透過使用本地的 Fabric MCP 伺服器，AI 代理可以透過自然語言對話瀏覽工作區、讀取檔案、檢查資料表結構，並管理 OneLake 中的目錄。 伺服器運行在您的機器上，並透過 模型上下文協定（MCP）將您的代理連接到 OneLake。
Tip
為了更簡單的設定，可以先從 託管的 OneLake MCP 伺服器 開始，當它可用並支援你需要的工具時。 你可以透過 HTTPS 連線，但不需要安裝本地的 MCP 伺服器。 託管伺服器與本地伺服器暴露不同工具;本文描述本地伺服器。
Fabric 項目使用開放格式來儲存 OneLake 中的資料。 這些項目包括湖屋、鏡像資料庫，以及啟用 OneLake 可用性的 KQL 資料庫和語意模型。 本地伺服器的 OneLake 工具讓 AI 代理透過一組指令探索這些項目。
先決條件
- 一個 Fabric 工作區，至少有一個項目在 OneLake 中儲存資料。
-
Azure CLI 已安裝並登入（
az login）。 - Visual Studio Code搭配相容 MCP 的 AI 擴充功能（如 GitHub Copilot）。
安裝本地 Fabric MCP 伺服器
若要在 Visual Studio Code 中安裝本地伺服器，請使用 Fabric MCP 伺服器 VS Code 擴充功能。 安裝擴充功能後，OneLake 工具會自動啟用。
若要手動設定或使用非 VS Code，請參閱
驗證和權限
本地伺服器的 OneLake 工具會使用你現有的 Azure 身份和 Fabric 權限。 你的 AI 代理只能存取你已經有權限查看的工作區和項目。 你不需要額外的角色或權限，除了一般工作區的存取權限。
在使用工具前，請先使用 Azure CLI 登入：
az login
本地 OneLake MCP 工具功能
這些工具涵蓋 OneLake 的三個領域：
| 類別 | 您可以採取的方法 | OneLake API 用於 |
|---|---|---|
| 工作區與物件搜尋 | 列出工作區、在工作區內列出項目、建立新項目（湖屋、筆記本、SQL 資料庫等）。 | OneLake 資料平面 API 與 Fabric REST API |
| 檔案與目錄操作 | 瀏覽、閱讀、寫入、上傳、下載及刪除檔案與目錄。 DFS 與 Blob 儲存體 端點皆可用。 | OneLake 檔案系統 API |
| 表格操作 | 取得資料表 API 設定、清單命名空間（schema）、清單資料表，並取得完整的資料表定義，包含欄位名稱、類型與元資料。 | OneLake 表格 API |
這些工具包含19個指令。 大多數指令同時接受友好名稱和 GUID—例如，你可以使用 SalesLakehouse.lakehouse 作為項目參考，而不是 GUID。
完整的指令參考及參數與範例輸出，請參閱 GitHub 上的 OneLake 工具 README。
範例：探索湖邊別墅
安裝本地 Fabric MCP 伺服器後，請你的 AI 代理來探索你的資料。 例如：
「列出我銷售 lakehouse 裡的資料表，並告訴我每個資料表的架構。」
代理程式使用 OneLake MCP 工具來定位工作區、尋找湖屋、發現資料表命名空間，並取得完整的資料表定義——無需撰寫任何程式碼或開啟 Fabric 入口。
你可以請你的 AI 代理人完成的其他任務：
- 盤點工作區 — 「掃描我的工作區，告訴我有哪些項目、大小以及包含哪些桌子。」
- 讀寫檔案 ——「將此 CSV 上傳到 Lakehouse 的 Files 資料夾」或「讀取 Monitoring 資料夾中的設定檔」。
- 記錄鏡像資料庫 — 「描述我的鏡像資料庫的資料表與儲存結構。」
- 建立項目 — 「在我的分析工作空間建立一個名為 StagingData 的新湖屋。」
局限性
-
item create此指令目前需要 GUID 為基礎的工作區 ID。 你的 AI 代理會自動處理這個，透過呼叫onelake workspace list將工作區名稱解析為 ID。 - OneLake MCP 工具不包含捷徑管理指令。 若要列出或建立捷徑，請使用 OneLake 捷徑 REST API。