Använd Fabric-dataagenten som en server för modellkontextprotokoll

Model Context Protocol (MCP) är en framväxande standard i AI-landskapet som gör att AI-system kan ansluta med verktyg och data utanför sig själva. Den definierar hur en AI-modell kan identifiera vad som är tillgängligt och interagera med den på ett konsekvent sätt. I stället för att skapa engångsintegreringar erbjuder MCP ett standardsätt för att ansluta saker som fungerar i olika appar och tjänster. Detta gör det mycket enklare för AI-system att gå utöver sin inbyggda kunskap samtidigt som saker och ting hålls konsekventa. Det hjälper också team att röra sig snabbare, eftersom de inte behöver återuppfinna samma anslutningar varje gång.

MCP har två huvuddelar: klienten och servern.

En MCP-klient är den app eller upplevelse som användaren interagerar med. Det är där du ställer frågor eller utlöser åtgärder. Klienten kontaktar MCP-servrar för att hitta verktyg och använda dem. Till exempel kan Visual Studio Code fungera som en MCP-klient när den ansluter till externa verktyg för att hämta data eller hjälpa dig att skriva och köra kod.

En MCP-server exponerar verktyg, data eller tjänster så att de kan användas av klienter. Den talar om för klienten vad som är tillgängligt och hur den ska användas. Till exempel kan en Fabric dataagent fungera som en MCP-server genom att exponera företagsdata och frågor som ett AI-system kan använda.

Tillsammans gör klienten och servern det enkelt att ansluta AI-system med verkliga data och åtgärder, utan att skapa anpassade integreringar varje gång.

Viktigt!

Den här funktionen är i förhandsversion.

Viktigt!

När du använder Fabric dataagenten som EN MCP-server kan svar som returneras av Fabric dataagenter skickas utanför Fabric efterlevnadsgräns eller geografiska region och bearbetas och/eller lagras enligt mcp-klientens tillämpliga villkor och principer för datahantering.

Förutsättningar

Så här fungerar det

Fabric dataagenter kan också fungera som MCP-servrar. När den används som MCP-server exponerar en Fabric dataagent ett enda verktyg. Det här verktyget representerar själva dataagenten, så att externa AI-system kan interagera med den via MCP-protokollet. Därför är det viktigt att ange en detaljerad och korrekt beskrivning när du publicerar en Fabric dataagent. Beskrivningen blir verktygsbeskrivningen för MCP-servern. Externa AI-system använder den här beskrivningen för att avgöra när och hur dataagenten ska anropas. En tydlig och omfattande beskrivning säkerställer att agenten är korrekt förstådd och kan användas effektivt i AI-arbetsflöden.

Den Fabric dataagenten som MCP-server är värdefull för personer som skapar eller testar sina egna AI-system. Det gör att de kan ansluta direkt till dataagenten och komma åt företagsdata som finns i Fabric OneLake utan att behöva växla mellan olika verktyg eller plattformar. Den här funktionen gör det enklare att integrera företagskunskaper i AI-experiment och utvecklingsarbetsflöden, allt i en enda miljö.

Anmärkning

För närvarande kan du endast använda mcp-servern för Fabric-dataagenten i VS Code. Om du använder en egen MCP-klient kan det också fungera så länge du konfigurerar autentisering

Skärmbild som visar MCP-servern för dataagenten innan du publicerar.

När du har publicerat dataagenten går du till inställningarna för agenten och öppnar fliken Modellkontextprotokoll . Här ser du följande information:

  • McP-servernamn för dataagenten
  • MCP-server-URL (kopiera den här URL:en som ska användas i nästa steg)
  • MCP-verktygsnamn för dataagent
  • Beskrivning av MCP-serververktyget

Du kan också ladda ned filenmcp.json från den här fliken. Använd den här filen för att konfigurera MCP-servern i VS Code.

Skärmbild som visar fliken MCP-serverinställningar för dataagenten.

Konfigurera MCP-servern i VS Code

  1. Öppna VS Code och välj en mapp att arbeta i.

  2. I den här mappen skapar du en mapp med namnet .vscode.

  3. I den inre mappen skapar du en fil med namnet mcp.json.

  4. VS Code visar automatiskt en blå Lägg till server-knapp längst ned till höger i fönstret.

    Skärmbild som visar MCP-serverns json-fil.

  5. Välj Lägg till server och välj HTTP. Du uppmanas att ange en URL. Använd DEN MCP-server-URL som du kopierade i föregående avsnitt.

    Skärmbild som visar valet av HTTP.

    Skärmbild som visar hur du anger URL:en för MCP-servern.

  6. Tryck på Retur och ange ett namn för MCP-servern. Använd det här namnet om du vill visa MCP-servern i VS Code-miljön.

  7. VS Code försöker autentisera med servern. Välj Tillåt och logga in med dina autentiseringsuppgifter.

Servern skapas.

Skärmbild som visar MCP-filen för dataagenten.

Aktivera agentläge

När du har lagt till MCP-servern aktiverar du agentläge i VS Code. Med agentläge kan VS Code fungera som ett orkestreringsgränssnitt och ansluta redigeraren till MCP-servrar för att interagera med externa verktyg som Fabric dataagent. För att aktivera den:

  1. I VS Code går du till kommandopaletten (Ctrl+Skift+P eller Cmd+Skift+P).

  2. Sök efter Aktivera agentläge och välj det.

  3. Bekräfta eventuella uppmaningar om att aktivera läget.

    Skärmbild som visar dataagenten i VS Code i agentläge.

När agentläget är aktivt väljer du en orkestrerare för att hantera dina frågor. Tillgängliga orkestratorer i offentlig förhandsversion inkluderar GPT-5, GPT-4.1, Claude Sonnet 4.5, Gemini 2.5 pro och många fler. Dirigeraren hanterar informationsflödet mellan dina frågor i VS Code och mcp-servern för Fabric-dataagenten.

Använda mcp-servern för Fabric-dataagenten

När du aktiverar agentläge och väljer orchestrator:

  • Du kan börja ställa frågor direkt från VS Code.
  • Orchestrator dirigerar dina frågor till mcp-servern Fabric dataagent.
  • Agenten returnerar svar baserat på den kunskap den har åtkomst till, inklusive organisationsdata som lagras i Fabric OneLake.

Genom att fungera som en MCP-server gör Fabric dataagent det möjligt för användare att integrera organisationskunskap i AI-arbetsflöden, utföra experiment och utveckla AI-lösningar utan att lämna VS Code. Den här integreringen effektiviserar åtkomsten till OneLake-data och förbättrar produktiviteten för både utvecklare och företagsanvändare.