¿Cuál es la aptitud de creación de modelos semánticos de Power BI?

Importante

Esta característica se encuentra en versión preliminar.

La habilidad de Power BI semantic-model-authoring permite a los agentes de IA crear, editar, publicar y administrar modelos semánticos de Power BI en Power BI Desktop, proyectos PBIP y Fabric Service. La habilidad se distribuye en la tienda Habilidades para Fabric, incluida en el plugin powerbi-authoring.

La aptitud abarca una amplia gama de tareas de modelo semántico, por ejemplo:

  • Crear nuevos modelos semánticos en el modo Importar, DirectQuery o Direct Lake.
  • Edición de modelos existentes: tablas, columnas, relaciones, medidas y DAX.
  • Optimización del rendimiento de DAX y análisis de modelos conforme a las prácticas recomendadas.
  • Preparación de modelos semánticos para el consumo de inteligencia artificial mediante Fabric Copilot y Power BI Data Agents.
  • Implementación de modelos en áreas de trabajo de Fabric, su actualización y la administración de orígenes de datos, parámetros y permisos.

Prerequisites

Antes de comenzar, asegúrese de que tiene:

  • El complemento powerbi-authoring instalado: siga las instrucciones de Power BI Información general del agente para instalar el complemento. Instalar el complemento pone la habilidad semantic-model-authoring a disposición y registra el servidor MCP para modelado de Power BI.
  • Un modelo semántico - Power BI Desktop con un modelo abierto, un proyecto PBIP en disco o un modelo semántico en un área de trabajo de Fabric.

Empieza ahora

  1. Abra Power BI Desktop con un modelo semántico ya cargado.

  2. En GitHub Copilot, ejecuta un prompt de prueba rápida para confirmar que la habilidad y el servidor MCP están configurados correctamente:

    /semantic-model-authoring Connect to Power BI Desktop and analyze the semantic model against best practices

    El agente debe cargar la aptitud semantic-model-authoring, conectarse al escritorio de Power BI a través del servidor MCP de modelado de Power BI, inventariar el modelo e informar de los resultados agrupados por gravedad. Si el agente le pide que registre el servidor MCP o instale el complemento, vuelva a consultar los pasos de instalación antes de continuar.

    Sugerencia

    Para asegurarse de que se cargue una habilidad específica, invóquela explícitamente con un comando con barra; por ejemplo, /semantic-model-authoring [your prompt].

¿Por qué importa el servidor MCP de Power BI?

La habilidad semantic-model-authoring no depende estrictamente del servidor MCP de modelado de Power BI, pero se recomienda encarecidamente. La habilidad Prioridad de selección de herramientas dirige primero las operaciones de creación al servidor MCP porque es la ruta más fiable y con más funcionalidades.

Cuando el servidor MCP no está registrado, la habilidad recurre a la edición directa de archivos TMDL (PBIP) o a intercambios REST getDefinition / updateDefinition de ida y vuelta (área de trabajo de Fabric). La creación en Power BI Desktop sin PBIP ni MCP no es compatible: el agente se detiene y te pide que registres el servidor MCP o guardes el modelo como PBIP.

Para obtener una instalación manual o una configuración avanzada, consulte la documentación de MCP de modelado de Power BI.

Ejemplo: Preparación de un modelo semántico para la inteligencia artificial

Use este ejemplo para validar la configuración de un extremo a otro. La instrucción invoca el flujo de trabajo Semantic Model AI Readiness de la habilidad, que carga la referencia semantic-model-ai-readiness.md y guía por la lista de comprobación de preparación para configurar su modelo para experiencias de IA conversacional, como Fabric Copilot y Power BI Data Agents.

  1. Abra el modelo. Inicie Power BI Desktop y abra el archivo PBIX o PBIP cuyo modelo semántico desea preparar para su uso por parte de la IA.

  2. Start GitHub Copilot en la carpeta del proyecto.

  3. Ejecute el prompt:

    /semantic-model-authoring Connect to Power BI Desktop and prepare the semantic model for AI

    El comando slash carga la semantic-model-authoring habilidad. La habilidad reconoce la intención de preparación para IA, carga la referencia semantic-model-ai-readiness.md y ejecuta el flujo de trabajo Preparación para IA del modelo semántico.

  4. Revise y apruebe. El agente inventaria el modelo, lo evalúa con la lista de comprobación de preparación y presenta los resultados agrupados por gravedad. Cada hallazgo se clasifica como aplicable al agente o requiere la acción del usuario. Apruebe las correcciones que desea aplicar.

  5. Aplicar y validar. El agente aplica los cambios aprobados a través del servidor MCP (o a través de ediciones tmDL si MCP no está registrado), guarda el modelo y recomienda probar avisos representativos de lenguaje natural en Copilot o el agente de datos.

Ejemplo: Creación de un modelo semántico sobre un Fabric Lakehouse

En este ejemplo se pone en práctica el flujo de trabajo Crear nuevo modelo semántico de la habilidad con un origen de datos de Lakehouse, que genera un modelo Direct Lake.

  1. Prepare el Lakehouse. En el portal de Fabric:

    1. Cree un área de trabajo, por ejemplo, SalesAnalytics.
    2. En ese espacio de trabajo, cree un Lakehouse; por ejemplo, SalesLakehouse.
    3. Cargue el Lakehouse con datos de ejemplo. La forma más rápida es abrir el Lakehouse y seleccionar Empezar con datos de ejemplo para cargar los conjuntos de datos integrados Días festivos o NYC Taxi, o subir sus propios archivos a Archivos y cargarlos en Tablas.

  2. Start GitHub Copilot en cualquier carpeta.

  3. Ejecute la instrucción con los nombres de su área de trabajo y Lakehouse:

    /semantic-model-authoring Create a semantic model on top of Lakehouse SalesLakehouse in workspace SalesAnalytics

    El comando con barra carga la semantic-model-authoring habilidad, que ejecuta el flujo de trabajo Crear un nuevo modelo semántico. El agente:

    1. Resuelve el área de trabajo y los identificadores de Lakehouse y detecta el esquema de Lakehouse (tablas, columnas, tipos de datos).
    2. Crea un modelo semántico de Direct Lake siguiendo y carga las directrices de modelado pertinentes.
    3. Implementa el modelo en el área de trabajo de destino

  4. Compruebe en Fabric. Abra el área de trabajo y confirme que aparece el nuevo modelo semántico.

Solución de problemas

  • Skill no se está cargando - compruebe la instalación y el registro del complemento siguiendo Información general de Agentic en Power BI. Si la configuración se ha realizado correctamente y la habilidad sigue sin seleccionarse, es posible que el agente no detecte la habilidad durante la revelación progresiva. Pruebe con un comando explícito con barra y, a continuación, añada más detalles sobre la intención a su prompt:
  • El servidor MCP no se carga - Reinicia GitHub Copilot CLI después de instalar o registrar el complemento para que se aplique la nueva configuración de MCP. A continuación, ejecute copilot mcp show para confirmar powerbi-modeling-mcp que aparece y funciona.

Contenido relacionado

  • Last updated on