Qual é a competência de autoria de modelos semânticos do Power BI?

Importante

Este recurso está em pré-visualização.

A capacidade Power BI semantic-model-authoring permite aos agentes de IA criar, editar, publicar e gerir modelos semânticos do Power BI no Power BI Desktop, em projetos PBIP e no serviço Fabric. A competência é disponibilizada no marketplace Skills for Fabric, incluída no plugin powerbi-authoring.

A competência abrange uma vasta gama de tarefas de modelos semânticos, por exemplo:

  • Criar novos modelos semânticos em modo Importar, DirectQuery ou Direct Lake.
  • Editar modelos existentes - tabelas, colunas, relações, medidas e DAX.
  • Otimizar o desempenho do DAX e analisar modelos com base nas melhores práticas.
  • Preparação de modelos semânticos para consumo de IA por agentes de dados Fabric Copilot e Power BI.
  • Implementar modelos em espaços de trabalho Fabric, atualizá-los e gerir fontes de dados, parâmetros e permissões.

Pré-requisitos

Antes de começar, certifique-se de que tem:

  • O plug-in powerbi-authoring instalado - Siga as instruções em Descrição geral do Agentic no Power BI para instalar o plug-in. A instalação do plug-in disponibiliza a habilidade semantic-model-authoring e regista o servidor MCP de modelação do Power BI.
  • Um modelo semântico - Power BI Ambiente de trabalho com um modelo aberto, um projeto PBIP em disco ou um modelo semântico num espaço de trabalho Fabric.

Introdução

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

  2. No GitHub Copilot, executa um prompt de teste de fumo para confirmar que a skill e o servidor MCP estão corretamente ligados:

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

    O agente deve carregar a competência semantic-model-authoring, ligar-se ao Power BI Desktop através do servidor MCP Power BI Modeling, inventariar o modelo e reportar as conclusões agrupadas por gravidade. Se o agente te pedir para registares o servidor MCP ou instalar o plugin, revisita os passos de instalação antes de continuar.

    Sugestão

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

Porque é que o servidor Power BI MCP é importante

A competência semantic-model-authoring não tem uma dependência estrita do servidor MCP Power BI Modeling, mas é vivamente recomendada. A competência Tool Selection Priority encaminha primeiro as operações de criação para o servidor MCP, porque é a via mais fiável e com mais funcionalidades.

Quando o servidor MCP não está registado, a função recorre à edição direta de ficheiros TMDL (PBIP) ou a interações de ida e volta através de REST getDefinition / updateDefinition (espaço de trabalho do Fabric). Criar no Power BI Desktop sem PBIP nem MCP não é suportado — o agente para e solicita que registe o servidor MCP ou guarde o modelo como PBIP.

Para instalação manual ou configuração avançada, consulte a documentação Power BI Modeling MCP.

Exemplo: Preparar um modelo semântico para IA

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

  1. Abra o seu modelo. Inicia o Power BI Desktop e abre o PBIX ou PBIP cujo modelo semântico queres preparar para o consumo de IA.

  2. Start GitHub Copilot na pasta do teu projeto.

  3. Executar o prompt:

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

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

  4. Revê e aprova. O agente inventaria o modelo, avalia-o com base na lista de verificação de prontidão e apresenta os resultados agrupados por gravidade. Cada conclusão é marcada como aplicável ao agente ou necessária por ação do utilizador. Aprova as correções que queres que sejam aplicadas.

  5. Candidata-te e valida. O agente aplica alterações aprovadas através do servidor MCP (ou através de edições TMDL se o MCP não estiver registado), guarda o modelo e recomenda testar prompts representativos em linguagem natural no Copilot ou no seu Data Agent.

Exemplo: Criar um modelo semântico em cima de uma Fabric Lakehouse

Este exemplo utiliza o fluxo de trabalho Criar um novo Modelo Semântico da funcionalidade com uma origem de dados Lakehouse, o que resulta num modelo Direct Lake.

  1. Prepara a Casa do Lago. No portal do Fabric:

    1. Crie 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 Começar com dados de exemplo para carregar os conjuntos de dados de feriados ou NYC Taxi incorporados, ou carregar os seus próprios ficheiros para Ficheiros e carregá-los nas Tabelas.

  2. iniciar 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 slash carrega a semantic-model-authoring habilidade, que executa o fluxo de trabalho Criar novo Modelo Semântico . O agente:

    1. Resolve os IDs do workspace e do Lakehouse e descobre o esquema do Lakehouse (tabelas, colunas, tipos de dados).
    2. Cria um modelo semântico Direct Lake e, em seguida, carrega as orientações de modelação relevantes.
    3. Implanta o modelo no espaço de trabalho alvo

  4. Verificar em Fabric. Abra o espaço de trabalho e confirme que o novo modelo semântico aparece.

Troubleshooting

  • Skill não está a ser carregado - Verifique a instalação e o registo do plug-in seguindo a Descrição geral do Power BI Agentic. Se a configuração estiver correta e a habilidade ainda não for selecionada, o agente pode perder a habilidade durante a divulgação progressiva. Testa com um comando explícito de barra, depois adiciona mais detalhes de intenção ao teu prompt:
  • O servidor MCP não está a carregar - Reinicie o GitHub Copilot CLI depois de instalar ou registar o plug-in, para que a nova configuração do MCP seja aplicada. Depois corre copilot mcp show para confirmar powerbi-modeling-mcp se aparece e está a funcionar.

Conteúdo relacionado

  • Last updated on