Microsoft Fabric's Gegevensagent stelt organisaties in staat om interactieve gesprekken op te bouwen op basis van hun bedrijfsgegevens. Door Fabric artefacten te verbinden met een Data Agent, kunnen gebruikers vragen in natuurlijke taal omzetten in nauwkeurige query's, waardoor belanghebbenden, van analisten tot leidinggevenden, inzichten kunnen ontsluiten zonder één regel code te schrijven. In dit artikel wordt elke gegevensbron beschreven die Data Agent momenteel ondersteunt en de configuratiemogelijkheden die beschikbaar zijn voor elke gegevensbron.
Overview
Data Agent ondersteunt de volgende gegevensbroncategorieën:
| Categorie |
Artifacts |
Opvragingstaal |
Sleutelscenario |
|
SQL |
Lakehouse, Data Warehouse, SQL Database, gespiegelde databases |
T-SQL |
Gestructureerde analyses over relationele gegevens en Delta Lake data |
|
Eventhouse |
Eventhouse KQL-database |
KQL |
Realtime intelligentie en tijdreeksanalyse |
|
Semantisch model |
Semantische Power BI-modellen |
DAX |
Bedrijfslogica, berekende metingen en gecureerde metrische gegevens |
|
Grafiek (voorbeeldweergave) |
Grafiekmodel |
GQL |
Relatierijke gegevensverkenning en grafiekanalyse |
|
Ontologie (previewversie) |
Fabric Ontologie |
Ontologie-native |
Domeinkennis en semantische context voor gegevensintegratie |
|
Azure AI Zoeken (preview) |
Azure AI Zoeken-index |
Natuurlijke taal en zoeken |
Niet-gestructureerde gegevens ophalen (PDF's, tekst, verrijkte inhoud) |
Tip
Eén gegevensagent kan maximaal vijf gegevensbronnen combineren in elke combinatie, zodat u gestructureerde, realtime, semantische en ongestructureerde gegevens in één gesprekservaring kunt combineren.
Ondersteunde artefacten
-
Lakehouse: Delta Lake-tabellen die worden weergegeven via het SQL Analytics-eindpunt.
-
Data Warehouse: volledig Fabric warehouse met T-SQL surface area.
-
SQL Database: Fabric systeemeigen SQL-databases.
-
Mirrored Databases— Externe databases die zijn gespiegeld in Fabric (bijvoorbeeld Azure SQL, Cosmos DB, Snowflake).
Elke SQL-bron in Fabric wordt geleverd met een SQL Analytics-eindpunt, een T-SQL-queryoppervlak met hoge prestaties over OneLake Delta-gegevens. Data Agent maakt gebruik van een ingebouwde NL2SQL-service die:
- Vertaalt de vraag in natuurlijke taal van de gebruiker naar een T-SQL-query met behulp van het door de gebruiker opgegeven geselecteerde schema, instructies en voorbeeldquery's.
- Valideert de gegenereerde query op basis van de schemaselectie om ervoor te zorgen dat deze alleen goedgekeurde tabellen en weergaven verwijst.
- Voert de query uit via het SQL Analytics-eindpunt en retourneert leesbare resultaten.
Ondersteunde artefacten
-
Eventhouse KQL Database, Fabric Real-Time Intelligence-archief voor streaming,gebeurtenisgestuurde en tijdreeksgegevens.
Data Agent maakt verbinding met het Eventhouse KQL-database-eindpunt en maakt gebruik van de ingebouwde NL2KQL van Kusto om de volgende mogelijkheden mogelijk te maken:
- De vraag van de gebruiker wordt omgezet in een KQL-query met behulp van het geselecteerde schema en eventuele meegeleverde instructies of voorbeelden.
- De query wordt gevalideerd om te bevestigen dat deze alleen de goedgekeurde schema-entiteiten raakt.
- Bij goedkeuring wordt de query uitgevoerd op de Kusto-engine, geoptimaliseerd voor analytische workloads met lage latentie, hoge doorvoer.
Ondersteunde artefacten
-
Power BI Semantische modellen: gepubliceerde gegevenssets met tabellen, relaties, metingen, berekende kolommen en hiërarchieën.
Elk semantisch model in Fabric maakt een XMLA-eindpunt beschikbaar. Deze gegevensagent gebruikt om DAX-query's uit te voeren. De ingebouwde NL2DAX-service :
- Vertaalt natuurlijke taal in een DAX-query, waarbij gebruik wordt gemaakt van de metagegevens van het model (tabelbeschrijvingen, kolom synoniemen, metingdefinities, relaties).
- Valideert de query op basis van het geselecteerde schema.
- Wordt uitgevoerd via het XMLA-eindpunt en retourneert opgemaakte resultaten.
Ondersteunde artefacten
-
Graph Model— Graph-artefacten die de schema's van knooppunten en randen definiëren.
Graph Data Agent kan GQL-query's uitvoeren en inzichten uit uw grafiekgegevensbronnen in Fabric weergeven. Als u een dergelijke agent wilt configureren, voegt u een grafiekmodel of grafiekqueryset toe als uw gegevensbron.
Wanneer de gegevensagent GQL uitvoert tegen een graafgegevensbron, voert het onderliggende Fabric Graph-artefact de queryuitvoering uit, waarbij graafbewerkingen worden verbruikt.
Ondersteunde artefacten
-
Fabric Ontology: een semantische laag die domeinkennis, entiteitsdefinities en relaties vastlegt.
Nadat een ontologie is geconfigureerd in Fabric, kan deze worden toegevoegd als een gegevensbron aan de gegevensagent. De agent gebruikt de ontologie om inzicht te hebben in domeincontext en vragen te beantwoorden die zijn geaard in het kennismodel van uw organisatie.
Ondersteunde artefacten
-
Azure AI Zoeken Index— Indexen die zijn gebouwd in Azure AI Foundry over ongestructureerde inhoud, zoals PDF-bestanden, tekstbestanden en andere verrijkte documenten.
Gegevensagent maakt rechtstreeks verbinding met uw Azure AI Zoeken-index met behulp van een resource-URL. Wanneer een gebruiker een vraag stelt, verzendt de agent de query (met de identiteit van de gebruiker voor toegangsbeheer) naar de zoekindex, haalt de meest relevante documentsegmenten op en stelt een definitief antwoord op. Bronvermeldingen worden automatisch opgenomen wanneer de index URL- of bestandspadvelden bevat.
Ondersteunde configuraties voor SQL-bronnen
| Configuratie |
Ondersteund |
Details |
| Schemaselectie |
✅ Ja |
Selecteer specifieke tabellen, weergaven en functies om het bereik van de agent te bepalen. |
| Agentinstructies |
✅ Ja |
De agent begeleiden over wanneer en hoe vragen naar deze bron doorgestuurd moeten worden. |
| Instructies voor gegevensbron |
✅ Ja |
Geef tabelbeschrijvingen, joinlogica, belangrijke kolomdetails en bedrijfsterminologie op voor NL2SQL. |
| Beschrijving van gegevensbron |
✅ Ja |
Beschrijving waarmee de agent kan bepalen of deze gegevensbron relevant is voor de vraag van de gebruiker. |
|
Beschrijvingen van schemaobjecten (Preview) |
✅ Ja |
Bied zakelijke context voor tabellen, kolommen en andere schema-elementen om het genereren van SQL-querys te verbeteren. Alleen beschikbaar in de preview-runtime. |
| Voorbeelden van query's |
✅ Ja |
Geef natuurlijke taal/SQL-paren op, zodat de agent complexe querypatronen kan leren. Topvoorbeelden worden automatisch opgehaald via vector-gelijkenis. |
Ondersteunde configuraties voor Eventhouse KQL-bronnen
| Configuratie |
Ondersteund |
Details |
| Schemaselectie |
✅ Ja |
Selecteer specifieke tabellen, gerealiseerde weergaven, functies en snelkoppelingen om het bereik van de agent te bepalen. |
| Agentinstructies |
✅ Ja |
De agent begeleiden over wanneer en hoe vragen naar deze bron doorgestuurd moeten worden. |
| Instructies voor gegevensbron |
✅ Ja |
Geef context op over tabellen, MV's, functies en snelkoppelingen naar NL2KQL. |
| Beschrijving van gegevensbron |
✅ Ja |
Beschrijving waarmee de agent kan bepalen of deze gegevensbron relevant is voor de vraag van de gebruiker. |
| Voorbeelden van query's |
✅ Ja |
Geef natuurlijke taal/KQL-paren op om de agent complexe aggregatie- en joinpatronen te leren. |
Ondersteunde configuraties voor Semantisch model
| Configuratie |
Ondersteund |
Details |
| Schemaselectie |
✅ Ja* |
Selecteer tabellen om weer te geven. Besturingselement op kolomniveau is beschikbaar wanneer Prep voor AI is geconfigureerd in Power BI. |
| Agentinstructies |
✅ Ja |
De agent begeleiden bij het kiezen van het semantische model om vragen te beantwoorden. |
| Instructies voor gegevensbron |
❌ Nee* |
Instructies worden beheerd via voorbereiding voor AI (AI-instructies en geverifieerde antwoorden) aan de zijde van het semantische model. De Data Agent respecteert ze wanneer ze aanwezig zijn. |
| Beschrijving van gegevensbron |
❌ Nee |
Semantische modellen bieden geen ondersteuning voor beschrijvingen van gegevensbronnen. |
| Voorbeelden van query's |
❌ Nee* |
Momenteel niet ondersteund voor semantische modellen. Gebruik geverifieerde antwoorden in voorbereiding voor AI om voorbeelden van DAX-query's op te nemen. |
*Semantische modellen zijn voornamelijk geconfigureerd via Prep voor AI in Power BI, dat AI-gegevensschema's, AI-instructies en geverifieerde antwoorden.
Ondersteunde configuraties voor Graph Model
| Configuratie |
Ondersteund |
Details |
| Schemaselectie |
❌ Nee |
In Graph kan een gebruiker zijn agent niet afbakenen op specifieke knooppunten en bogen. |
| Agentinstructies |
✅ Ja |
De agent begeleiden over wanneer en hoe vragen naar deze bron doorgestuurd moeten worden. |
| Instructies voor gegevensbron |
✅ Ja |
Doorgegeven aan de NL2GQL-engine om het genereren van query's te begeleiden. |
| Beschrijving van gegevensbron |
✅ Ja |
Beschrijving waarmee de agent kan bepalen of deze gegevensbron relevant is voor de vraag van de gebruiker. |
| Voorbeelden van query's |
✅ Ja |
Doorgegeven aan NL2GQL om complexe graaftraversatiepatronen te onderwijzen. |
Ondersteunde ontologieconfiguraties
| Configuratie |
Ondersteund |
Details |
| Schemaselectie |
❌ Nee |
Niet ondersteund voor ontologiegegevensbronnen. |
| Agentinstructies |
✅ Ja |
De agent begeleiden bij het kiezen van het semantische model om vragen te beantwoorden. |
| Instructies voor gegevensbron |
❌ Nee |
Niet ondersteund voor ontologiegegevensbronnen. |
| Beschrijving van gegevensbron |
✅ Ja |
Beschrijving waarmee de agent kan bepalen of deze gegevensbron relevant is voor de vraag van de gebruiker. |
| Voorbeelden van query's |
❌ Nee |
Niet ondersteund voor ontologiegegevensbronnen. |
Niet-gestructureerde gegevensconfiguraties
| Setting |
Details |
| weergavenaam |
Aangepaste naam die wordt weergegeven voor de index in de gebruikersinterface-ervaring. |
| Zoektype |
Kies een volledige tekst, hybride of semantische zoekopdracht, afhankelijk van uw indexconfiguratie. |
| Aantal documenten |
Bepalen hoeveel documenten per query worden opgehaald (aanbevolen: 3-20). |
| Context/beschrijving |
Beschrijf de indexinhoud, sleutelvelden en gebruiksrichtlijnen om routering te helpen. |
| Agentinstructies |
Gids hoe de agent zoekresultaten interpreteert en het uiteindelijke antwoord opstelt. |
Meer informatie