Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of de directory te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen de mappen te wijzigen.
Met het Model Context Protocol (MCP) kunnen AI-modellen, zoals Azure OpenAI-modellen, communiceren met externe hulpprogramma's en resources. MET MCP kunnen agents gemakkelijker bedrijfsgegevens vinden, er verbinding mee maken en gebruiken.
Wanneer u MCP integreert met Azure Data Explorer clusters, krijgt u in realtime AI-inzichten en -acties. Met een MCP-server kunnen AI-agents of AI-toepassingen communiceren met Azure Data Explorer door hulpprogramma's te bieden via de MCP-interface. U gebruikt deze hulpprogramma's om gegevens op te vragen en te analyseren.
Opmerking
Deze functie is beschikbaar als preview-versie.
Servers voor het bouwen van AI-agents
MCP-ondersteuning voor Azure Data Explorer is een volledige opensource-INTEGRATIE van MCP-servers. Het ondersteunt query's in natuurlijke taal en stelt agents in staat om schema's en metagegevens dynamisch te detecteren. Een MCP-server kan worden gebruikt met verschillende AI-clients, zoals GitHub Copilot, Cline of Claude Desktop.
U kunt de volgende MCP-servers gebruiken om AI-agents te integreren en te bouwen met Azure Data Explorer:
Fabric Real-Time Intelligence MCP server (preview). Deze server is ontworpen voor gebruik met Azure Data Explorer-clusters of een Real-Time Intelligence-eventhouse. Het biedt een uniforme interface voor AI-agents om realtime gegevens op te vragen, te redeneren en er actie op te ondernemen.
Azure MCP Server-exemplaar (preview). Met Azure MCP Server kunt u Azure Data Explorer-resources beheren met behulp van prompts in natuurlijke taal. U kunt clusters weergeven, databases weergeven, querygegevens en meer zonder de complexe KQL-syntaxis (Kusto Query Language) te onthouden.
Het meest voorkomende scenario voor het gebruik van de Real-Time Intelligence MCP-server of een Azure MCP Server-exemplaar is om er verbinding mee te maken vanaf een bestaande AI-client. De AI-client kan vervolgens de beschikbare hulpprogramma's gebruiken voor toegang tot en interactie met Azure Data Explorer resources met behulp van natuurlijke taal.
U kunt bijvoorbeeld gitHub Copilot-agent-modus gebruiken met de Real-Time Intelligence MCP-server om KQL-databases weer te geven of query's in natuurlijke taal uit te voeren op Azure Data Explorer clusters.
Architectuur
De MCP-server vormt de kern van het systeem en fungeert als een brug tussen AI-agents en Azure Data Explorer gegevensbronnen. Agents verzenden aanvragen naar de MCP-server, waarmee ze worden omgezet in Azure Data Explorer query's.
Met deze architectuur kunt u modulaire, schaalbare, intelligente toepassingen bouwen die reageren op realtimesignalen. MCP maakt gebruik van een client-/serverarchitectuur, zodat AI-toepassingen efficiënt kunnen communiceren met externe hulpprogramma's. De architectuur bevat de volgende onderdelen:
- MCP-host. De toepassing waarin AI-interacties plaatsvinden. De host kan bijvoorbeeld Visual Studio Code met GitHub Copilot, Claude Desktop of Cline zijn. De host bevat de AI-modelverbinding, een orchestrator voor hulpprogramma's en een of meer MCP-clients.
- MCP-server. Een lichtgewicht toepassing die specifieke mogelijkheden beschikbaar maakt met behulp van API's en databases in natuurlijke taal. U gebruikt bijvoorbeeld een MCP-server om KQL-query's uit te voeren om realtime gegevens op te halen uit Azure Data Explorer clusters.
Belangrijkste kenmerken
Realtime gegevenstoegang. Gegevens ophalen uit Azure Data Explorer clusters in seconden.
Interfaces voor natuurlijke taal. Gebruikers of agenten stellen vragen in gewoon Engels of andere talen en het systeem verandert in geoptimaliseerde query's. Zie dit blogbericht over het NL2KQL-framework voor meer informatie.
Detectie van schema's. MCP-servers geven schema en metagegevens weer, zodat agents dynamisch gegevensstructuren kunnen leren.
Plug-and-play-integratie. MCP-clients zoals GitHub Copilot, Claude en Cline maken verbinding met Real-Time Intelligence met minimale installatie vanwege gestandaardiseerde API's en detectiemechanismen.
Lokale taalinferentie. Gebruik uw voorkeurstaal om met uw gegevens te werken.
Overwegingen en beperkingen
Security
MCP is een nieuw fenomeen. Net als bij alle nieuwe technologiestandaarden kunt u overwegen een beveiligingsbeoordeling uit te voeren om ervoor te zorgen dat systemen die zijn geïntegreerd met MCP-servers voldoen aan alle voorschriften en standaarden waaraan uw systeem moet voldoen. Deze beoordeling omvat niet alleen de Real-Time Intelligence MCP-servers, maar ook elke MCP-client of agent die u kiest te implementeren (tot en met de modelprovider).
Volg Microsoft beveiligingsrichtlijnen voor MCP-servers, waaronder het inschakelen van Microsoft Entra ID verificatie, beveiligd tokenbeheer en netwerkisolatie. Zie de Microsoft beveiligingsdocumentatie voor meer informatie.
Machtigingen en risico's
MCP-clients kunnen bewerkingen aanroepen op basis van de Microsoft Entra ID machtigingen van de gebruiker. Autonome of onjuist geconfigureerde clients kunnen destructieve acties uitvoeren. Controleer en pas machtigingen met minimale bevoegdheden toe en implementeer beveiliging vóór de implementatie.
Bepaalde beveiligingsmaatregelen, zoals vlaggen om destructieve bewerkingen te voorkomen, worden niet gestandaardiseerd in de MCP-specificatie en worden mogelijk niet ondersteund door alle clients.
Nalevingsverantwoordelijkheid
Een MCP-server kan worden geïnstalleerd met, worden gebruikt met en gegevens delen met clients en services. Deze clients en services kunnen niet-Microsoft grote taalmodellen (LLM's), AI-agents of services bevatten die buiten de nalevingsgrenzen van Fabric werken. U bent verantwoordelijk om ervoor te zorgen dat elke integratie voldoet aan de toepasselijke vereisten op het gebied van organisatie, regelgeving en contractuele voorwaarden.