Serwer MCP usługi Power BI Consumption (wersja zapoznawcza)

Serwer Power BI Consumption MCP to zdalny punkt końcowy, w którym agenci sztucznej inteligencji rozmawiają z danymi w modelach semantycznych Power BI przy użyciu języka naturalnego. Oparte na protokole Model Context Protocol (MCP), tłumaczy Twoje prompty na operacje w usłudze Power BI, generuje zapytania DAX i wykonuje je z zachowaniem Twoich uprawnień oraz zasad bezpieczeństwa.

Aby utworzyć lub zmienić semantyczne modele zamiast wykonywać względem nich zapytania, zobacz Power BI Tworzenie serwera MCP.

W tym artykule pokazano, jak wykonać następujące działania:

• Nawiązywanie połączenia ze zdalnym serwerem MCP usługi Power BI w programie Visual Studio Code
• Łączenie narzędzia GitHub Copilot z modelami semantycznymi usługi Power BI
• Weryfikowanie połączenia za pomocą zapytań testowych

Wymagania wstępne

• Zatwierdzenie przez administratora — administrator usługi Power BI musi włączyć ustawienie dzierżawy: "Użytkownicy mogą używać punktu końcowego serwera protokołu kontekstu modelu Power BI (wersja testowa)"
• Visual Studio Code - Pobieranie programu VS Code
• GitHub Copilot - Włączanie narzędzia GitHub Copilot w programie VS Code
• Dostęp do modelu semantycznego — uprawnienia do tworzenia co najmniej jednego modelu semantycznego usługi Power BI
• (Zalecane) Zoptymalizowane modele - Przygotowywanie modeli semantycznych dla sztucznej inteligencji w celu poprawy jakości generowania zapytań

Konfigurowanie w programie VS Code

Zdalny serwer MCP usługi Power BI jest dostępny pod adresem:

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

Szybka instalacja (zalecana)

Najprostszym sposobem skonfigurowania serwera jest użycie instalatora jednym kliknięciem:

Ten instalator automatycznie konfiguruje serwer MCP w ustawieniach programu VS Code.

Instalacja ręczna

Aby ręcznie skonfigurować serwer, dodaj następujący kod do pliku konfiguracji MCP:

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

Dowiedz się więcej:Serwery MCP w programie VS Code

Przetestuj połączenie z serwerem MCP usługi Power BI

Po skonfigurowaniu sprawdź, czy konfiguracja działa:

1. Uruchamianie serwera MCP w programie VS Code

   • Otwieranie panelu serwerów MCP
   • Upewnij się, że serwer MCP usługi Power BI jest wyświetlany jako połączony

2. Otwórz narzędzie GitHub Copilot

   1. Uruchamianie okna czatu w programie VS Code
   2. Włączanie trybu agenta

3. Podaj identyfikator modelu semantycznego

   1. Uzyskiwanie identyfikatora modelu semantycznego z usługi Power BI (zobacz Znajdowanie identyfikatora modelu semantycznego)
   2. Udostępnij identyfikator Copilotowi w konwersacji

4. Zadaj pytanie

   • Przykład: "Jakie tabele znajdują się w tym modelu semantycznym?"
   • Przykład: "Pokaż mi 10 najlepszych produktów według sprzedaży"

5. Autoryzowanie narzędzia

   1. Po wyświetleniu monitu zezwól Copilot na korzystanie z narzędzia serwera MCP
   2. Uwierzytelnij się przy użyciu poświadczeń firmy Microsoft, jeśli jest to wymagane

6. Przejrzyj odpowiedź

   • Copilot wykonuje zapytania dotyczące modelu i zwraca wyniki

Rozwiązywanie problemów:Zarządzanie serwerami MCP w programie VS Code

Dostępne narzędzia serwera Power BI MCP

Zdalny serwer Power BI MCP udostępnia następujące narzędzia dla agentów sztucznej inteligencji do wywoływania: Wykonywanie zapytania, Pobieranie schematu modelu semantycznego, Pobieranie metadanych raportu i Generowanie zapytania. W poniższych sekcjach opisano każde narzędzie.

Narzędzie do wykonywania zapytań

Narzędzie Execute Query uruchamia zapytanie języka DAX względem modelu semantycznego Power BI i zwraca wyniki do agenta sztucznej inteligencji.

Wymagane dane wejściowe:

• Identyfikator modelu semantycznego
• Wyrażenie zapytania DAX

Uprawnienia:

• Musisz mieć co najmniej uprawnienia do tworzenia modelu semantycznego
• Zapytania są wykonywane w kontekście uwierzytelnionego użytkownika

Zagadnienia dotyczące zabezpieczeń:

• Zabezpieczenia na poziomie wierszy (RLS) mają zastosowanie do uwierzytelniania użytkownika
• Uwierzytelnianie jednostki usługi nie obsługuje obecnie mechanizmu RLS

Zobacz również:Wykonywanie zapytań za pomocą interfejsu API REST

Get Semantic Model Schema tool (Pobieranie narzędzia schematu modelu semantycznego)

Narzędzie Get Semantic Model Schema (Pobieranie schematu modelu semantycznego) pobiera kompleksowe metadane dla modelu semantycznego Power BI, w tym tabele, kolumny, miary, relacje i wszelkie metadane zoptymalizowane pod kątem sztucznej inteligencji skonfigurowane przez autora modelu. Użyj tego narzędzia, aby uziemić generowanie zapytań języka DAX w strukturze modelu i udostępnić wskazówki udostępniane przez autora, które zwiększają dokładność zapytań.

Wymagane dane wejściowe: Identyfikator modelu semantycznego

Co zawiera:

• Tabele, kolumny, miary i relacje
• Typy danych i hierarchie
• Metadane narzędzi Copilot, po skonfigurowaniu, zapewniają więcej kontekstu na temat modelu, pomagają kierować funkcję Copilot do właściwych danych w modelu oraz pomagają zwiększyć jakość wyników generowanych przez funkcję Copilot.

Narzędzie do pobierania metadanych raportu

Narzędzie Pobierz metadane raportu pobiera ogólny schemat raportu Power BI, w tym informacje o obszarze roboczym, szczegóły modelu semantycznego, strony, informacje o wizualizacji i filtry. Raporty pokazują, jak raport używa modelu semantycznego w praktyce i może wyjaśnić zamierzony kontekst, relacje i logikę filtrowania, która powinna kierować generowaniem zapytań języka DAX. Użyj tego narzędzia, aby uziemić generowanie zapytań języka DAX w strukturze schematu modelu używanego przez raport i udostępnić wskazówki udostępniane przez autora, które zwiększają dokładność zapytań.

Wymagane dane wejściowe: Identyfikator raportu

Co zawiera:

• Strony w raporcie, niezależnie od tego, czy są ukryte
• Wizualizacje z prawidłowymi odwołaniami do schematu modelu, w tym wykresy, tabele, macierze, fragmentatory i karty. Narzędzie wyklucza wizualizacje inne niż dane, takie jak przyciski akcji, kształty, obrazy i prostokąty.
• Ukryte kolumny i miary, gdy odwołują się do nich wizualizacje
• Powiązania elementów wizualnych przypisujące pola do ról wizualnych, takich jak Kategoria, Wartości, Legenda i Etykietki narzędziowe
• Zawartość pola tekstowego każdej strony

Limity:

• Żądania kończą się niepowodzeniem, gdy metadane raportu przekraczają maksymalny obsługiwany rozmiar.

Narzędzie generowania zapytań

Narzędzie Generowanie zapytań używa Copilot w Power BI do tworzenia zoptymalizowanych zapytań języka DAX na podstawie monitów języka naturalnego. Narzędzie używa tego samego aparatu generowania języka DAX co Copilot w usłudze Power BI do tworzenia zapytań, które są zgodne z najlepszymi praktykami.

Wymagane dane wejściowe:

• Identyfikator modelu semantycznego
• Pytanie lub monit języka naturalnego
• Odpowiedni kontekst schematu, który agent określa (tabele, kolumny, miary)

Wymagania:

• Licencja Copilot dla Ciebie lub Twojej organizacji

Znajdowanie identyfikatora modelu semantycznego

Aby uzyskać identyfikator semantycznego modelu z usługi Power BI:

1. Logowanie się do usługi Power BI
2. Przejdź do obszaru roboczego zawierającego model semantyczny
3. Wybierz model semantyczny, aby otworzyć stronę szczegółów
4. Kopiowanie identyfikatora modelu semantycznego z adresu URL

Adresy URL modelu semantycznego mają następujący format:

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

Ograniczenia i zagadnienia

Uwierzytelnianie i zabezpieczenia

• Zabezpieczenia na poziomie wiersza: Power BI nie wymusza zabezpieczeń na poziomie wiersza podczas korzystania z uwierzytelniania jednostki usługi. Gdy jednostka główna usługi uruchamia zapytania, może uzyskać dostęp do wszystkich danych, do których jest uprawniona. Dokładnie przeanalizuj kwestie bezpieczeństwa, zanim udostępnisz użytkownikom końcowym agentów uwierzytelnianych za pomocą jednostki usługi.
• Ustawienia dzierżawy: Administratorzy muszą włączyć ustawienie "Użytkownicy mogą używać punktu końcowego serwera protokołu kontekstu modelu Power BI (wersja zapoznawcza)" dla organizacji.

Generowanie zapytań

• Złożony DAX: Bardzo złożone obliczenia lub zagnieżdżona logika mogą nie być idealnie odwzorowywane na podstawie poleceń w języku naturalnym.
• Optymalizacja modelu: Jakość generowania zapytań znacznie poprawia się podczas przygotowywania danych do korzystania ze sztucznej inteligencji.

Performance

• Wpływ na projekt modelu: Wydajność wykonywania zapytań zależy od semantycznego projektu, rozmiaru i optymalizacji modelu semantycznego.
• Duże schematy: Modele z setkami tabel lub tysiącami kolumn mogą powodować duże ładunki schematu.
• Złożoność zapytania: Tworzenie i wykonywanie złożonych zapytań języka DAX może trwać dłużej.

Kontekst i konwersacja

• Limity okna kontekstowego: Model AI używany przez klienta MCP ma ograniczenie dotyczące tego, ile kontekstu może zachować między kolejnymi turami rozmowy.
• Zapytania bezstanowe: Każde zapytanie jest wykonywane niezależnie. Serwer nie obsługuje stanu zapytania między żądaniami.

Treści powiązane

• Serwery MCP dla Power BI
• Co to jest Fabric IQ?
• Serwer MCP do tworzenia w Power BI
• Przygotowywanie danych do sztucznej inteligencji
• Serwery MCP w programie VS Code
• Interfejsy API REST usługi Power BI
• Dokumentacja języka DAX
• Specyfikacja protokołu kontekstowego modelu