric.microsoft.com/v1/mcp/powerbi"
        }
    }
}

Lær mer:MCP-servere i VS Code

Test Power BI MCP-servertilkoblingen

Etter konfigurasjonen må du kontrollere at installasjonen fungerer:

  1. Start MCP-serveren i VS Code

    • Åpne MCP-serverpanelet
    • Sørg for at Power BI MCP-serveren vises som tilkoblet

  2. Åpne GitHub Copilot

    1. Start chatvinduet i VS Code
    2. Aktiver agentmodus

  3. Oppgi din semantiske modell-ID

    1. Få din semantiske modell-ID fra Power BI-tjenesten (se Finn din semantiske modell-ID)
    2. Del ID-en med Copilot i samtalen din

  4. Still et spørsmål

    • Eksempel: «Hvilke tabeller finnes i denne semantiske modellen?»
    • Eksempel: «Vis meg de 10 beste produktene etter salg»

  5. Autoriser verktøyet

    1. Når du blir bedt om det, la Copilot bruke MCP-serververktøyet
    2. Autentiser deg med Microsoft-opplysningene dine hvis det blir bedt om det

  6. Gå gjennom svaret

    • Copilot spør modellen og returnerer resultater

Tips

For best mulig søkeresultat, forbered dine semantiske modeller for AI ved å legge til AI-instruksjoner og verifiserte svar.

Feilsøking:Administrer MCP-servere i VS Code

Tilgjengelige Power BI MCP-serververktøy

Den eksterne Power BI MCP-serveren inneholder følgende verktøy som AI-agenter kan aktivere: Kjør spørring, Hent skjema for semantisk modell, Hent metadata for rapport og Generer spørring. Avsnittene nedenfor beskriver hvert verktøy.

Utfør spørringsverktøy

Kjør spørring-verktøyet kjører en DAX-spørring mot en Power BI semantisk modell og returnerer resultatene til AI-agenten.

Påkrevde input:

  • Semantisk modell-ID
  • DAX-spørringsuttrykk

Tillatelser:

  • Du må minst ha kompileringstillatelser på den semantiske modellen
  • Spørringer kjøres i konteksten til den autentiserte brukeren

Sikkerhetshensyn:

Se også:Execute Queries REST API

Hent skjemaverktøy for semantisk modell

Skjemaverktøyet Hent semantisk modell henter omfattende metadata for en Power BI semantisk modell, inkludert tabeller, kolonner, mål, relasjoner og eventuelle AI-optimaliserte metadata som modellforfatteren konfigurerte. Bruk dette verktøyet for å forankre DAX-spørringsgenerering i modellens struktur og for å fremheve veiledning fra forfatteren som forbedrer spørringsnøyaktigheten.

Påkrevd innspill: Semantisk modell-ID

Hva som inkluderes:

  • Tabeller, kolonner, mål og relasjoner
  • Datatyper og hierarkier
  • Copilot verktøymetadata, når konfigurert, som gir mer kontekst om modellen, bidrar til å veilede Copilot til de riktige dataene i modellen, og bidrar til å øke kvaliteten på Copilot utdata.

Hent rapportmetadataverktøy

Verktøyet Hent rapportmetadata henter skjemaet på høyt nivå i en Power BI rapport, inkludert arbeidsområdeinformasjon, semantiske modelldetaljer, sider, visuell informasjon og filtre. Rapporter viser hvordan en rapport bruker den semantiske modellen i praksis og kan klargjøre den tiltenkte konteksten, relasjonene og filtreringslogikken som skal veilede DAX-spørringsgenerering. Bruk dette verktøyet til å jorde DAX-spørringsgenerering i strukturen i modellskjemaet som rapporten bruker, og til å vise veiledning for redigering som forbedrer spørringsnøyaktigheten.

Påkrevd innspill: Rapport-ID

Hva som inkluderes:

  • Sider i rapporten, uavhengig av skjult tilstand
  • Visuelle elementer med gyldige modellskjemareferanser, inkludert diagrammer, tabeller, matriser, slicere og kort. Verktøyet utelukker ikke-datavisualobjekter, for eksempel handlingsknapper, figurer, bilder og rektangler.
  • Skjulte kolonner og mål når visualobjekter refererer til dem
  • Visuelle bindings som kartlegger felt til visuelle roller som Kategori, Verdier, Forklaring og Verktøytips
  • Tekstboksinnhold fra hver side

Grenser:

  • Forespørsler mislykkes når rapportmetadataene overstiger maksimal støttet størrelse.

Generer spørringsverktøy

Generer spørring-verktøyet bruker Copilot i Power BI til å opprette optimaliserte DAX-spørringer fra spørsmål om naturlig språk. Verktøyet bruker samme DAX-genereringsmotor som Copilot for Power BI for å lage spørringer som følger beste praksis.

Påkrevde input:

  • Semantisk modell-ID
  • Spørsmål eller prompt på naturlig språk
  • Relevant skjemakontekst som agenten bestemmer (tabeller, kolonner, mål)

Krav:

Note

Hvis du foretrekker å ikke bruke Copilot-kapasitet, deaktiver dette verktøyet i MCP-klientkonfigurasjonen din og stol på klientens LLM for å generere DAX direkte.

Finn din semantiske modell-ID

For å få en semantisk modell-ID fra Power BI-tjenesten:

  1. Logg inn på Power BI
  2. Naviger til arbeidsområdet som inneholder din semantiske modell
  3. Velg den semantiske modellen for å åpne detaljsiden dens
  4. Kopier den semantiske modell-ID-en fra URL-en

Semantiske modell-URL-er følger dette formatet:

https://app.powerbi.com/groups/{workspaceId}/datasets/{semanticModelId}

Tips

  • Lagre ofte brukte modell-ID-er hvor agenten din kan få tilgang til dem, som en semantic-model-ids.json lokal fil eller agentinstruksjonsfiler.
  • Du kan også hente semantiske modell-ID-er programmatisk ved hjelp av Power BI REST-API.

Begrensninger og hensyn

Godkjenning og sikkerhet

  • Sikkerhet på radnivå (RLS): Power BI håndhever ikke RLS når du bruker tjenestekontohavergodkjenning. Når en tjenestekontohaver kjører spørringer, får den tilgang til alle data som hovedkontohaveren har tillatelse til å få tilgang til. Se nøye gjennom sikkerhetsimplikasjoner før du eksponerer tjenestekontohaver-godkjente agenter til sluttbrukere.
  • Leietakerinnstillinger: Administratorer må aktivere "Brukere kan bruke Power BI Model Context Protocol serverendepunkt (forhåndsvisning)" for din organisasjon.

Spørringsgenerering

  • Kompleks DAX: Svært komplekse beregninger eller nestet logikk kan ikke oversettes perfekt fra spørsmål om naturlig språk.
  • Modelloptimalisering: Kvaliteten på spørringsgenerering forbedres betydelig når du forbereder dataene dine for AI.

Performance

  • Modelldesignets innvirkning: Ytelsen for spørringsutførelse avhenger av semantisk modelldesign, størrelse og optimalisering.
  • Store skjemaer: Modeller med hundrevis av tabeller eller tusenvis av kolonner kan føre til store nyttelaster for skjemaer.
  • Spørringskompleksitet: Komplekse DAX-spørringer kan ta lengre tid å generere og kjøre.

Kontekst og samtale

  • Begrensninger for kontekstvindu: AI-modellen som MCP-klienten bruker, begrenser hvor mye kontekst den kan opprettholde på tvers av samtalesvinger.
  • Statsløse spørringer: Hver spørring kjøres uavhengig. Serveren opprettholder ikke forespørselsstatus mellom forespørsler.

Relatert innhold

  • Sist oppdatert