Microsoft Foundry Services에서 Fabric 데이터 에이전트 사용(미리 보기)

Microsoft Fabric 데이터 에이전트는 엔터프라이즈 데이터를 대화형 Q&A 시스템으로 변환합니다. 이를 통해 사용자는 채팅을 통해 데이터와 상호 작용하여 실행 가능한 인사이트를 파악할 수 있습니다. Fabric 데이터 에이전트를 사용하는 한 가지 방법은 Microsoft Foundry의 핵심 구성 요소인 Foundry 에이전트 서비스를 사용하는 것입니다. Fabric 데이터 에이전트와 Foundry의 통합을 통해 Azure AI 에이전트는 Microsoft Fabric OneLake에서 사용할 수 있는 풍부하고 구조화된 의미 체계 데이터를 직접 활용할 수 있습니다. 이러한 통합을 통해 고품질 엔터프라이즈 데이터에 즉시 액세스할 수 있으며, Azure AI 에이전트가 실행 가능한 인사이트를 생성하고 분석 워크플로를 간소화할 수 있습니다. 그런 다음 조직은 Azure AI 환경 내에서 강력한 지식 원본으로 Fabric 데이터 에이전트를 사용하여 데이터 기반 의사 결정을 향상시킬 수 있습니다.

필수 조건

• F2 이상의 유료 Fabric 용량 또는 Power BI 프리미엄(P1 이상) 용량에 Microsoft Fabric이 활성화된 용량.
• 패브릭 데이터 에이전트 테넌트 설정에 설명된 요구 사항에 따라 AI에 대해 지역 간 처리 및 지역 간 저장을 사용하도록 설정합니다.
• 데이터가 포함된 데이터 원본으로는 웨어하우스, 레이크하우스, Power BI 의미 체계 모델, KQL 데이터베이스, 미러된 데이터베이스 또는 온톨로지 중 하나 이상이 포함됩니다. 데이터 원본에 대한 읽기 권한이 있어야 합니다.

• Foundry의 개발자 및 최종 사용자에게는 최소한 RBAC(AI Developer Role-Based Access Control) 역할이 있어야 합니다.

작동 방식

Agent Setup: 에이전트 서비스에서 새 에이전트를 만들고 Fabric 데이터 에이전트를 해당 기술 자료 중 하나로 추가합니다. 이 연결을 설정하려면 Fabric 데이터 에이전트의 작업 영역 ID 및 아티팩트 ID가 필요합니다. 이 설정을 사용하면 Azure AI 에이전트가 쿼리를 받을 때 사용 가능한 원본을 평가하여 요청을 처리하기 위해 올바른 도구를 호출하는지 확인할 수 있습니다. 현재 Azure AI 에이전트에 하나의 Fabric 데이터 에이전트를 지식 원본으로 추가할 수 있습니다.

쿼리 처리: 사용자가 Foundry 플레이그라운드에서 쿼리를 보내면 에이전트 서비스에서 Fabric 데이터 에이전트가 작업에 가장 적합한 도구인지 여부를 결정합니다. 이 경우 Azure AI 에이전트는 다음과 같습니다.

• 최종 사용자의 ID를 사용하여 사용자가 Fabric 데이터 에이전트 내에서 액세스할 수 있는 권한이 있는 데이터 원본에 대한 보안 쿼리를 생성합니다.
• Fabric 호출하여 데이터를 가져오고 처리하여 원활하고 자동화된 환경을 보장합니다.
• Fabric 데이터 에이전트의 결과를 고유한 논리와 결합하여 포괄적인 응답을 생성합니다. ID Passthrough(On-Behalf-Of) 인증은 이러한 흐름을 보호하여 기업 데이터 전반에 걸쳐 강력한 보안과 적절한 액세스 제어를 보장합니다.

Azure AI 에이전트에 Fabric 데이터 에이전트 추가

프로그래밍 방식으로 또는 UI(사용자 인터페이스)를 사용하여 Azure AI 에이전트에 Fabric 데이터 에이전트를 추가할 수 있습니다. 자세한 코드 예제 및 추가 지침은 Azure AI 에이전트 통합 설명서를 참조하세요.

UI를 통해 Fabric 데이터 에이전트를 추가

• 왼쪽 창으로 이동합니다. 다음 스크린샷과 같이 구축 및 사용자 지정에서 에이전트 선택:

주요 Azure Foundry 페이지를 보여 주는 스크린샷입니다.

이 단계에서는 기존 Azure AI 에이전트 목록을 표시합니다. 이러한 에이전트 중 하나에 Fabric 추가하거나 새 에이전트를 선택하여 새 에이전트를 만들 수 있습니다. 새 에이전트를 만들면 고유한 에이전트 ID와 기본 이름이 생성됩니다. 언제든지 해당 이름을 변경할 수 있습니다. 자세한 내용은 Foundry 포털에서 Azure OpenAI는 무엇인가요 참조하세요.

• 정보 원본 추가를 시작: 다음 스크린샷과 같이 추가 버튼 선택:

Fabric 데이터 에이전트를 지식으로 추가하는 스크린샷

이 단계에서는 지원되는 기술 자료 유형의 메뉴를 엽니다.

• 원본으로 Microsoft Fabric 선택합니다. 목록에서 다음 스크린샷과 같이 Microsoft Fabric 선택합니다.

Fabric을 지식 소스로 선택하는 스크린샷

이 옵션을 사용하면 에이전트가 Fabric 데이터 에이전트에 액세스할 수 있습니다.

• 연결 만들기: 이전에 Fabric 데이터 에이전트에 대한 연결을 설정한 경우 새 Azure AI 에이전트에 해당 연결을 다시 사용할 수 있습니다. 그렇지 않으면 다음 스크린샷과 같이 새 연결을 선택하여 연결을 만듭니다.

다음 스크린샷과 같이 새 Microsoft Fabric 연결 만들기 창이 열립니다.

연결을 설정할 때 Fabric 데이터 에이전트 workspace-id 및 artifact-id 값을 사용자 지정 키로 제공합니다. 게시된 Fabric 데이터 에이전트 엔드포인트에서 workspace-id 및 artifact-id 값을 찾을 수 있습니다. Fabric 데이터 에이전트 엔드포인트의 형식은 다음과 같습니다.

https://fabric.microsoft.com/groups/ < workspace_id>/aiskills/<artifact-id>, 그리고 Is Secret 확인란 선택

마지막으로 연결에 이름을 할당하고 Foundry의 모든 프로젝트에서 사용할 수 있도록 할지 아니면 현재 프로젝트로 제한할지 선택합니다.

Connect 선택하면 다음 스크린샷과 같이 Microsoft Fabric 데이터 에이전트가 Knowledge 리소스로 추가됩니다.

또한 Azure AI 에이전트에 Fabric 데이터 에이전트를 사용하는 시기, 방법 및 조건에 대한 지침을 제공해야 합니다. Azure AI 에이전트의 관점에서 Fabric 데이터 에이전트는 Fabric 도구로 처리되므로 지침에서 참조할 수 있습니다.

사용 사례 요구 사항에 따라 배포 모델을 조정하거나, 작업을 추가하거나, 모델 설정을 변경할 수도 있습니다. Azure AI 에이전트가 완전히 구성되면 놀이터에서 시도를 선택하여 성능을 테스트합니다.

프로그래매틱 방식으로 Fabric 데이터 에이전트 추가: 다음 단계에서는 Python Azure AI 에이전트에 프로그래밍 방식으로 Fabric 데이터 에이전트를 추가하는 방법을 설명합니다. 다른 언어(C#, JavaScript)는 이 리소스를 참조하세요.

1단계: 프로젝트 클라이언트 만들기

AI 프로젝트 및 기타 리소스에 연결하는 connection string 포함하는 클라이언트 개체를 만듭니다.

import os
from azure.ai.projects import AIProjectClient
from azure.identity import DefaultAzureCredential
from azure.ai.agents.models import FabricTool, ListSortOrder

2단계: Microsoft Fabric 도구를 사용하도록 설정된 에이전트 만들기

Azure AI 에이전트에서 Fabric 데이터 에이전트 도구를 사용할 수 있도록 하려면 연결을 사용하여 도구를 초기화하고 에이전트에 연결합니다. Foundry 포털에서 프로젝트의 연결된 리소스 섹션에서 연결을 찾을 수 있습니다.

# The Fabric connection ID can be found in the Foundry project as a property of the Fabric tool
# Your connection ID is in the format /subscriptions/<your-subscription-id>/resourceGroups/<your-resource-group>/providers/Microsoft.MachineLearningServices/workspaces/<your-project-name>/connections/<your-fabric-connection-name>
conn_id = "your-connection-id"

# Initialize the AI project client
project_client = AIProjectClient(
    endpoint=os.environ["PROJECT_ENDPOINT"],
    credential=DefaultAzureCredential(),
)

# Initialize agent Fabric tool and add the connection ID
fabric = FabricTool(connection_id=conn_id)

# Create agent with the Fabric tool and process assistant run
with project_client:
    agent = project_client.agents.create_agent(
        model="gpt-4o",
        name="my-assistant",
        instructions="You are a helpful assistant",
        tools=fabric.definitions,
        headers={"x-ms-enable-preview": "true"},
    )
    print(f"Created agent, ID: {agent.id}")

3단계: 스레드 만들기

# Create thread for communication
thread = project_client.agents.create_thread()
print(f"Created thread, ID: {thread.id}")

# Create message to thread
# Remember to update the message with your data
message = project_client.agents.create_message(
    thread_id=thread.id,
    role="user",
    content="what is top sold product in Contoso last month?",
)
print(f"Created message, ID: {message.id}")

4단계: 실행 만들기 및 출력 확인

실행을 만들고 모델이 Fabric 데이터 에이전트 도구를 사용하여 사용자의 질문에 대한 응답을 제공하는지 확인합니다.

# Create and process agent run in thread with tools
run = project_client.agents.create_and_process_run(thread_id=thread.id, assistant_id=agent.id)
print(f"Run finished with status: {run.status}")

if run.status == "failed":
    print(f"Run failed: {run.last_error}")

# Delete the assistant when done
project_client.agents.delete_agent(agent.id)
print("Deleted agent")

# Fetch and log all messages
messages = project_client.agents.list_messages(thread_id=thread.id)
print(f"Messages: {messages}")

관련 콘텐츠

• 데이터 에이전트 개념
• 데이터 에이전트 엔드 투 엔드 자습서