Wprowadzenie do zdalnego serwera MCP dla agentów operacyjnych (wersja zapoznawcza)

Korzystaj ze zdalnego serwera protokołu Model Context Protocol (MCP), aby konfigurować cele i instrukcje dla agentów operacyjnych, zarządzać źródłami wiedzy i działaniami, generować playbooki oraz kontrolować monitorowanie za pomocą języka naturalnego.

Agent operacyjny uwidacznia dwa punkty końcowe MCP:

• Punkt końcowy configure do odczytywania i aktualizowania konfiguracji agenta oraz generowania jego playbooka.
• Punkt końcowy zapytania służący do sprawdzania stanu agenta i jego operacji monitorujących.

Aby rozpocząć pracę z zdalnym serwerem MCP dla agenta operacyjnego, postępuj zgodnie z następującymi krokami:

1. Połącz się ze zdalnym serwerem MCP dla agentów operacji za pomocą Visual Studio Code lub interfejsu wiersza poleceń GitHub Copilot.
2. Skonfiguruj klienta MCP przy użyciu adresów URL serwera i uwierzytelniania.
3. Użyj GitHub Copilot, aby skonfigurować agenta, wygenerować podręcznik i zarządzać monitorowaniem przy użyciu języka naturalnego.
4. Zweryfikuj połączenie przy użyciu monitów testowych.

Wymagania wstępne

Przed skonfigurowaniem i użyciem serwera MCP upewnij się, że masz następujące elementy:

• Visual Studio Code.

• GitHub Copilot w Visual Studio Code.

• Połączenie ze źródłem danych.

• Agent operacyjny w przestrzeni roboczej Fabric, gdzie masz rolę współtwórcy lub administratora.

  Zwróć uwagę na identyfikator obszaru roboczego i identyfikator elementu agenta operacji z adresu URL elementu Fabric. Format adresu URL to https://app.fabric.microsoft.com/groups/<Workspace ID>/operationsagents/<Item ID>.

Authentication

Serwer używa protokołu OAuth. Skonfiguruj klienta MCP tak, aby pobierał i przekazywał ważny token Microsoft Entra ID. GitHub Copilot automatycznie obsługuje ten token.

Potrzebujesz dostępu współautora lub administratora do obszaru roboczego zawierającego agenta operacji.

Połącz się z serwerem MCP agenta ds. operacji

Każdy agent operacji udostępnia dwa punkty końcowe MCP oparte na HTTP: jeden do konfiguracji i jeden do zapytań.

Adresy URL serwera

https://api.fabric.microsoft.com/v1/mcp/workspaces/<Workspace ID>/operationsAgents/<Item ID>/configure
https://api.fabric.microsoft.com/v1/mcp/workspaces/<Workspace ID>/operationsAgents/<Item ID>/query

Konfiguracja klienta MCP

Dodaj obie definicje zdalnych serwerów MCP do pliku konfiguracyjnego klienta MCP. W Visual Studio Code użyj .vscode/mcp.json do konfiguracji przestrzeni roboczej lub profilu użytkownika do konfiguracji użytkownika. Więcej informacji można znaleźć w dokumentacji referencyjnej konfiguracji Visual Studio Code MCP.

{
  "servers": {
    "operations-agent-configure": {
      "type": "http",
      "url": "https://api.fabric.microsoft.com/v1/mcp/workspaces/<Workspace ID>/operationsAgents/<Item ID>/configure"
    },
    "operations-agent-query": {
      "type": "http",
      "url": "https://api.fabric.microsoft.com/v1/mcp/workspaces/<Workspace ID>/operationsAgents/<Item ID>/query"
    }
  }
}

Dostępne narzędzia

Serwer agenta operacyjnego MCP udostępnia narzędzia, które agenci AI mogą wykorzystać do konfiguracji i obsługiwania agenta operacyjnego. Narzędzia są rozproszone pomiędzy punktami końcowymi configure i query.

Konfigurowanie serwera

Skonfiguruj punkt końcowy, aby odczytywać i aktualizować konfigurację agenta, zarządzać źródłami wiedzy i akcjami, generować podręcznik i uruchamiać lub zatrzymywać monitorowanie.

Serwer zapytań

Użyj endpointu zapytania, aby sprawdzić stan agenta i jego operacje monitorujące.

Połączenie ze źródłem danych

Agent operacji potrzebuje połączonego źródła danych, zanim będzie mógł wygenerować podręcznik. Źródło danych można połączyć na dwa sposoby:

• Interfejs użytkownika Fabric: Połącz źródło danych w edytorze agenta w sekcji Źródło wiedzy.

• Narzędzie MCP: Użyj narzędzia add_or_update_eventhouse_knowledge_source, aby dodać bazę danych KQL lub Eventhouse, albo narzędzia add_or_update_fabric_ontology_knowledge_source, aby dodać ontologię usługi Fabric.

Przykłady: Konfigurowanie agenta

Przykładowy monit:

Ustaw instrukcje agenta tak, aby monitorował dostępność rowerów na wszystkich naszych stacjach i wykrywał niską dostępność rowerów. Alert, gdy mniej niż 3 rowery są dostępne na dowolnej stacji."

Odpowiedź:

Wywołuje set_agent_instructions i potwierdza, że instrukcje zostały zaktualizowane.

Przykładowy monit:

Dodaj źródło wiedzy eventhouse o nazwie MyDB, żeby agent mógł monitorować dane moich rowerów.

Odpowiedź:

Wywołuje add_or_update_eventhouse_knowledge_source i potwierdza, że nawiązano połączenie ze źródłem danych.

Przykładowy monit:

"Dodaj akcję, która pozwala agentowi użyć <adresu URL lub opisu elementu> Fabric, z parametrem Location."

Odpowiedź:

Wywołuje add_or_update_agent_action i potwierdza, że akcja została dodana z zachowanym parametrem.

Przykłady: generowanie i przeglądanie podręcznika

Przykładowy monit:

"Wygeneruj podręcznik dla tego agenta".

Odpowiedź:

Wywołuje generate_playbook i zwraca identyfikator podręcznika ze stanem InProgress. Generowanie zwykle trwa od jednej do trzech minut.

Przykładowy monit:

"Jaki jest stan generowania podręcznika?"

Odpowiedź:

Wywołuje get_generate_playbook_status i raportuje postęp. Powtarzaj, aż status będzie równy Completed.

Przykładowy monit:

"Pokaż mi podsumowanie i reguły podręcznika".

Odpowiedź:

Wywołuje get_playbook_summary i get_playbook_rules zwraca jednostki biznesowe, słownik i reguły monitorowania.

Przykładowy monit:

"Pokaż mi szczegóły pierwszej reguły podręcznika"."

Odpowiedź:

Wywołuje get_rule_details z identyfikatorem reguły i zwraca pełny warunek oraz powiązanie.

Przykłady: Zarządzanie monitorowaniem

Oto kilka przykładowych monitów:

• "Jaki jest bieżący stan tego agenta operacji?"

• Uruchom agenta.

• "Zatrzymaj agenta".

• "Pokaż mi ostatnie operacje".

• "Pobierz szczegóły dotyczące najnowszej operacji".

• "Daj mi pełny obraz: instrukcje, źródła wiedzy, akcje, podręcznik i stan."

Ostatnie polecenie wykorzystuje wiele narzędzi w obu punktach końcowych i syntetyzuje wyniki w jedno zbiorcze podsumowanie.

Ograniczenia

• Konfiguracja poszczególnych elementów: każda para adresów URL serwera MCP ma zastosowanie do jednego agenta operacji. Aby pracować z wieloma agentami, należy skonfigurować oddzielny wpis serwera MCP dla każdego z nich.

• Źródło danych wymagane dla podręczników: agent nie może wygenerować podręcznika, dopóki nie zostanie połączone co najmniej jedno źródło wiedzy. Próba wygenerowania podręcznika bez źródła danych zwraca błąd.

• Wspierane źródła wiedzy: Możesz połączyć źródła eventhouse lub bazy danych KQL oraz źródła ontologii Fabric. Inne typy źródeł danych nie są obecnie obsługiwane.

• Tylko konfiguracja ręczna: należy ręcznie dodać adresy URL serwera MCP do pliku konfiguracji klienta. Automatyczne odnajdywanie nie jest dostępne.

Wskazówki

• Połącz również serwer MCP usługi Eventhouse: Jeśli źródłem danych jest usługa Fabric Eventhouse, połączenie serwera MCP usługi Eventhouse razem z agentem operacyjnym znacząco poprawia wyniki. Agent może następnie sprawdzić schemat bazy danych, przykładowe dane i zweryfikować zapytania KQL.

• Należy przestrzegać instrukcji dotyczących agentów: jakość podręcznika zależy od tego, jak jasno opisano, co należy monitorować. Jawnie podaj wartości danych, progi i warunki. Aby uzyskać więcej wskazówek, zobacz Najlepsze rozwiązania dotyczące agenta operacji.

• Skonfiguruj przed wygenerowaniem: przed wywołaniem metody generate_playbookustaw instrukcje, akcje i źródła wiedzy. Ponowne konfigurowanie po wygenerowaniu wymaga ponownego wygenerowania podręcznika.

• Sprawdź stan przed działaniem: użyj polecenia get_agent_state , aby potwierdzić, że agent jest Active lub Inactive przed rozpoczęciem lub zatrzymaniem monitorowania.

Treści powiązane

• Co to jest MCP w usłudze Real-Time Intelligence (wersja zapoznawcza)?
• Tworzenie i konfigurowanie agentów operacji
• Pierwsze kroki ze zdalnym serwerem MCP dla eventhouses
• Wprowadzenie do zdalnego serwera MCP dla Activatora
• Dodawanie serwerów MCP i zarządzanie nimi w programie VS Code
• Dodawanie serwerów MCP dla interfejsu wiersza polecenia GitHub Copilot