Begin met de Fabric data engineering agent (Project Osmos) (preview)

In deze quickstart installeer je de Fabric data engineering agent (Project Osmos)-skill voor GitHub Copilot CLI, Claude Code of Codex, maak je een taak aan voor een Fabric-lakehouse en open je de taak in Fabric.

In deze quickstart gaat u als volgt te werk:

• Controleer de vereisten voor Fabric en de lokale omgeving
• Installeer de Skills for Fabric-plug-in, die de vaardigheid voor de data-engineeringagent (Project Osmos) bevat
• Maak een taak die een medaillonarchitectuur voor retail implementeert
• Bekijk de bedrijfsinstellingen
• Houd de taak in je Fabric lakehouse in de gaten

Prerequisites

Bevestig deze vereisten voordat je begint:

• Een Fabric-werkruimte toegewezen aan een in aanmerking komende Fabric-capaciteit. Fabric trial SKU's worden niet ondersteund.
• Een meerhuis in die werkruimte
• Bijdrager of hogere toestemming op de werkruimte
• Schakel de volgende huurdersinstellingen in voor je account en capaciteit:
  • Gebruikers kunnen Copilot en andere functies gebruiken die mogelijk worden gemaakt door Azure OpenAI
  • Gebruikers kunnen Copilot, AI Agents en andere AI-ervaringen die door OpenAI worden aangedreven als Microsoft Subprocessor gebruiken (sterk aanbevolen voor beste prestaties, maar niet verplicht)
• De volgende tenant-instellingen gelden alleen als je capaciteit zich in een regio bevindt waar OpenAI niet beschikbaar is:
  • Data die als Microsoft Subprocessor naar OpenAI wordt gestuurd, kan buiten de geografische regio, compliancegrens of nationale cloudinstantie van je capaciteit worden verwerkt
  • Gegevens die naar Azure OpenAI worden verzonden, kunnen worden opgeslagen buiten de geografische regio van uw capaciteit, de nalevingsgrens of het nationale cloudexemplaar.
• Volgens je capaciteitsinstellingen wordt het inschakelen van AI-datatransformatie aanbevolen, maar niet verplicht
• Azure CLI
• Een ondersteunde lokale agent:
  • GitHub Copilot CLI geïnstalleerd en geauthenticeerd
  • Claude Code
  • Codex en Git

Voor configuratierichtlijnen, zie Enable and configure Copilot in Microsoft Fabric.

Installeer de data engineering agent (Project Osmos) vaardigheid

De vaardigheid data engineering agent (Project Osmos) is opgenomen in de Skills for Fabric-collectie.

1. Log in bij Azure met een identiteit die toegang heeft tot de doelwerkruimte en lakehouse:

   az login
   

   Als je toegang hebt tot meerdere Microsoft Entra-tenants, log dan in bij de tenant die je Fabric-werkruimte bevat.

2. Gebruik vervolgens de commando's van je lokale agent om de Skills for Fabric marketplace toe te voegen en de Fabric-collectie te installeren.

   • GITHUB COPILOT CLI
   • Claude Code
   • Codex

   Start GitHub Copilot CLI:

   copilot
   

   Voer deze commando's uit binnen de GitHub Copilot CLI:

   /plugin marketplace add microsoft/skills-for-fabric
   /plugin install fabric-skills@fabric-collection
   

1. Herstart GitHub Copilot CLI zodat de nieuwe skills worden geladen.

   /quit
   

2. Controleer de installatie. Start GitHub Copilot CLI opnieuw en voer:

   /skills
   

Bevestig dat Project Osmos, aangeduid als project-osmos, beschikbaar is.

Gebruik de data engineering agent (Project Osmos)

Beschrijf het volledige data engineering-resultaat dat je wilt dat de data engineering agent (Project Osmos) levert. Neem de werkruimte, lakehouse, brondata, transformaties, verwachte output en validatievereisten op:

Beschrijf de volledige end-to-end data engineering-taak. De data engineering agent (Project Osmos) ontvangt het als één project.

Neem op:

• Bronnen: Tabellen, mappen, bestanden, notitieboeken of OneLake-bronnen
• Transformaties: Opschonen, joins, filters, berekeningen of schemawijzigingen
• Uitvoer: Tabellen, notitieboeken, bestanden of samenvattingen
• Validatie: aantallen rijen, null-controles, uniciteit, afstemming van gegevens of bedrijfsregels

Bronnen en uitvoer zijn niet beperkt tot de werkruimte waar je de taak hebt aangemaakt. Als je toestemming hebt om een bron te benaderen, kan de taak namens jou toegang krijgen tot de resource.

Voorbeeld:

Use Project Osmos in the Fabric workspace Sales Analytics and the lakehouse
SalesLakehouse.

Load the Orders and Customers tables, remove orders without a customer ID,
join the tables on customer ID, and calculate monthly revenue by customer
segment. Save the result as a Delta table named monthly_segment_revenue.
Validate row counts, null customer IDs, and negative revenue values.

Je lokale agent lost de werkruimte en het lakehouse op, verzamelt alle benodigde veiligheids- en outputopties en maakt één externe Project Osmos-taak. Het biedt een Fabric-taaklink om de voortgang te monitoren.

Je hoeft de workspace- of lakehouse-ID's niet te zoeken of het werk op te delen in eenvoudigere stappen. Geef hun namen op of geef een Fabric lakehouse URL, en dien het volledige resultaat in als één taak. Project Osmos verzorgt de planning, volgordebepaling en validatie.

Bekijk de taakinstellingen

Voordat de run begint, classificeert de data engineering agent (Project Osmos) de taak en beveelt instellingen aan.

Je kunt alle aanbevolen instellingen aanpassen.

Houd de taak in de gaten

Nadat je de instellingen hebt geaccepteerd, voert de Fabric data engineering agent (Project Osmos) de taak uit met gespecialiseerde agenten in SparkCore, geeft een taak-ID terug en opent een Fabric lakehouse-pagina die het volgende bevat:

• Details uit de intakevragenlijst
• Specificatie
• Huidige status
• Agentactiviteit

Omdat de taak in Fabric op SparkCore draait in plaats van op je lokale machine, gaat hij door wanneer je computer uit staat. Om de voortgang te monitoren, selecteer je je lakehouse in Fabric en selecteer je vervolgens de taak in de lakehouse explorer. Je kunt ook je lokale agent vragen naar de status van de taak.

Richtlijnen voor gebruik

• Gebruik Project Osmos via een lokale agent zoals GitHub Copilot CLI, Claude Code of Codex. Directe interactie met Project Osmos vanuit Copilot in het Fabric-portaal wordt momenteel niet ondersteund.
• Specificeer de beoogde werkruimte en lakehouse bij naam, of geef een Fabric lakehouse URL. Je hoeft de ID's niet zelf te zoeken.
• Gebruik Project Osmos voor end-to-end data engineering die waterhuizen, OneLake, Spark, notitieboeken en tabellen invat.
• Vraag je lokale medewerker om de status van een externe taak te controleren, vervolginstructies te sturen, de taak te annuleren of te verwijderen.
• Om met een bestaande taak verder te werken, vul je de taak-ID of de Fabric-taaklink in.
• Bekijk de voorgestelde uitvoerings- en veiligheidskeuzes voordat u wijzigingen toestaat aan belangrijke of productiegegevens.

Maak je eerste taak

Dit voorbeeld vereist alleen een leeg meerhuis. Project Osmos maakt de voorbeelddata en alle benodigde artefacten, zodat je het product kunt gebruiken zonder eerst het lakehouse voor te bereiden.

Gebruik Project Osmos om een kleine retail-medallion-architectuur te maken. Vraag eerst je lokale makelaar om Project Osmos te gebruiken:

Create a Project Osmos task

Nadat je je lakehouse hebt geïdentificeerd aan de hand van de naam of URL, word je gevraagd een doel voor je project te definiëren. Voer het volgende in:

Use Project Osmos to set up a simple retail medallion architecture in this
empty lakehouse. Create small sample CSV files for customers, products, and
sales under Files/landing. Build bronze tables that preserve the source data,
silver tables that clean and standardize it, and gold tables named
gold_daily_sales and gold_customer_sales.
Create three notebooks named 01_load_bronze, 02_transform_silver, and
03_build_gold that move the data through the layers. Run the notebooks in
order, and validate row counts, key uniqueness, referential integrity, and
revenue totals at each layer.

Dien de volledige prompt in als één taak. Project Osmos plant en ordent het werk, maakt de voorbeeldgegevens, tabellen en notitieboeken aan, voert de notitieboeken uit in SparkCore en controleert de resultaten.

Wanneer de taak is voltooid, bekijk dan deze artefacten:

• Bronze klant-, product- en verkooptabellen die de voorbeeldbrongegevens bewaren
• Zilveren tabellen met gestandaardiseerde datatypes, geldige sleutels en schoongemaakte records
• Gold-tabellen met dagelijkse verkoop- en verkoopsamenvattingen op klantniveau
• Drie notitieboeken die de beweging tussen lagen documenteren en uitvoeren
• Resultaten van de validatie voor aantallen rijen, sleutels, relaties en totale omzet

Aanvullende voorbeelden van projectuitkomsten voor complexe use cases

Project Osmos is ontworpen voor volledige data engineering-resultaten, inclusief werk dat kennis vereist van bedrijfsapplicaties, ontdekking van lakehouses, implementatie-experimenten en validatie. Een verzoek naar GitHub Copilot zonder Project Osmos kan een plausibele notitieboekje of code-overzicht opleveren, maar gebruikt de Project Osmos-workflow niet om het live lakehouse te inspecteren, implementatie-opties te vergelijken, de code uit te voeren in Fabric SparkCore en de oplossing verder te verfijnen op basis van de werkelijke resultaten.

Creëer een Dynamics 365 klantlevenscyclusmodel

Dit beknopte project-resultaat vraagt Project Osmos om de beschikbare applicatiegegevens te ontdekken:

Use Project Osmos to create a trusted customer lifecycle model from the Microsoft Dynamics 365 data in this lakehouse.

Hoe Project Osmos het zou kunnen aanpakken: Project Osmos onderzoekt het lakehouse om te bepalen welke Dynamics 365-applicaties en Dataverse-tabellen beschikbaar zijn. Het identificeert structuren zoals accounts, contacten, leads, kansen, activiteiten, cases, bestellingen en facturen; brengt hun relaties en statuswaarden in kaart; en evalueert hoe de klantreis van acquisitie tot verkoop en service kan worden weergegeven. Het draait SparkCore-code om relatiedekking, dubbele klanten, verweesde activiteiten, pipelinetotalen, order- en factuurafstemming en levenscyclusberekeningen te valideren.

Waarom Project Osmos beter geschikt is: Zonder Project Osmos is GitHub Copilot afhankelijk van jou om de relevante Dynamics 365- en Dataverse-tabellen te identificeren, hun relaties en optiesets uit te leggen, en elke revisie uit te voeren. Project Osmos kan beginnen bij het resultaat, het meerhuis onderzoeken en de uitvoering verfijnen op basis van gemeten resultaten.

Modelleer SAP order-to-cash data

Dit beknopte project-resultaat vraagt Project Osmos om te bepalen hoe de SAP-gegevens in uw lakehouse worden weergegeven en een nuttig order-to-cash-model te bouwen:

Use Project Osmos to build an order-to-cash model from the SAP data in this lakehouse.

Hoe Project Osmos het zou kunnen aanpakken: Project Osmos onderzoekt het lakehouse om de beschikbare SAP-verkooporder-, leverings-, facturatie-, klant- en documentstroomgegevens te identificeren. Het zoekt naar structuren zoals VBAK/VBAP, LIKP/LIPS, VBRK/VBRP, KNA1 en VBFA, of equivalente geëxtraheerde views. Het onderzoekt schema's en voorbeeldwaarden, bepaalt of de extractie lijkt op SAP S/4HANA of SAP ECC-structuren, en test alternatieve joins en documentflow-logica. Vervolgens bouwt het samengestelde tabellen en notitieboeken en voert het SparkCore-controles uit op dubbele bedrijfssleutels, ontbrekende documentlinks, hoeveelhedenovergangen en afstemming van order-naar-factuur.

Waarom Project Osmos beter geschikt is: GitHub Copilot zonder Project Osmos zou je nodig hebben om de relevante tabellen te vinden, de SAP-relaties uit te leggen, schema's te leveren, de gegenereerde code uit te voeren en fouten of resultaten te geven voor elke revisie. Project Osmos voert die ontdekking en uitvoering uit als onderdeel van één persistente Fabric-taak die autonoom op SparkCore wordt uitgevoerd.

NetSuite-financiën verzoenen

Dit gedetailleerde project-resultaat levert de bedrijfsregels terwijl de implementatiedetails aan Project Osmos worden overgelaten:

Use Project Osmos to create a financial reconciliation model from the NetSuite
data already loaded in this lakehouse. Preserve subsidiary, accounting period,
transaction, transaction line, account, accounting book, department, class,
location, transaction currency, and base currency. Build a monthly trial
balance with debit, credit, and net balances by subsidiary and account. Account
for intercompany transactions, elimination subsidiaries, and exchange rates.
Identify unbalanced entries, unmapped accounts, and periods that don't reconcile
to the source. Save the transformation and validation notebooks, and don't
modify the source tables.

Hoe Project Osmos het zou kunnen benaderen: Project Osmos onderzoekt hoe NetSuite-transacties, transactielijnen, rekeningen, dochterondernemingen, boekhoudperiodes, valuta en boekhoudboeken in het lakehouse worden weergegeven. Het evalueert opties voor boekingen, consolidatie, eliminatie en valutaomrekening en gebruikt gefaseerde uitvoer om de resultaten te vergelijken. Het voert de notebooks in SparkCore uit en controleert de journaalbalans, de volledigheid van documenten, de dekkingsgraad van de mappings en de totalen van bron tot uitvoer voordat het de definitieve tabellen genereert.

Waarom Project Osmos beter geschikt is: Codegeneratie alleen kan joins en berekeningen coderen, maar het kan niet betrouwbaar afleiden hoe een specifieke NetSuite-extractie boekingen, boekhoudingen, eliminaties en wisselkoersen vertegenwoordigt, of bewijzen dat het resultaat afstemt zonder een iteratieve uitvoerings- en validatielus.

Bouw een Salesforce-pijplijn en voorspel metrics

Use Project Osmos to build a trusted sales pipeline and forecast model from the
Salesforce data in this lakehouse. Preserve account, opportunity, owner,
product, stage, amount, probability, close date, forecast category, creation
date, and stage-history details. Produce current pipeline, stage conversion,
sales-cycle duration, pipeline coverage, forecast accuracy, and slipped-deal
metrics by region, segment, product, and owner. Handle deleted records, currency
conversion, changing opportunity ownership, and historical stage snapshots.
Save the notebooks, and validate the metrics against available Salesforce
totals and prior-period snapshots.

Hoe Project Osmos het zou kunnen aanpakken: Project Osmos brengt beschikbare Salesforce-objecten in kaart en haalt Account-, Opportunity-, OpportunityHistory-, OpportunityLineItem-, Product2-, User- en prognosegegevens uit. Het vergelijkt huidige toestand, geschiedenis en periodieke snapshot-benaderingen en test hoe de extractie valuta, verwijderingen, eigenaarwijzigingen en faseovergangen vertegenwoordigt. Het voert kandidaat-implementaties uit in SparkCore en vergelijkt pipelinetotalen, conversieratio's, prognoseresultaten en historische momentopnames.

Waarom Project Osmos beter geschikt is: Dit resultaat vereist meer dan syntactisch correcte Spark. Project Osmos combineert Salesforce-domeinredenering met live data-inspectie, herhaalde uitvoering en afstemming om een implementatie te vinden die werkt met de daadwerkelijke extractie- en geschiedenisstrategie van de klant.

Moderniseer een bestaande pijpleiding van het meerhuis

Use Project Osmos to assess the existing sales ingestion and transformation
notebooks in this lakehouse. Replace full reloads with an idempotent incremental
design, preserve late-arriving updates, prevent duplicate business keys, add
quarantine handling for invalid records, and create validation tables that
compare each run with the source. Keep existing downstream table names and
schemas unless a change is required. Test the new design against representative
data, compare it with the current implementation, and document the migration
and rollback steps.

Hoe Project Osmos het zou kunnen aanpakken: Project Osmos inspecteert de huidige notitieboeken, tabellen, schema's en datapatronen; vergelijkt watermerk-, merge- en wijzigingstrackingopties; en test fout- en herhalingsgedrag. Het voert beide implementaties in SparkCore uit op voorbereide doelsystemen en vergelijkt rijaantallen, dubbele sleutels, de afhandeling van late updates, schemacompatibiliteit en uitvoertotalen.

Waarom Project Osmos beter geschikt is: Codeeragenten die alleen worden gebruikt, kunnen een incrementeel patroon suggereren, maar je moet de implementatiecontext aanleveren en elke test uitvoeren. Project Osmos evalueert het bestaande meerhuis en valideert concurrerende ontwerpen voordat het de veiligere aanpak aanbeveelt en uitvoert.

Vaardigheden voor Fabric bijwerken

In GitHub Copilot CLI of Claude Code werkt u de geïnstalleerde Fabric-collectie bij:

/plugin update fabric-skills@fabric-collection

Voer voor Codex codex plugin marketplace upgrade fabric-collection uit en voer vervolgens codex plugin add fabric-skills@fabric-collection uit.

Huidige beperkingen

• Data engineering agent (Project Osmos) is momenteel niet beschikbaar voor werkruimtes met outbound access protection ingeschakeld.

Verwante onderwerpen

• Overzicht van de Fabric data engineering agent (Project Osmos)
• Aanbevolen procedures voor Fabric-agent voor data-engineering (Project Osmos)
• Opslagplaats voor Fabric-agent voor data-engineering (Project Osmos)
• Aanmelden met Azure CLI