O Data Agent no Microsoft Fabric permite às organizações construir experiências conversacionais sobre os seus dados empresariais. Ao ligar artefactos Fabric a um Data Agent, os utilizadores podem traduzir perguntas em linguagem natural em consultas precisas, capacitando as partes interessadas, desde analistas a executivos, a desbloquear insights sem precisar de escrever uma única linha de código. Este artigo percorre todas as fontes de dados que o Data Agent suporta atualmente e as capacidades de configuração disponíveis para cada fonte de dados.
Overview
O Data Agent suporta as seguintes categorias de fontes de dados:
| Categoria |
Artifacts |
Linguagem da Consulta |
Cenário Chave |
|
SQL |
Lakehouse, Data Warehouse, Base de Dados SQL, Bases de Dados Espelhadas |
T-SQL |
Análise estruturada sobre dados relacionais e de Delta Lake |
|
Casa de eventos |
Base de Dados Eventhouse KQL |
KQL |
Inteligência em tempo real e análise de séries temporais |
|
Modelo semântico |
Modelos semânticos do Power BI |
DAX |
Lógica de negócio, medidas calculadas e métricas selecionadas |
|
Gráfico (pré-visualização) |
Modelo de gráfico |
GQL |
Exploração de dados rica em relações e análise de grafos |
|
Ontologia (prévia) |
Fabric Ontology e as suas fontes subjacentes associadas |
T-SQL, KQL ou DAX |
Contexto de domínio governado e consultas nativas de origem |
|
Pesquisa de IA do Azure (pré-visualização) |
Índice de Pesquisa Azure IA |
Linguagem natural + pesquisa |
Recuperação de dados não estruturados (PDFs, texto, conteúdo enriquecido) |
Tip
Um único Agente de Dados pode usar até cinco fontes de dados em qualquer combinação.
Artefactos Suportados
- As tabelas Lakehouse—Delta Lake são apresentadas pelo SQL Analytics Endpoint.
-
Data Warehouse—Armazém Fabric completo com área de superfície T-SQL.
-
SQL Database—bases de dados SQL nativas Fabric.
-
Bases de Dados Espelhadas—Bases de dados externas espelhadas em Fabric (por exemplo, SQL do Azure, Cosmos DB, Snowflake).
Cada fonte SQL em Fabric vem com um SQL Analytics Endpoint, uma superfície de consulta T-SQL de alto desempenho, apenas leitura, sobre dados Delta do OneLake. O Data Agent aproveita um serviço NL2SQL incorporado que:
- Traduz a pergunta de linguagem natural do utilizador para uma consulta T-SQL usando o esquema selecionado, instruções e exemplos fornecidos pelo utilizador.
- Valida a consulta gerada em relação à seleção do esquema para garantir que apenas faz referência a tabelas e visões aprovadas.
- Executa a consulta através do SQL Analytics Endpoint e retorna resultados legíveis por humanos.
Artefactos Suportados
-
Eventhouse KQL Database—a loja de Inteligência em Tempo Real da Fabric para dados de séries temporais, streaming e orientados por eventos.
O Data Agent liga-se ao endpoint da base de dados Eventhouse KQL e aproveita o NL2KQL integrado da Kusto, permitindo as seguintes capacidades:
- A pergunta do utilizador é traduzida numa consulta KQL usando o esquema selecionado e quaisquer instruções ou exemplos fornecidos.
- A consulta é validada para confirmar que apenas toca nas entidades de esquema aprovadas.
- Após aprovação, a consulta é executada contra o motor Kusto — otimizado para cargas analíticas de baixa latência e alto rendimento.
Artefactos Suportados
-
Power BI Modelos Semânticos—Conjuntos de dados publicados contendo tabelas, relações, medidas, colunas calculadas e hierarquias.
Cada modelo semântico em Fabric expõe um endpoint XMLA, que o Data Agent utiliza para executar consultas DAX. O serviço NL2DAX incorporado:
- Traduz linguagem natural para uma consulta DAX, aproveitando os metadados do modelo (descrições de tabelas, sinónimos de colunas, definições de medida, relações).
- Valida a consulta contra o esquema selecionado.
- Executa através do endpoint XMLA e devolve resultados formatados.
Artefactos Suportados
-
Graph Model—Artefatos do grafo Fabric que definem esquemas de nós e arestas.
O Graph Data Agent pode executar consultas GQL e obter insights a partir das suas fontes de dados de grafo em Fabric. Para configurar tal agente, adicione um modelo de grafo ou um conjunto de consultas de grafos como fonte de dados.
Quando o agente de dados executa GQL contra uma fonte de dados de grafo, o artefacto de grafo Fabric subjacente executará a consulta, incorrendo no consumo de operação de grafo.
Artefactos Suportados
-
Fabric Ontologia — Uma camada semântica que capta o conhecimento do domínio, definições de entidades e relações.
Depois de configurares uma Ontologia no Fabric, adiciona-a a um agente de dados como fonte de contexto. O agente de dados utiliza as suas definições de entidades, propriedades, relações, sinónimos, mapeamentos e ligações para interpretar uma questão e identificar uma fonte de dados subjacente relevante. Depois, gera uma consulta SQL, KQL ou DAX nativa de código-fonte, executa a consulta contra essa fonte e apresenta o resultado.
Ontology fornece significado semântico, mas não é o endpoint de execução da consulta. A fonte subjacente executa a consulta gerada utilizando as permissões do utilizador que solicita. Para configuração, configuração, permissões e limitações, veja Usar Ontologia como contexto no agente de dados Fabric.
Artefactos Suportados
-
Pesquisa de IA do Azure Index—Índices incorporados
Azure AI Foundry sobre conteúdos não estruturados, como PDFs, ficheiros de texto e outros documentos enriquecidos.
O Data Agent liga-se diretamente ao seu índice Pesquisa de IA do Azure usando uma URL de recurso. Quando um utilizador faz uma pergunta, o agente envia a consulta (com a identidade do utilizador para controlo de acesso) para o índice de pesquisa, recupera os blocos de documentos mais relevantes e compõe uma resposta final. As citações são incluídas automaticamente quando o índice contém campos de URL ou de caminho de ficheiro.
Configurações Suportadas por Fontes SQL
| Configuração |
Suportado |
Details |
| Seleção de Esquemas |
✅ Sim |
Selecione Tabelas, Vistas e Funções específicas para definir o âmbito do agente. |
| Instruções para o Agente |
✅ Sim |
Oriente o agente sobre quando e como encaminhar as perguntas para esta fonte. |
| Instruções de Fonte de Dados |
✅ Sim |
Forneça descrições de tabelas, lógica de junção, detalhes das colunas-chave e terminologia empresarial para o NL2SQL. |
| Descrição da Origem de Dados |
✅ Sim |
Descrição que ajuda o agente a determinar se esta fonte de dados é relevante para a pergunta do utilizador. |
|
Descrições de Objetos do Esquema (Pré-visualização) |
✅ Sim |
Forneça contexto de negócio para tabelas, colunas e outros elementos de esquema para melhorar a geração de consultas SQL. Disponível apenas no runtime de pré-visualização. |
|
Tópicos (Pré-visualização) |
✅ Sim |
Forneça até 1 milhão de caracteres de instruções baseadas em tópicos. O agente de dados recupera as secções relevantes para o NL2SQL. Disponível apenas no runtime de pré-visualização. |
| Consultas de exemplo |
✅ Sim |
Forneça pares de linguagem natural/SQL para que o agente possa aprender padrões de consulta complexos. Os melhores exemplos são automaticamente recuperados através da similaridade vetorial. |
Configurações Suportadas das Fontes do Eventhouse KQL
| Configuração |
Suportado |
Details |
| Seleção de Esquemas |
✅ Sim |
Selecione Tabelas específicas, Vistas Materializadas, Funções e Atalhos para definir o âmbito do agente. |
| Instruções para o Agente |
✅ Sim |
Oriente o agente sobre quando e como encaminhar as perguntas para esta fonte. |
| Instruções de Fonte de Dados |
✅ Sim |
Forneça contexto sobre tabelas, MVs, Funções e Atalhos para o NL2KQL. |
| Descrição da Origem de Dados |
✅ Sim |
Descrição que ajuda o agente a determinar se esta fonte de dados é relevante para a pergunta do utilizador. |
| Tópicos |
❌ Não |
Os tópicos são suportados apenas para fontes de dados SQL que utilizam NL2SQL no ambiente de execução de pré-visualização. |
| Consultas de exemplo |
✅ Sim |
Forneça pares de linguagem natural/KQL para ensinar ao agente agregações complexas e padrões de junção. |
Configurações Suportadas por Modelos Semânticos
| Configuração |
Suportado |
Details |
| Seleção de Esquemas |
✅ Sim* |
Selecione tabelas para expor. O controlo ao nível da coluna está disponível quando Prep for AI está configurado em Power BI. |
| Instruções para o Agente |
✅ Sim |
Oriente o agente sobre quando escolher o modelo semântico para responder às perguntas. |
| Instruções de Fonte de Dados |
❌ Não* |
As instruções são geridas através do Prep for AI (Instruções de IA e Respostas Verificadas) do lado do modelo semântico. O Agente de Dados homenageia-os quando está presente. |
| Descrição da Origem de Dados |
❌ Não |
Os Modelos Semânticos não suportam descrições de fontes de dados. |
| Tópicos |
❌ Não |
Os tópicos são suportados apenas para fontes de dados SQL que utilizam NL2SQL no ambiente de execução de pré-visualização. |
| Consultas de exemplo |
❌ Não* |
Atualmente não é suportado para modelos semânticos. Use Respostas Verificadas em Prep for AI para incluir exemplos de consultas DAX. |
*Modelos semânticos são principalmente configurados através do Prep for AI em Power BI, que oferece Esquemas de Dados de IA, Instruções de IA e Respostas Verificadas.
Configurações Suportadas por Modelos de Grafos
| Configuração |
Suportado |
Details |
| Seleção de Esquemas |
❌ Não |
O Graph não permite que um utilizador delimite o seu Agente em nos e arestas específicos. |
| Instruções para o Agente |
✅ Sim |
Oriente o agente sobre quando e como encaminhar as perguntas para esta fonte. |
| Instruções de Fonte de Dados |
✅ Sim |
Passado para o motor NL2GQL para guiar a geração de consultas. |
| Descrição da Origem de Dados |
✅ Sim |
Descrição que ajuda o agente a determinar se esta fonte de dados é relevante para a pergunta do utilizador. |
| Tópicos |
❌ Não |
Os tópicos são suportados apenas para fontes de dados SQL que utilizam NL2SQL no ambiente de execução de pré-visualização. |
| Consultas de exemplo |
✅ Sim |
Foi passado para o NL2GQL para ser usado no ensino de padrões complexos de travessia de grafos. |
Configurações Suportadas por Ontologia
| Configuração |
Suportado |
Details |
| Seleção de esquemas |
❌ Não |
A seleção de entidades dentro de uma Ontologia não é suportada. |
| Instruções do agente |
✅ Sim |
Oriente o agente sobre quando e como usar o contexto da Ontologia. |
| Instruções da fonte de dados |
✅ Sim* |
Monte uma origem subjacente elegível para fornecer orientações específicas para consultas. |
| Descrição da origem de dados |
✅ Sim* |
Monte uma origem subjacente elegível para descrever o seu conteúdo e as perguntas a que pode responder. |
| Tópicos |
❌ Não |
Os tópicos não são suportados para fontes de dados associadas à Ontologia. |
| Exemplos de consultas |
✅ Sim* |
Monte uma origem subjacente elegível para fornecer pares de consultas em linguagem natural e na linguagem nativa da origem. |
*Estas configurações aplicam-se apenas à fonte subjacente montada no agente de dados. Não são escritas de volta para a Ontologia, e a disponibilidade depende do tipo de fonte subjacente. Para detalhes, veja Usar Ontologia como contexto no agente de dados Fabric.
Configurações de Dados Não Estruturados
| Setting |
Details |
| Nome de Exibição |
Nome personalizado mostrado para o índice na experiência do agente. |
| Tipo de pesquisa |
Escolha entre pesquisa em texto completo, híbrida ou semântica, dependendo da configuração do seu índice. |
| Número de documentos |
Controlar quantos documentos são recuperados por consulta (recomendado: 3–20). |
| Contexto / Descrição |
Descreva o conteúdo do índice, os campos-chave e as orientações de utilização para ajudar no encaminhamento. |
| Instruções para o Agente |
Explique como o agente interpreta os resultados da pesquisa e redige a resposta final. |
| Tópicos |
Não suportadas. Os tópicos estão disponíveis apenas para fontes de dados SQL que utilizam NL2SQL no runtime de pré-visualização. |
Mais informações