Qual é a habilidade de criação de modelo semântico Power BI?

Importante

Esse recurso está em versão prévia.

A habilidade Power BI semantic-model-authoring permite que agentes de IA criem, editem, implantem e gerenciem modelos semânticos do Power BI no Power BI Desktop, em projetos PBIP e no serviço Fabric. A habilidade é disponibilizada no marketplace Skills for Fabric, incluída no plugin powerbi-authoring.

A habilidade abrange uma ampla gama de tarefas de modelo semântico, por exemplo:

  • Criando novos modelos semânticos no modo Importar, DirectQuery ou Direct Lake.
  • Edição de modelos existentes – tabelas, colunas, relações, medidas e DAX.
  • Otimizando o desempenho do DAX e analisando modelos em relação às práticas recomendadas.
  • Preparando modelos semânticos para consumo por IA no Fabric Copilot e nos Power BI Data Agents.
  • Implantar modelos para Fabric workspaces, atualizá-los e gerenciar fontes de dados, parâmetros e permissões.

Pré-requisitos

Antes de começar, verifique se você tem:

  • O plug-in powerbi-authoring está instalado - Siga as instruções na visão geral do Agentic do Power BI para instalar o plug-in. A instalação do plug-in disponibiliza a habilidade semantic-model-authoring e registra o servidor MCP de Modelagem Power BI.
  • Um modelo semântico - Power BI Desktop com um modelo aberto, um projeto PBIP em disco ou um modelo semântico em um workspace do Fabric.

Introdução

  1. Abra Power BI Desktop com um modelo semântico carregado.

  2. No GitHub Copilot, execute um prompt de teste rápido para confirmar se a skill e o servidor MCP estão configurados corretamente:

    /semantic-model-authoring Connect to Power BI Desktop and analyze the semantic model against best practices

    O agente deve carregar a habilidade semantic-model-authoring, conectar-se à área de trabalho Power BI por meio do servidor MCP de modelagem Power BI, inventariar o modelo e relatar as descobertas agrupadas por gravidade. Se o agente solicitar que você registre o servidor MCP ou instale o plug-in, reveja as etapas de instalação antes de continuar.

    Dica

    Para garantir que uma habilidade específica seja carregada, invoque-a explicitamente com um comando com barra, por exemplo, /semantic-model-authoring [your prompt].

Por que o servidor MCP Power BI é importante

A habilidade semantic-model-authoring não tem dependência obrigatória do servidor MCP de Modelagem do Power BI, mas ele é altamente recomendado. A habilidade Tool Selection Priority direciona as operações de autoria primeiro para o servidor MCP, porque essa é a opção mais confiável e com mais recursos.

Quando o servidor MCP não está registrado, a habilidade recorre à edição direta do arquivo TMDL (PBIP) ou a chamadas de ida e volta via REST getDefinition / updateDefinition (workspace do Fabric). Não há suporte para criação no Power BI Desktop sem PBIP e nenhum MCP – o agente para e solicita que você registre o servidor MCP ou salve o modelo como PBIP.

Para instalação manual ou configuração avançada, consulte a documentação do MCP de Modelagem do Power BI.

Exemplo: preparar um modelo semântico para IA

Use este exemplo para validar sua configuração de ponta a ponta. O prompt invoca o fluxo de trabalho Semantic Model AI Readiness da habilidade, que carrega a referência semantic-model-ai-readiness.md e percorre a lista de verificação de prontidão para configurar seu modelo para experiências de IA conversacional, como Fabric Copilot e Power BI Data Agents.

  1. Abra seu modelo. Inicie o Power BI Desktop e abra o PBIX ou PBIP cujo modelo semântico você deseja preparar para consumo por IA.

  2. Start GitHub Copilot na pasta do projeto.

  3. Execute o prompt:

    /semantic-model-authoring Connect to Power BI Desktop and prepare the semantic model for AI

    O comando de barra carrega a semantic-model-authoring skill. A habilidade reconhece a intenção de preparação para IA, carrega a semantic-model-ai-readiness.md referência e executa o fluxo de trabalho de Preparação para IA do Modelo Semântico .

  4. Examine e aprove. O agente inventaria o modelo, avalia-o em relação à lista de verificação de prontidão e apresenta resultados agrupados por gravidade. Cada descoberta é marcada como aplicável ao agente ou como necessária para a ação do usuário. Aprove as correções que você deseja aplicar.

  5. Aplicar e validar. O agente aplica alterações aprovadas por meio do servidor MCP (ou por meio de edições TMDL se o MCP não estiver registrado), salva o modelo e recomenda testar prompts de linguagem natural representativos no Copilot ou no Agente de Dados.

Exemplo: criar um modelo semântico em cima de um Fabric Lakehouse

Este exemplo testa o fluxo de trabalho Criar novo Modelo Semântico da habilidade com uma fonte de dados do Lakehouse, o que produz um modelo Direct Lake.

  1. Prepare o Lakehouse. No portal do "Fabric":

    1. Criar um espaço de trabalho - por exemplo, SalesAnalytics.
    2. Nesse espaço de trabalho, crie um Lakehouse - por exemplo, SalesLakehouse.
    3. Carregue o Lakehouse com dados de exemplo. O caminho mais rápido é abrir o Lakehouse e selecionar Iniciar com dados de exemplo para carregar os conjuntos de dados internos Public holidays ou NYC Taxi, ou carregar seus próprios arquivos em Arquivos e carregá-los para Tabelas.

  2. Start GitHub Copilot em qualquer pasta.

  3. Execute o prompt com os nomes do seu espaço de trabalho e do Lakehouse:

    /semantic-model-authoring Create a semantic model on top of Lakehouse SalesLakehouse in workspace SalesAnalytics

    O comando de barra carrega a semantic-model-authoring skill, que executa o fluxo de trabalho Criar novo Modelo Semântico. O agente:

    1. Determina os IDs do espaço de trabalho e do Lakehouse e descobre o esquema do Lakehouse (tabelas, colunas e tipos de dados).
    2. Cria um modelo semântico Direct Lake e, em seguida, carrega as diretrizes de modelagem pertinentes.
    3. Implanta o modelo no workspace de destino

  4. Verifique em Fabric. Abra o workspace e confirme se o novo modelo semântico é exibido.

Solução de problemas

  • Habilidade não está sendo carregada - Verifique a instalação e o registro do plug-in consultando visão geral do Power BI Agentic. Se a configuração estiver correta e a habilidade ainda não estiver selecionada, o agente poderá perder a habilidade durante a divulgação progressiva. Teste com um comando de barra explícito e adicione mais detalhes de intenção ao prompt:
  • O servidor MCP não está carregando - Reinicie o GitHub Copilot CLI após instalar ou registrar o plug-in para que a nova configuração do MCP seja reconhecida. Em seguida, execute copilot mcp show para confirmar powerbi-modeling-mcp se aparece e está funcionando.

Conteúdo relacionado

  • Last updated on