O Agente de Dados no Microsoft Fabric permite que as organizações criem experiências de conversa sobre seus dados corporativos. Ao conectar artefatos Fabric a um Agente de Dados, os usuários podem traduzir questões de linguagem natural em consultas precisas, capacitando os stakeholders, de analistas a executivos, a desbloquear insights sem escrever uma única linha de código. Este artigo percorre todas as fontes de dados que o Data Agent dá suporte hoje e os recursos de configuração disponíveis para cada fonte de dados.
Overview
O Agente de Dados dá suporte às seguintes categorias de fonte de dados:
| Categoria |
Artifacts |
Linguagem da Consulta |
Cenário chave |
|
SQL |
Lakehouse, Data Warehouse, Banco de Dados SQL, Bancos de Dados Espelhados |
T-SQL |
Análise estruturada sobre dados relacionais e Delta Lake |
|
Eventhouse |
Banco de Dados KQL do Eventhouse |
KQL |
Inteligência em tempo real e análise de série temporal |
|
Modelo semântico |
Modelos semânticos do Power BI |
DAX |
Lógica de negócios, medidas calculadas e métricas selecionadas |
|
Grafo (versão prévia) |
Modelo de Grafo |
GQL |
Exploração de dados com rica relação e análise de grafos |
|
Ontologia (versão prévia) |
Fabric Ontologia |
Ontologia nativa |
Conhecimento de domínio e contexto semântico para integração de dados |
|
Pesquisa de IA do Azure (versão prévia) |
Índice do Pesquisa de IA do Azure |
Idioma natural + pesquisa |
Recuperação de dados não estruturados (PDFs, texto, conteúdo enriquecido) |
Dica
Um único Agente de Dados pode combinar até cinco fontes de dados em qualquer combinação, permitindo que você misture dados estruturados, em tempo real, semânticos e não estruturados em uma experiência de conversa.
Artefatos Suportados
-
Lakehouse — tabelas Delta Lake expostas através do endpoint de Análise SQL.
-
Data Warehouse—armazém completo da Full Fabric com interface T-SQL.
-
SQL Database — bancos de dados SQL nativos Fabric.
- Bancos de dados Espelhados — bancos de dados externos espelhados em Fabric (por exemplo, SQL do Azure, Cosmos DB, Snowflake).
Cada fonte do SQL no Fabric vem com um ponto de extremidade SQL Analytics, uma superfície de consulta T-SQL de alto desempenho e somente leitura sobre dados Delta do OneLake. O Agente de Dados aproveita um serviço NL2SQL interno que:
- Converte a pergunta de linguagem natural do usuário em uma consulta T-SQL usando o esquema, as instruções e as consultas de exemplo fornecidos pelo usuário.
- Valida a consulta gerada na seleção de esquemas para garantir que ela faça referência apenas a tabelas e visões aprovadas.
- Executa a consulta pelo Endpoint de Análises SQL e retorna resultados legíveis.
Artefatos Suportados
-
Eventhouse KQL Database — repositório de inteligência em tempo real do Fabric para dados de streaming, orientados a eventos e séries temporais.
O Agente de Dados conecta-se ao Ponto de Extremidade do Banco de Dados Eventhouse KQL e utiliza o NL2KQL integrado do Kusto, habilitando os seguintes recursos:
- A pergunta do usuário é traduzida para uma consulta KQL usando o esquema selecionado e quaisquer instruções ou exemplos fornecidos.
- A consulta é validada para confirmar que ela toca apenas as entidades de esquema aprovadas.
- Com a aprovação, a consulta é executada no mecanismo Kusto otimizado para cargas de trabalho analíticas de baixa latência e alta taxa de transferência.
Artefatos Suportados
-
Power BI Modelos Semânticos — Conjuntos de dados publicados contendo tabelas, relações, medidas, colunas calculadas e hierarquias.
Cada modelo semântico em Fabric expõe um ponto de extremidade XMLA, que o Data Agent usa para executar consultas DAX. O serviço NL2DAX interno:
- Converte o idioma natural em uma consulta DAX, aproveitando os metadados do modelo (descrições de tabela, sinônimos de coluna, definições de medida, relações).
- Valida a consulta contra o esquema selecionado.
- Executa através do Endpoint XMLA e retorna resultados formatados.
Artefatos Suportados
-
Graph Model — Construa artefatos do grafo que definem esquemas de nó e aresta.
O Graph Data Agent pode executar consultas GQL e extrair insights das suas fontes de dados de grafo no Fabric. Para configurar esse agente, adicione um modelo de grafo ou um conjunto de consultas de grafo como sua fonte de dados.
Quando o agente de dados executa o GQL em uma fonte de dados de grafo, o artefato Fabric Graph subjacente realizará a execução da consulta, resultando em consumo graph operation.
Artefatos Suportados
-
Fabric Ontologia — uma camada semântica que captura conhecimento de domínio, definições de entidade e relações.
Depois que uma ontologia é configurada no Fabric, ela pode ser adicionada como uma fonte de dados ao Agente de Dados. O agente usa a ontologia para entender o contexto de domínio e responder perguntas fundamentadas no modelo de conhecimento da sua organização.
Artefatos Suportados
-
Pesquisa de IA do Azure Index — índices construídos na Fábrica de IA do Azure em conteúdo não estruturado, como PDFs, arquivos de texto e outros documentos enriquecidos.
O Agente de Dados se conecta diretamente ao índice Pesquisa de IA do Azure usando uma URL de recurso. Quando um usuário faz uma pergunta, o agente envia a consulta (com a identidade do usuário para controle de acesso) para o índice de pesquisa, recupera as partes de documento mais relevantes e redigi uma resposta final. As citações são incluídas automaticamente quando o índice contém campos de URL ou caminho de arquivo.
Configurações com suporte de fontes SQL
| Configuração |
Supported |
Details |
| Seleção de Esquema |
✅ Sim |
Selecione tabelas, exibições e funções específicas para definir o escopo do agente. |
| Instruções do agente |
✅ Sim |
Guia o agente sobre quando e como rotear perguntas para essa origem. |
| Instruções da fonte de dados |
✅ Sim |
Forneça descrições de tabela, lógica de junção, detalhes da coluna de chave e terminologia de negócios para NL2SQL. |
| Descrição da Origem de Dados |
✅ Sim |
Descrição que ajuda o agente a determinar se essa fonte de dados é relevante para a pergunta do usuário. |
|
Descrições de Objetos de Esquema (Prévia) |
✅ Sim |
Forneça contexto de negócio para tabelas, colunas e outros elementos de esquema para melhorar a geração de consultas SQL. Disponível apenas na versão de pré-visualização. |
| Consultas de Exemplo |
✅ Sim |
Forneça pares de linguagem natural/SQL para que o agente possa aprender padrões de consulta complexos. Os principais exemplos são recuperados automaticamente por meio da similaridade de vetor. |
Configurações Suportadas para Fontes KQL do Eventhouse
| Configuração |
Supported |
Details |
| Seleção de Esquema |
✅ Sim |
Selecione tabelas, visões materializadas, funções e atalhos específicos para definir o escopo do agente. |
| Instruções do agente |
✅ Sim |
Guia o agente sobre quando e como rotear perguntas para essa origem. |
| Instruções da fonte de dados |
✅ Sim |
Forneça contexto sobre tabelas, MVs, Funções e Atalhos para NL2KQL. |
| Descrição da Origem de Dados |
✅ Sim |
Descrição que ajuda o agente a determinar se essa fonte de dados é relevante para a pergunta do usuário. |
| Consultas de Exemplo |
✅ Sim |
Forneça pares de linguagem natural/KQL para ensinar o agente sobre padrões complexos de agregação e junção. |
Configurações Suportadas pelo Modelo Semântico
| Configuração |
Supported |
Details |
| Seleção de Esquema |
✅ Sim* |
Selecione tabelas a serem expostas. O controle de nível de coluna está disponível quando Prep para IA está configurado no Power BI. |
| Instruções do agente |
✅ Sim |
Orientar o agente sobre quando escolher o modelo semântico para responder a perguntas. |
| Instruções da fonte de dados |
❌ Não* |
As instruções são gerenciadas por meio de Prep for AI (Instruções de IA e Respostas Verificadas) no lado do modelo semântico. O Agente de Dados os respeita quando presentes. |
| Descrição da Origem de Dados |
❌ Não |
Modelos semânticos não dão suporte a descrições de fonte de dados. |
| Consultas de Exemplo |
❌ Não* |
Atualmente, não há suporte para modelos semânticos. Use respostas verificadas na preparação para inteligência artificial para incluir exemplos de consultas DAX. |
*Modelos semânticos são configurados principalmente por meio de Prep para IA no Power BI, que oferece esquemas de dados de IA, instruções de IA e respostas verificadas.
Configurações Suportadas do Modelo de Graph
| Configuração |
Supported |
Details |
| Seleção de Esquema |
❌ Não |
O Graph não permite que um usuário faça o escopo de seu Agente em nós e bordas específicos. |
| Instruções do agente |
✅ Sim |
Guia o agente sobre quando e como rotear perguntas para essa origem. |
| Instruções da fonte de dados |
✅ Sim |
Passado para o mecanismo NL2GQL para orientar a geração de consultas. |
| Descrição da Origem de Dados |
✅ Sim |
Descrição que ajuda o agente a determinar se essa fonte de dados é relevante para a pergunta do usuário. |
| Consultas de Exemplo |
✅ Sim |
Enviado para o NL2GQL para ensinar padrões complexos de traversamento de grafo. |
Configurações suportadas por ontologia
| Configuração |
Supported |
Details |
| Seleção de Esquema |
❌ Não |
Não há suporte para fontes de dados de ontologia. |
| Instruções do agente |
✅ Sim |
Orientar o agente sobre quando escolher o modelo semântico para responder a perguntas. |
| Instruções da fonte de dados |
❌ Não |
Não há suporte para fontes de dados de ontologia. |
| Descrição da Origem de Dados |
✅ Sim |
Descrição que ajuda o agente a determinar se essa fonte de dados é relevante para a pergunta do usuário. |
| Consultas de Exemplo |
❌ Não |
Não há suporte para fontes de dados de ontologia. |
Configurações de dados não estruturadas
| Configurações |
Details |
| Nome de Exibição |
Nome personalizado mostrado para o índice na experiência do agente. |
| Tipo de pesquisa |
Escolha entre a pesquisa semântica, híbrida ou de texto completo, dependendo da configuração do índice. |
| Número de documentos |
Controlar quantos documentos são recuperados por consulta (recomendado: 3 a 20). |
| Contexto/Descrição |
Descreva o conteúdo do índice, os campos-chave e as diretrizes de uso para ajudar no roteamento. |
| Instruções do agente |
Guia como o agente interpreta os resultados da pesquisa e compõe a resposta final. |
Saiba mais