Sdílet prostřednictvím

Použití serverů MCP s Azure Data Explorerem (Preview)

Integrace protokolu MCP (Model Context Protocol) s clustery Azure Data Exploreru (ADX) umožňuje získat přehledy a akce řízené AI v reálném čase. Server MCP umožňuje agentům AI nebo aplikacím umělé inteligence komunikovat se službou ADX tím, že poskytuje nástroje prostřednictvím rozhraní MCP, takže můžete snadno dotazovat a analyzovat data.

Model Context Protocol (MCP) je protokol, který umožňuje modelům AI, jako jsou modely Azure OpenAI, pracovat s externími nástroji a prostředky. MCP usnadňuje agentům hledání, připojení a používání podnikových dat.

Poznámka:

Tato funkce je ve verzi Preview.

Nejběžnějším scénářem použití RTI nebo Azure MCP Serveru je připojení k němu z existujícího klienta AI, jako je Cline, Claude a GitHub copilot. Klient AI pak může použít dostupné nástroje pro přístup k prostředkům ADX a interakci s nimi pomocí přirozeného jazyka.

K výpisu databází KQL nebo spouštění dotazů v přirozeném jazyce v clusterech ADX můžete například použít režim agenta GitHub Copilot se serverem RTI MCP.

Sestavení agentů AI

Podpora MCP pro Azure Data Explorer je úplná opensourcová integrace serveru MCP. Podporuje dotazy v přirozeném jazyce a umožňuje agentům dynamicky zjišťovat schémata a metadata. Server MCP lze použít s různými klienty AI, jako je GitHub Copilot, Cline nebo Claude Desktop.

Pomocí následujících serverů MCP můžete integrovat a sestavovat agenty AI pomocí Azure Data Exploreru:

  • Fabric RTI MCP Server (Preview) – Tento server je určený pro použití s clustery ADX nebo s eventhousem infrastruktury Real-Time Intelligence (RTI). Poskytuje jednotné rozhraní pro agenty AI k dotazování, důvodu a zpracování dat v reálném čase.

  • Azure MCP Server (Preview) – Azure MCP Server umožňuje spravovat prostředky Azure Data Exploreru pomocí výzev v přirozeném jazyce. Můžete vypisovat clustery, zobrazovat databáze, dotazovat data a provádět další akce, aniž byste si museli pamatovat složitou syntaxi jazyka KQL (Kusto Query Language).

Architektura

Server MCP je jádrem systému a funguje jako most mezi agenty AI a zdroji dat ADX. Agenti odesílají požadavky na server MCP, který je přeloží na dotazy ADX.

Diagram znázorňující architekturu MCP

Tato architektura umožňuje vytvářet modulární, škálovatelné a zabezpečené inteligentní aplikace, které reagují na signály v reálném čase. MCP používá architekturu klient-server, takže aplikace umělé inteligence můžou efektivně pracovat s externími nástroji. Architektura zahrnuje následující komponenty:

  • Hostitel MCP: Hostitelské prostředí, ve kterém běží model AI (například GPT-4, Claude nebo Gemini).
  • Klient MCP: Zprostředkovatelská služba předává požadavky modelu AI na servery MCP, jako je GitHub Copilot, Cline nebo Claude Desktop.
  • MCP Server: Odlehčené aplikace, které zpřístupňuje specifické funkce rozhraníMI API přirozeného jazyka, databázemi. Pokud například chcete spouštět dotazy KQL pro načítání dat z clusterů ADX v reálném čase.

Klíčové funkce

Real-Time Přístup k datům: Načtení dat z clusterů ADX v sekundách

Rozhraní přirozeného jazyka: Uživatelé nebo agenti se ptají v prosté angličtině nebo jiných jazycích a systém je změní na optimalizované dotazy (NL2KQL).

Zjišťování schématu: Servery MCP zobrazují schéma a metadata, takže agenti mohou dynamicky učit datové struktury.

Integrace plug-and-play: Klienti MCP, jako je GitHub Copilot, Claude a Cline, se připojují k RTI s minimálním nastavením kvůli standardizovaným rozhraním API a mechanismům zjišťování.

Odvozování místního jazyka: Pro práci s daty použijte preferovaný jazyk.

Související obsah

  • Last updated on