语义模型MCP服务器（v0.3.0）

一个模型上下文协议（MCP）服务器，用于连接到Microsoft Fabric和Power BI语义模型。该服务器提供了工具，用于浏览工作区、列出数据集、检索模型定义（TMSL）、执行DAX查询，以及针对语义模型创建或修改语义模型。

🆕 新品：最佳实践分析器 - 现在包含了针对71项行业最佳实践规则的语义模型全面分析！

一个专为语义模型作者设计的工具，允许您在VS Code Co-pilot中使用您自己的大型语言模型（LLM）与您的语义模型进行对话！！！

使用本地计算资源，而不是您的高级容量。

这个工具最适合在VS Code中运行，用作一个 *与你的语义模型聊天* 使用您自选的LLM服务器来实现该功能。

在VS Code中，副驾驶插件（Co-pilot）的限制远少于一些MCP客户端，并且还允许你自行调整/优化这段代码。

特点/功能

浏览 Power BI 工作区列出您租户中所有可用的工作区
数据集管理列出并探索工作区内的数据集
模型定义检索获取TMSL（Tabular Model Scripting Language，表格模型脚本语言）定义
DAX 查询执行对语义模型运行DAX查询并获取结果
模型创建与编辑使用TMSL创建新的语义模型并更新现有模型
Fabric 湖仓一体集成列出湖仓（lakehouse）、Delta 表，并获取 SQL 连接字符串
DirectLake 模型支持创建和管理与Fabric数据湖仓库连接的DirectLake模型
SQL 分析终端使用SQL查询湖仓表以进行模式验证和数据探索
Microsoft Learn 集成搜索并访问微软的官方文档、教程和最佳实践
TMSL 验证增强TMSL结构验证功能，提供详细的错误报告
工作区导航获取工作区ID并在不同环境之间导航
🆕 最佳实践分析器（BPA）对语义模型进行综合分析，对照行业最佳实践和微软建议
🆕 Power BI Desktop 检测自动检测并连接到本地的 Power BI Desktop 实例以进行开发和测试

🎯 最佳实践分析器（BPA）

语义模型MCP服务器现已包含一个功能强大的 最佳实践分析器 该工具会根据涵盖行业最佳实践和微软建议的71项全面规则，对您的语义模型进行评估。

什么是BPA？

最佳实践分析器会自动扫描您的语义模型（TMSL 定义），并识别多个类别中的潜在问题：

🚀 性能 - 优化建议以提高查询性能
💎 DAX 表达式 - DAX语法和模式的最佳实践
🔧 维护 - 模型可维护性和文档编制的规则
📝 命名规范 - 统一的命名标准
🎨 格式化 - 正确的格式和显示属性
⚠️ 防止错误 - 需要避免的常见陷阱和反模式

BPA（双酚A）严重程度等级

等级	名称	描述	示例问题
（无对应中文）	（无对应中文）	（无对应中文）	（无对应中文）	**	🔴（红色）** 错误（3）
严重	必须立即修复	DAX语法错误，模型结构问题	**	🟡（黄色方块）** 警告（2）
重要	需尽快处理	性能问题，非最优模式	**	绿色（🟢）** 信息（1）

| 建议 | 持续改进 | 格式调整、文档增强 |

可用的BPA工具 1.

#semantic_model_mcp_server analyze my [dataset_name] model for best practice violations

分析已部署的模型 2.

#semantic_model_mcp_server run BPA analysis on this TMSL definition before deployment

*在开发过程中分析TMSL*

注：自动处理JSON格式问题，包括换行符、转义引号以及嵌套的JSON字符串。 3.

#semantic_model_mcp_server generate a detailed BPA report for [dataset_name]

生成综合报告 4.

#semantic_model_mcp_server show me only critical BPA errors in my model
#semantic_model_mcp_server get all WARNING level BPA issues

按严重程度筛选 5.

#semantic_model_mcp_server show me all performance-related BPA violations
#semantic_model_mcp_server get DAX expression issues from BPA analysis

按类别筛选 6.

#semantic_model_mcp_server what BPA rule categories are available?
#semantic_model_mcp_server show me a summary of loaded BPA rules

获取BPA信息

常见的BPA违规行为及修复方法

🚀 性能问题❌ 问题 double 使用

"dataType": "double"

金融金额的数据类型✅ 解决方案 decimal 使用

"dataType": "decimal"

数据类型而不是❌ 问题

"isHidden": false

外键对终端用户不隐藏✅ 解决方案

"isHidden": true

隐藏外键列

💎 DAX 表达式问题❌ 问题

Average Price = [Total Sales] / [Total Quantity]

使用“/”运算符进行除法运算✅ 解决方案

Average Price = DIVIDE([Total Sales], [Total Quantity])

使用 DIVIDE() 函数来处理除以零的情况❌ 问题

Total Sales = SUM(SalesAmount)

不合格的列引用✅ 解决方案

Total Sales = SUM(Sales[SalesAmount])

使用完全限定的列引用

🎨 格式问题❌ 问题

{
  "name": "Total Sales",
  "expression": "SUM(Sales[SalesAmount])"
}

度量值中缺少格式字符串✅ 解决方案

{
  "name": "Total Sales", 
  "expression": "SUM(Sales[SalesAmount])",
  "formatString": "#,0"
}

添加适当的格式字符串

BPA（业务流程自动化）集成工作流 🔄（循环/重复）

1. Generate TMSL template
   → #semantic_model_mcp_server generate DirectLake TMSL template

2. Analyze before deployment  
   → #semantic_model_mcp_server run BPA analysis on TMSL

3. Fix violations
   → Address critical errors and warnings

4. Deploy model
   → #semantic_model_mcp_server update model with validated TMSL

5. Final verification
   → #semantic_model_mcp_server analyze deployed model with BPA

使用BPA的开发工作流程 🚨（警报/紧急情况的符号，无具体文字含义，可理解为“警报”或根据上下文翻译为相应的紧急提示）

1. Check for critical errors
   → #semantic_model_mcp_server get ERROR level BPA violations

2. Review performance issues
   → #semantic_model_mcp_server show performance-related BPA issues

3. Ensure documentation standards
   → #semantic_model_mcp_server check maintenance category violations

质量门（或质量控制点）

BPA使用示例

You: "Analyze my Sales Model for best practice violations"
AI: [Runs BPA analysis and shows violations by category and severity]

You: "Show me only the critical errors"
AI: [Filters to ERROR level violations with specific recommendations]

You: "Generate a detailed BPA report"  
AI: [Creates comprehensive report with all findings]

示例1：全面模型健康检查

You: "My model is slow - what performance issues does BPA find?"
AI: [Analyzes model and highlights performance-related violations]

You: "Show me the specific DAX expressions that need fixing"
AI: [Filters to DAX expression category with examples]

You: "Research best practices for the issues you found"
AI: [Uses Microsoft Learn integration to provide authoritative guidance]

示例2：性能优化

You: "I'm about to deploy this TMSL - run BPA analysis first"
AI: [Analyzes TMSL definition before deployment]

You: "Fix the critical issues and update the TMSL"
AI: [Applies BPA recommendations and validates changes]

You: "Now deploy the corrected model"
AI: [Deploys with confidence knowing BPA requirements are met]

示例3：开发质量保证

BPA规则类别详解 🚀（火箭/快速上升/加速的符号，常用于表达快速进展或上升的趋势）

性能（24条规则）
避免使用浮点数据类型
隐藏外键并优化列属性
适当对大表进行分区
最小化计算列，使用星型模式
优化关系，避免过多的双向连接

减少Power Query转换 💎 翡翠宝石（或钻石，根据上下文可具体翻译）

DAX 表达式（11条规则）
使用完全限定的列引用
使用不合格的测量参考标准
更倾向于使用DIVIDE()函数而非“/”运算符
避免使用 IFERROR() 函数以提高性能
使用 TREATAS 替代 INTERSECT

适当的时间智能模式 🔧（扳手或修理工具的符号，常用于表示需要修理或维护的含义）

维护（9条规则）
确保所有表格之间都有关联关系
为可见对象添加描述
移除未使用的视图和计算组

清理孤立对象 📝（这个符号本身在中文里没有直接对应的翻译，它通常代表“待办事项”或“笔记”的意思，可以翻译为“待办事项”或“笔记”等，具体根据上下文来确定）

命名规范（3条规则）
对象名称中不含特殊字符
去除名称中的空白字符

一致的命名模式 🎨 表示艺术或绘画的符号，可翻译为“🎨（艺术/绘画符号）”或根据上下文简化为“艺术/绘画”。在实际应用中，若该符号出现在文本中且无需特别强调其作为符号的意义，可直接保留原样或根据语境灵活处理。

格式化（17条规则）
为度量值和日期列提供格式字符串
适当标记主键
设定适当的数据类别
隐藏度量中使用的事实表列

使用一致的大小写 ⚠️（警告符号，无具体文字含义，可理解为“注意”或“警告”的意思）

防错设计（7条规则）
避免常见的反模式
防止破坏部署的配置

尽早发现语法和结构问题

高级BPA功能

自动化质量流水线

# Quality gate: No critical errors
if (bpa_errors > 0) block_deployment()

# Performance threshold
if (performance_violations > threshold) require_review()

# Documentation standards  
if (missing_descriptions > limit) require_documentation()

将BPA集成到您的CI/CD工作流中：

# Weekly health checks
#semantic_model_mcp_server generate weekly BPA report for all models

# Track improvements over time
#semantic_model_mcp_server compare current BPA results with last month

# Identify organization-wide patterns
#semantic_model_mcp_server analyze BPA trends across workspace

持续模型健康监测

与 Microsoft Learn 的集成

You: "I have performance violations - research the best practices"
AI: [Uses BPA results + Microsoft Learn to provide authoritative guidance]

You: "Find official documentation for the DAX issues BPA found"
AI: [Searches Microsoft Learn for specific DAX patterns and recommendations]

BPA与Microsoft Learn研究无缝集成：

开始使用BPA（业务流程自动化）🔍 从分析开始 "Analyze my model for best practice violations"
：🚨 重点关注关键点 "Show me only ERROR level BPA issues"
:🎯 目标类别 "What performance improvements does BPA suggest?"
：📚 研究解决方案 "Find Microsoft documentation for these BPA violations"
：✅ 验证修复 "Re-analyze the model after applying BPA recommendations"

最佳实践分析器确保您的语义模型遵循微软推荐的模式和行业标准，从而提升性能、可维护性和用户体验！ 🎉

先决条件

Python 3.8 或更高版本

访问 Microsoft Fabric/Power BI Premium 工作区

有效的微软认证（Azure AD）

Analysis Services 库的 .NET Framework 依赖项

如果你在VS Code Copilot Chat中有权限使用高级模型，我建议使用ASK模式下的Claude Sonnet 4

🖥️ Power BI Desktop 集成 语义模型MCP服务器现在包含了强大的 Power BI Desktop 检测

这些功能能够实现与本地Power BI Desktop实例的无缝集成，以支持开发和测试工作流程。

什么是Power BI Desktop检测？

此功能可自动发现正在运行的 Power BI Desktop 进程及其关联的 Analysis Services 实例，使您能够：连接到本地模型
访问当前在 Power BI Desktop 中打开的语义模型开发测试
在发布前，先在本地实例上测试更改本地BPA分析
对开发中的模型运行最佳实践分析器调试

在开发过程中分析和调试模型

关键能力 🔍 翻译为中文是：“🔍”（注：这个符号本身在中文中通常不直接翻译，而是保持原样，表示放大镜，常用于表示搜索或查看细节的动作。如果需要解释其含义，可以说“放大镜”或“表示搜索/查看细节的符号”。）

自动发现
检测所有正在运行的 Power BI Desktop 进程
确定每个实例的Analysis Services端口号
查找当前打开的.pbix文件

生成即用型连接字符串 🔌（电源插头/插座）

连接测试
验证与本地 Analysis Services 实例的连接性
测试身份验证和访问权限

提供详细的连接诊断信息 🎯（目标）

开发集成
使用带有本地模型的BPA工具
在本地实例上执行DAX查询

分析本地 Power BI Desktop 模型中的 TMSL 定义

可用工具 1.

#semantic_model_mcp_server detect local Power BI Desktop instances

检测正在运行的实例 2.

#semantic_model_mcp_server test connection to Power BI Desktop on port 55001

测试本地连接 3.

#semantic_model_mcp_server analyze my local Power BI Desktop model for best practices

本地BPA分析

它是如何工作的

Power BI Desktop 为每个打开的 .pbix 文件运行一个本地的 Analysis Services 实例：进程检测 PBIDesktop.exe 扫描以查找 msmdsrv.exe 并且
过程；程序港口探索（或译为：发现港）
识别动态端口（通常 > 50000）连接字符串 Data Source=localhost:{port}
格式化为文件关联

将进程与其对应的.pbix文件关联起来

用例 🚀 火箭或快速前进的象征（常用于表达快速、进步或激动人心的事物）

开发工作流程
在 Power BI Desktop 中打开您的 .pbix 文件
使用MCP服务器检测本地实例
在开发过程中进行BPA分析
在发布前测试DAX查询

在本地验证模型更改 🧪 表示“试管”或“实验”的符号。

测试与验证
使用本地数据验证模型性能
测试新的计算方法和措施
验证关系和层级结构

检查格式设置和显示属性 🔧 修理工具或螺丝刀的符号，常用于表示需要维修或调整的物品或情境。

调试与故障排除
分析那些不会发布的模型
调试DAX表达式问题
调查性能问题

在部署前验证TMSL结构

# 1. Detect local Power BI Desktop instances
instances = detect_local_powerbi_desktop()

# 2. Get connection information
# Result: localhost:55001 (example port)

# 3. Test the connection
test_result = test_local_powerbi_connection(55001)

# 4. Run BPA analysis on local model
# Use the connection string with existing BPA tools

# 5. Execute DAX queries for testing
# Use local connection for development queries

示例工作流程

安装

# Install the package
pip install semantic-model-mcp-server

# Or install specific version
pip install semantic-model-mcp-server==0.3.0

选项1：从包注册表安装（推荐）

# Install directly from repository
pip install git+https://github.com/your-company/semantic-model-mcp-server.git

# Or clone and install locally
git clone https://github.com/your-company/semantic-model-mcp-server.git
cd semantic-model-mcp-server
pip install -e .

选项2：从仓库安装（开发版）

git clone https://github.com/microsoft/fabric-toolbox.git
cd fabric-toolbox/tools/SemanticModelMCPServer
setup.bat

# or for the dev version
git clone --branch Semantic-Model-MCP-Server https://github.com/philseamark/fabric-toolbox.git
cd fabric-toolbox/tools/SemanticModelMCPServer
setup.bat

选项3：传统设置（原始方法） 📖 如需团队安装的详细说明，请参阅

\`TEAM_INSTALLATION_GUIDE.md\` 翻译成中文为：“团队安装指南.md”

2\. 启动MCP服务器

使用VS Code打开位于.vscode文件夹中的mcp.json文件，然后点击开始按钮（位于第2行和第3行之间）Start your MCP Server\[

\]

认证

服务器使用Azure Active Directory进行身份验证。请确保您已具备：
您Microsoft租户的有效凭据
访问您想要查询的Power BI/Fabric工作区

读取语义模型和执行DAX查询的权限

可用工具

#semantic_model_mcp_server list workspaces

1. 列出Power BI工作区

#semantic_model_mcp_server list datasets in [workspace_name]

2. 列出工作区中的数据集

#semantic_model_mcp_server get workspace id for [workspace_name]

3. 获取工作区ID

#semantic_model_mcp_server get TMSL definition for [workspace_name] and [dataset_name]

4. 获取模型定义

#semantic_model_mcp_server run DAX query against [dataset_name] in [workspace_name]

5. 执行DAX查询

#semantic_model_mcp_server update model [dataset_name] in [workspace_name] using TMSL definition

6. 使用TMSL更新模型

#semantic_model_mcp_server list lakehouses in [workspace_name]

7. 列出Fabric Lakehouses（或译为“列出Fabric数据湖仓库”）

#semantic_model_mcp_server list delta tables in lakehouse [lakehouse_name]

8. 列出Delta表

#semantic_model_mcp_server get SQL connection string for lakehouse [lakehouse_name]

9. 获取Lakehouse SQL连接

#semantic_model_mcp_server search Microsoft Learn for DirectLake best practices

10. 研究Microsoft Learn文档

#semantic_model_mcp_server run SQL query against lakehouse to validate table schemas

11. 使用SQL查询Lakehouse

#semantic_model_mcp_server generate DirectLake TMSL template for tables in [lakehouse_name]

12. 生成DirectLake TMSL模板

#semantic_model_mcp_server analyze my model for best practice violations
#semantic_model_mcp_server generate BPA report for [dataset_name]
#semantic_model_mcp_server show me critical BPA errors
#semantic_model_mcp_server get performance-related BPA issues

13. 🆕 最佳实践分析工具

使用示例

#semantic_model_mcp_server list workspaces

示例1：探索可用的工作区

#semantic_model_mcp_server get the TMSL definition for the DAX Performance Tuner Testing workspace and the Contoso 100M semantic model

示例2：获取模型定义

#semantic_model_mcp_server run a DAX query to count rows in the fact table

示例3：执行DAX查询

#semantic_model_mcp_server run a DAX query sum quantity by year

示例4：按年份分析数据

#semantic_model_mcp_server create a DirectLake model using tables from the GeneratedData lakehouse

示例5：创建DirectLake模型

#semantic_model_mcp_server add a new calculated column to the sales table in my model

示例6：更新模型架构

入门指南：聊天提示示例

一旦您在VS Code中启动了MCP服务器，就可以使用这些示例提示开始与您的语义模型进行聊天。只需在VS Code的聊天界面中输入这些提示，AI就会利用MCP服务器与您的数据进行交互： 🔍（放大镜图标，通常表示搜索或查看细节）

发现与探索

#semantic_model_mcp_server list all my Power BI workspaces

“我可以使用哪些工作空间？”

#semantic_model_mcp_server list datasets in [Your Workspace Name]

“显示我主工作区中的所有数据集”

#semantic_model_mcp_server get the TMSL definition for [Workspace Name] and [Dataset Name]

“我的销售模式结构是怎样的？” 📊 表格、数据图表

基本数据分析

#semantic_model_mcp_server run a DAX query to count rows in the fact table

“我的事实表中有多少行？”

#semantic_model_mcp_server run a DAX query to show sales amount by product category, ordered by highest sales

“按销售额划分，我的顶级产品类别有哪些？”

#semantic_model_mcp_server run a DAX query to sum sales amount by year

“按年份显示销售趋势” 🎯（目标）

特定业务问题

#semantic_model_mcp_server run a DAX query to find the month with highest sales in 2023

“我们去年表现最好的月份是哪个月？”

#semantic_model_mcp_server run a DAX query to show top 10 customers by total quantity purchased

“哪些客户购买的产品最多？”

#semantic_model_mcp_server run a DAX query to calculate profit margin percentage by product category

“我们各类产品的利润率是多少？” 🔬（表示科学、实验室或显微镜等意思的符号）

高级分析

#semantic_model_mcp_server create a DAX query that calculates YoY growth percentage for sales by category

“给我展示每个产品类别的同比增长率”

#semantic_model_mcp_server run a DAX query to calculate average order value grouped by customer segment

“按客户细分来看，平均订单价值是多少？”

#semantic_model_mcp_server write a DAX query to identify products with no sales in the last 180 days

“查找过去6个月内未售出的产品” 🛠️（扳手）

模型创建与管理

#semantic_model_mcp_server create a DirectLake model using the business tables from my GeneratedData lakehouse

“从我的湖仓表中创建一个新的DirectLake模型”

#semantic_model_mcp_server add a Total Profit measure to my sales model that calculates SalesAmount minus TotalCost

“在我的现有模型中添加一个新指标”

#semantic_model_mcp_server modify my semantic model to include the new customer demographics table

“更新我的模型以包含一个新表”

#semantic_model_mcp_server add a relationship between the sales table and the new product category table

“在我的模型中创建表之间的关系” 🏗️（建筑工地/施工中）

Fabric 湖仓一体集成

#semantic_model_mcp_server list all lakehouses in my workspace

“我的工作区域内有哪些湖畔别墅可供选择？”

#semantic_model_mcp_server list all Delta tables in the GeneratedData lakehouse

“在湖仓中显示我的Delta表”

#semantic_model_mcp_server get the SQL endpoint connection for my lakehouse

“获取我的数据湖仓库的SQL连接字符串”

#semantic_model_mcp_server query the lakehouse SQL endpoint to check column names and data types for the sales table

“在创建 DirectLake 模型之前验证表架构” 📚 书籍或学习的象征

Microsoft Learn 研究与文档

#semantic_model_mcp_server search Microsoft Learn for DAX performance optimization best practices

“查找最新的DAX最佳实践”

#semantic_model_mcp_server find Microsoft Learn articles about DirectLake requirements and limitations

“Research DirectLake 实施指南”

#semantic_model_mcp_server search Microsoft Learn for TMSL tabular object reference and examples

“获取TMSL语法文档”

#semantic_model_mcp_server search Microsoft Learn for the latest Power BI features and capabilities

“查找 Power BI 的功能更新”

#semantic_model_mcp_server get Microsoft Learn learning paths for Microsoft Fabric data engineering

“探索 Microsoft Fabric 学习路径”

#semantic_model_mcp_server search Microsoft Learn for star schema design best practices and patterns

“研究数据建模模式”

#semantic_model_mcp_server search Microsoft Learn for Power BI performance troubleshooting guides

“查找故障排除指南” 🛠️（工具/修理）

模型优化

#semantic_model_mcp_server get the TMSL definition and show me all the measures

“我的模型中定义了哪些措施？”

#semantic_model_mcp_server show me the relationships in my semantic model

“有没有什么关系是我应该注意的？”

#semantic_model_mcp_server analyze the TMSL definition and list any hidden tables or columns

“我的模型中隐藏了哪些表格？” 💡 灯泡（表示灵感、想法或创意的出现）

优化提示语的技巧要具体明确
当您知道时，请包含工作区名称和数据集名称使用自然语言
该AI可以将您的业务问题转换为DAX查询语句要求解释
加上“并解释结果”以理解数据的含义请求可视化数据
询问“创建一个汇总表”或“将结果格式化得美观些”基于之前的查询进行构建

参考早期结果以深入挖掘见解 🚀 这个符号本身没有具体的中文翻译，它通常被用作表示火箭、快速移动或加速的符号。在中文语境中，我们可能会直接使用这个符号或者用文字描述其含义，比如“火箭”、“快速前进”等。如果要将其融入句子中，可能会说“🚀 我们即将发射火箭！”或者“🚀 看，火箭升空了！”

开始工作流程从探索开始 "What workspaces do I have access to?"
:探索您的数据 "Show me the structure of my [dataset name] model"
:提出简单的问题 "How many rows of data do I have?"
：“Progress to Business Questions”可以翻译为“向商业问题的进展”或“商业问题的进展概述”，具体翻译取决于上下文和语境。如果是指某个项目或计划在商业方面取得的进展，那么“商业进展”或“商业方面取得的进展”也是合适的翻译 "What are my top selling products?"
：深入分析 "Show me trends and patterns in my sales data"
：🆕 确保质量 "Analyze my model for best practice violations"

： 🎯（目标/瞄准）

最佳实践分析器提示

#semantic_model_mcp_server analyze my [dataset name] model for best practice violations

“我的模型是否遵循了最佳实践？”

#semantic_model_mcp_server show me only ERROR level BPA violations in my model

“我的模型中存在哪些最关键的问题？”

#semantic_model_mcp_server get all performance-related BPA recommendations for my model

“我如何提高我的模型性能？”

#semantic_model_mcp_server analyze DAX expressions in my model using BPA rules

“检查我的DAX表达式以遵循最佳实践”

#semantic_model_mcp_server create a comprehensive BPA report for [dataset name]

“为我的模型生成一份质量报告”

#semantic_model_mcp_server show me BPA violation counts by category and severity

“我应该重点关注哪些BPA类别？”

#semantic_model_mcp_server run BPA analysis on this TMSL definition to check for issues

“在部署前验证我的TMSL” 📝

You: "What workspaces do I have access to?"
AI: [Lists your workspaces using the MCP server]

You: "Show me the datasets in my 'Sales Analytics' workspace"
AI: [Lists datasets in that workspace]

You: "Get the structure of my 'Sales Model' dataset"
AI: [Retrieves TMDL definition showing tables, measures, relationships]

You: "Create a DirectLake model using the tables from my GeneratedData lakehouse"
AI: [Uses MCP server to list lakehouse tables and creates TMSL definition for DirectLake model]

You: "Now add a calculated measure for profit margin to this model"
AI: [Modifies the TMSL to include new measure and updates the model]

You: "Show me the relationships in this new model"
AI: [Retrieves updated TMSL definition and displays the relationships]

You: "That's interesting - can you show me the trend for the 'Electronics' category over time?"
AI: [Creates and runs a more specific DAX query for Electronics trends]

示例完整对话

记住：当您在提示中提到数据分析、DAX查询或语义模型探索时，AI助手将自动使用MCP服务器工具！

模型上下文协议（MCP）

这台服务器实现了模型上下文协议，使得人工智能助手和其他工具能够： 发现
可用的语义模型和工作区 检查
模型结构和元数据 查询
使用DAX表达式处理数据 创造
从Fabric数据湖仓库或其他数据源中获取新的语义模型 修改
通过更新TMSL定义来改进现有模型 管理
与Fabric数据湖仓库连接的DirectLake模型 检索
用于分析的完整模型定义 研究
通过Microsoft Learn集成获取官方微软文档和最佳实践 验证
使用SQL Analytics Endpoint查询的表架构 生成
带有适当结构验证的DirectLake TMSL模板 🆕 分析
使用全面的业务流程分析（BPA）规则构建最佳实践合规的语义模型 🆕 报告
关于模型质量的详细违规情况及改进建议 🆕 优化

通过自动化最佳实践分析提升模型性能

技术架构FastMCP 框架
使用FastMCP Python框架构建Analysis Services（分析服务）
利用Microsoft Analysis Services .NET库XMLA 端点
通过XMLA端点连接到Power BI微软学习API
与 Microsoft Learn 集成，以便访问官方文档和教程SQL Analytics 终端节点
连接到Fabric湖仓SQL端点以进行模式验证和数据探索认证
使用Microsoft Identity Client进行安全认证TMSL 验证

增强的表格式建模脚本语言验证引擎

支持的数据源
Power BI Premium 工作区
Microsoft Fabric 语义模型
Analysis Services 表格式模型
Fabric Lakehouses（布制数据湖仓库）和Delta Tables（Delta表）
DirectLake 存储模式

任何XMLA兼容的端点

故障排除

常见问题认证错误
确保您拥有有效的Azure AD凭据和工作区访问权限连接超时
检查网络连接和工作区可用性权限被拒绝

验证您对目标工作区和语义模型具有读取权限

调试模式

python debug.py

以调试模式运行以进行故障排除：

做出贡献欢迎投稿！请参阅主页 fabric-toolbox 仓库

关于贡献指南。

许可证这个项目遵循MIT许可证授权——详见许可证

文件中有详细信息。

相关工具 DAX性能测试
- DAX 查询的性能测试框架 Microsoft Fabric 管理
- 用于Fabric管理的PowerShell模块织物负载测试工具

Semantic Model MCP

快速接入

详细介绍