Tutorial: Opret en end-to-end Activator-regel ved hjælp af agentisk AI

Fabric Activator opdager mønstre i strømmende data og handler, når betingelserne er opfyldt. I denne vejledning bruger du en AI-agent til at opbygge en end-to-end pipeline. Pipelinen overvåger en strøm af telemetrihændelser, opdager vedvarende overophedning og kalder en Fabric User Data Function (UDF) for at indsende et reparationsjob. Du skriver prompts; Agenten står for forfatterskabet.

Denne vejledning bruger widget-making-machine telemetri som det løbende eksempel, men de samme prompts virker for næsten alle tidsseriedata med et stabilt per-entity-ID – IoT-enheder, bilflåder, logistikbegivenheder, finansielle ticks, applikationsmetrikker og så videre. Erstat feltnavnene og tærskelværdien for at passe til din dataform.

I dette selvstudium udfører du følgende opgaver:

  • Opsæt en eventstream over dit event hub.
  • Opret en User Data Function til at indsende reparationsjobbet.
  • Udfør en aktivatorregel, der udløser funktionen.

Hvis du er ny til Fabric Activator, se Hvad er Fabric Activator?. Hvis du er ny inden for Fabric User Data Functions, se Hvad er Fabric User Data Functions?.

Oversigt over scenariet

En producent driver en flåde af widget-maskiner på tværs af flere fabrikker. Hver maskine udsender telemetri – temperatur, vibration, tryk, kørselstilstand – til en Azure event hub. Når en maskine opretholder en høj driftstemperatur, skal den til vedligeholdelse, før den går i stykker.

Til denne vejledning bruger hver hændelse et lille repræsentativt skema: et per-maskine ID (machine_id), et lokationstag (plant_id), en numerisk metrik til overvågning (temperature_c), og et run-state felt (state). De præcise feltnavne betyder ikke noget – den samme prompt-form gælder for enhver per-entity ID plus en metrik, du vil have threshold for.

Du bygger en Fabric-pipeline, der overvåger telemetristrømmen, anvender en sustained-threshold-regel og kalder en User Data Function for at indsende reparationsjobbet. Reglen grupperer begivenheder efter machine_id og affyres, når temperature_c de forbliver over 50°C i 5 minutter. Når den affyres, passerer machine_idden , plant_id, og den aktuelle temperatur ind i mekanismen.

Arkitekturdiagram over telemetri, der flyder fra maskiner gennem Azure Event Hubs, en Fabric eventstream, en Activator-regel og en UDF.

Forudsætninger

Før du begynder, skal du bruge:

  • Et Fabric-arbejdsområde med F4 (eller højere) kapacitet, med forfattertilladelser. For at lære om arbejdsområder, se Arbejdsområder.
  • En færdighedskompatibel agent – for eksempel GitHub Copilot CLI eller GitHub Copilot i Visual Studio Code – med Fabric skills installeret.
  • Et Azure Event Hubs-navnerum og hub, der streamer telemetrien. Du skal bruge navneområdet FQDN, hubnavnet og en Listen+Send forbindelsesstreng.

Opsætning af eventstreamen

I dette trin opretter du eventstreamen, der abonnerer på din event hub. Du beder agenten om at validere resultatet i portalen.

  1. Giv agenten denne prompt, og erstat pladsholderne med værdier fra dit eventhub:

    Create a Fabric eventstream in my workspace called `WidgetMachineTelemetry` that ingests from this Azure event hub:

- Namespace: `<your namespace FQDN>`
- Hub name: `<your hub name>`
- Connection string: `<your Listen+Send connection string>`

When you're done, give me a direct portal link to the eventstream item so I can verify it.

  2. Agenten påkalder eventstream-authoring-færdigheden. Den opretter eventstream-elementet, konfigurerer event hubben som kilde og returnerer en klikbar URL til elementet i Fabric-portalen. Du behøver ikke en destination—Activator abonnerer direkte på streamen.

  3. Vælg det link, agenten gav dig. I Live-visningen bekræftes eventhub-kilden Connected , og at widget-maskine-telemetri-begivenheder flyder igennem.

    Skærmbillede af WidgetMachineTelemetri-hændelsesstrømmen, der viser hændelseshub-kilden tilsluttet og Activator-destinationen, med live data-forhåndsvisning.

    Figur 1: Eventstream WidgetMachineTelemetry —events flyder fra event hub-kilden widget-telemetry gennem strømmen til Activator-destinationen WidgetMachineMaintenance .

Opret User Data-funktionen

I dette trin opretter du User Data Function, som din Activator-regel kalder. Funktionen sender reparationsjob-forespørgslen til din downstream API.

  1. Giv agenten denne prompt:

    Create a Fabric User Data Function called `MaintenanceDispatcher` in my workspace, written in Python, with a function `file_repair_job(machine_id, plant_id, temperature_c)` that sends those values as JSON in a POST request to `https://contoso.com/maintenance/fileRepairJob` and returns the parsed response.

When you're done, give me a direct portal link to the UDF item so I can verify it.

  2. Agenten påkalder Fabric UDF-forfatterfærdigheden. Den støtter et Python UDF-element, implementerer file_repair_job med httpx, offentliggør UDF, bekræfter at funktionen kan kaldes, og returnerer en klikbar URL til elementet.

  3. Vælg det link, agenten gav dig, og brug derefter det indbyggede Testpanel til at starte file_repair_job med en prøvepayload. For eksempel: machine_id="widget-press-042", plant_id="plant-eu-01", . temperature_c=52.7 Kaldet til contoso.com returnerer en HTTP-fejl – det er forventeligt, fordi pladsholder-endpointet ikke løses. Den vigtige adfærd er, at UDF deployerede, registrerede og nåede det udgående HTTP-kald.

    Skærmbillede af MaintenanceDispatcher User Data Function, der viser den file_repair_job Python kildekode i portaleditoren.

    Figur 2: User MaintenanceDispatcher Data Function—file_repair_job sender den overophedede maskines oplysninger til vedligeholdelsessystemet.

Bemærkning

Denne vejledning fungerer https://contoso.com/maintenance/fileRepairJob som en pladsholder for det egentlige vedligeholdelsessystem-endpoint. Erstat det med et hvilket som helst HTTPS-endpoint af dit eget. For autentificerede endpoints hentes legitimationsoplysninger fra Azure Key Vault via en UDF generisk forbindelse. For mere information, se Access datakilder i Fabric User data functions.

Forfatter Activator-reglen

I dette trin opretter du Activator-reglen, der overvåger eventstrømmen og kalder din UDF, når en maskine overopheder.

  1. Giv agenten denne prompt:

    Create an Activator rule in my workspace subscribed to the `WidgetMachineTelemetry` eventstream, that triggers my `file_repair_job` UDF when a machine's temperature stays above 50°C for 5 minutes.

When you're done, give me a direct portal link to the rule so I can verify it.

  2. Agenten aktiverer Activator-authoring-færdigheden og skaber Activator-genstanden. Agenten grupperer reglen med machine_id, bygger den vedvarende tærskeldetektion og konfigurerer handlingen til at kalde din UDF med machine_id, plant_id, og den aktuelle temperatur. Agenten returnerer derefter en klikbar URL til reglen.

  3. Vælg det link, agenten gav dig, og gennemgå derefter denne tjekliste:

    • Data flyder ind i reglen. Åbn reglens underliggende Activator-objekt i Udforsker-panelet og bekræft, at nylige begivenheder vises i live-tabellen med ikke-null machine_id og temperature_c værdier.
    • Reglen er at løbe. Bekræft at reglen er i Started - eller Running-tilstanden , og Activator-objektoversigten viser dine maskiner som aktive instanser.
    • Agenten registrerer aktiveringer. Da overophedede maskiner forbliver over 50°C i 5 minutter, vises der poster i reglens Historik-fane , hvor hver viser den machine_id udløste, temperaturen ved brandtidspunktet og et vellykket kald til file_repair_job.

    Skærmbillede af OverheatingDispatch Activator-reglen kørende, hvor handlingen kalder file_repair_job UDF og sender maskin-ID, anlægs-ID og temperatur som parametre.

    Figur 3: Aktivator-reglen OverheatingDispatch —aktiveres, når en maskines temperatur forbliver over 50°C i 5 minutter, hvilket påkalder file_repair_job maskinens identitet, plante og aktuelle temperatur.

Ryd op i ressourcer

Når du er færdig, slet eventstream, User Data Function og Activator fra dit arbejdsområde, og slet Event Hubs-navnerummet fra Azure-portalen for at stoppe gebyrer.

Relateret indhold

  • Last updated on