Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Durch das Integrieren von Model Context Protocol (MCP) in Azure Data Explorer (ADX)-Cluster können Sie KI-gesteuerte Einblicke und Aktionen in Echtzeit abrufen. Mit dem MCP-Server können KI-Agents oder KI-Anwendungen mit ADX interagieren, indem Sie Tools über die MCP-Schnittstelle bereitstellen, sodass Sie Daten problemlos abfragen und analysieren können.
Model Context Protocol (MCP) ist ein Protokoll, mit dem KI-Modelle wie Azure OpenAI-Modelle mit externen Tools und Ressourcen interagieren können. MCP erleichtert Agents das Auffinden, Herstellen einer Verbindung mit und die Verwendung von Unternehmensdaten.
Hinweis
Dieses Feature befindet sich in der Vorschau.
Das häufigste Szenario für die Verwendung des RTI- oder Azure MCP-Servers besteht darin, eine Verbindung mit diesem von einem vorhandenen KI-Client herzustellen, z. B. Cline, Claude und GitHub Copilot. Der KI-Client kann dann mithilfe der verfügbaren Tools auf ADX-Ressourcen mithilfe natürlicher Sprache zugreifen und mit diesen interagieren.
Sie können z. B. den GitHub Copilot-Agentmodus mit dem RTI MCP-Server verwenden, um KQL-Datenbanken auflisten oder Abfragen mit natürlicher Sprache auf ADX-Clustern ausführen.
Erstellen von KI-Agents
MCP-Unterstützung für Azure Data Explorer ist eine vollständige OPEN-Source-MCP-Serverintegration. Es unterstützt Abfragen in natürlicher Sprache und ermöglicht Es Agents, Schemas und Metadaten dynamisch zu ermitteln. Der MCP-Server kann mit verschiedenen AI-Clients wie GitHub Copilot, Cline oder Claude Desktop verwendet werden.
Sie können die folgenden MCP-Server verwenden, um KI-Agents in Azure Data Explorer zu integrieren und zu erstellen:
Fabric RTI MCP Server (Vorschau) – Dieser Server wurde für die Verwendung mit ADX-Clustern oder mit einem Fabric Real-Time Intelligence (RTI)-Eventhouse entwickelt. Es bietet eine einheitliche Schnittstelle für KI-Agents zum Abfragen, Grund und Reagieren auf Echtzeitdaten.
Azure MCP Server (Vorschau) – Mit dem Azure MCP-Server können Sie Azure Data Explorer-Ressourcen mithilfe von Eingabeaufforderungen in natürlicher Sprache verwalten. Sie können Cluster auflisten, Datenbanken anzeigen, Abfragedaten und vieles mehr anzeigen, ohne sich an komplexe Kusto Query Language (KQL)-Syntax zu erinnern.
Architektur
Der MCP-Server befindet sich im Kern des Systems und fungiert als Brücke zwischen AI-Agents und ADX-Datenquellen. Agents senden Anforderungen an den MCP-Server, der sie in ADX-Abfragen übersetzt.
Mit dieser Architektur können Sie modulare, skalierbare und sichere intelligente Anwendungen erstellen, die auf Echtzeitsignale reagieren. MCP verwendet eine Clientserverarchitektur, sodass KI-Anwendungen effizient mit externen Tools interagieren können. Die Architektur umfasst die folgenden Komponenten:
- MCP-Host: Die Hostumgebung, in der das KI-Modell ausgeführt wird (z. B. GPT-4, Claude oder Gemini).
- MCP-Client: Ein Zwischendienst leitet die Anforderungen des KI-Modells an MCP-Server weiter, z. B. GitHub Copilot, Cline oder Claude Desktop.
- MCP-Server: Einfache Anwendungen, die bestimmte Funktionen durch APIs in natürlicher Sprache, Datenbanken verfügbar geben. Beispielsweise zum Ausführen von KQL-Abfragen für den Echtzeitdatenabruf aus ADX-Clustern.
Wichtigste Funktionen
Real-Time Datenzugriff: Abrufen von Daten aus ADX-Clustern in Sekunden.
Schnittstellen für natürliche Sprachen: Benutzer oder Agents stellen Fragen in einfachem Englisch oder anderen Sprachen, und das System wandelt sie in optimierte Abfragen (NL2KQL) um.
Schemaermittlung: MCP-Server zeigen Schema und Metadaten an, damit Agents Datenstrukturen dynamisch erlernen können.
Plug-and-Play-Integration: MCP-Clients wie GitHub Copilot, Claude und Cline verbinden sich mit RTI mit minimalem Setup aufgrund standardisierter APIs und Ermittlungsmechanismen.
Lokale Sprachferenz: Verwenden Sie Ihre bevorzugte Sprache, um mit Ihren Daten zu arbeiten.