El Agente de datos de Microsoft Fabric permite a las organizaciones crear experiencias conversacionales a través de sus datos empresariales. Al conectar Fabric artefactos a un agente de datos, los usuarios pueden traducir preguntas de lenguaje natural en consultas precisas, lo que permite a las partes interesadas, de analistas a ejecutivos, desbloquear información sin escribir una sola línea de código. En este artículo se describen todos los orígenes de datos que el Agente de datos admite hoy y las funcionalidades de configuración disponibles para cada origen de datos.
Overview
Data Agent admite las siguientes categorías de origen de datos:
| Categoría |
Artifacts |
Lenguaje de consulta |
Escenario clave |
|
SQL |
Lakehouse, Data Warehouse, SQL Database, Bases de Datos Reflejadas |
T-SQL |
Análisis estructurado sobre datos relacionales y delta Lake |
|
Eventhouse |
Eventhouse KQL Database |
KQL |
Inteligencia en tiempo real y análisis de series temporales |
|
Modelo semántico |
Modelos semánticos de Power BI |
DAX |
Lógica de negocios, medidas calculadas y métricas seleccionadas |
|
Gráfico |
Modelo de grafo |
GQL |
Exploración de datos enriquecidos con relación y análisis de grafos |
|
Ontología |
Ontología de la red Fabric |
Nativo de la ontología |
Conocimiento del dominio y contexto semántico para la integración de datos |
|
Búsqueda de Azure AI |
Índice de Búsqueda de Azure AI |
Lenguaje natural + búsqueda |
Recuperación de datos no estructurados (ARCHIVOS PDF, texto, contenido enriquecido) |
Tip
Un único agente de datos puede combinar hasta cinco orígenes de datos en cualquier combinación, lo que le permite combinar datos estructurados, en tiempo real, semántico y no estructurados en una experiencia conversacional.
Artefactos soportados
-
Lakehouse: las tablas de Delta Lake se muestran a través del punto de conexión de SQL Analytics.
-
Data Warehouse: almacenamiento completo de Fabric con área expuesta de T-SQL.
-
SQL Database—bases de datos SQL nativas de Fabric.
-
Bases de datosmirroredadas: las bases de datos externas reflejadas en Fabric (por ejemplo, Azure SQL, Cosmos DB, Snowflake).
Cada origen SQL de Fabric incluye una SQL Analytics Endpoint, una interfaz de consultas de T-SQL de alto rendimiento y solo de lectura sobre los datos de OneLake Delta. El Agente de datos aprovecha un servicio NL2SQL integrado que:
- Convierte la pregunta del lenguaje natural del usuario en una consulta T-SQL mediante el esquema seleccionado proporcionado por el usuario, las instrucciones y las consultas de ejemplo.
- Valida la consulta generada con respecto a la selección del esquema para asegurarse de que solo se refiere a las tablas y vistas aprobadas.
- Ejecuta la consulta a través del punto de conexión de SQL Analytics y devuelve resultados legibles por el usuario.
Artefactos soportados
-
Eventhouse KQL Database—almacén de inteligencia en tiempo real de Fabric para datos de transmisión, de eventos y de series temporales.
El agente de datos se conecta al punto de conexión de la base de datos Eventhouse KQL y aprovecha el NL2KQL integrado de Kusto, lo que permite las siguientes capacidades:
- La pregunta del usuario se traduce en una consulta KQL mediante el esquema seleccionado y las instrucciones o ejemplos proporcionados.
- La consulta se valida para confirmar que solo toca las entidades de esquema aprobadas.
- Al aprobarse, la consulta se ejecuta en el motor de Kusto, optimizado para cargas de trabajo analíticas de baja latencia y alto rendimiento.
Artefactos soportados
-
Power BI Modelos semánticos: conjuntos de datos publicados que contienen tablas, relaciones, medidas, columnas calculadas y jerarquías.
Cada modelo semántico de Fabric expone un punto de conexión XMLA, que el Agente de datos usa para ejecutar consultas DAX. El servicio NL2DAX integrado:
- Convierte el lenguaje natural en una consulta DAX, aprovechando los metadatos del modelo (descripciones de tabla, sinónimos de columna, definiciones de medida, relaciones).
- Valida la consulta en el esquema seleccionado.
- Se ejecuta a través del punto de conexión XMLA y devuelve resultados con formato.
Artefactos soportados
-
Graph Model: Fabric artefactos de grafos que definen esquemas de nodo y de aristas.
Graph Data Agent puede ejecutar consultas GQL y exponer información de los orígenes de datos del grafo en Fabric. Para configurar este tipo de agente, agregue un modelo de grafos o un conjunto de consultas de grafos como origen de datos.
Cuando el agente de datos ejecuta GQL en un origen de datos de grafo, el artefacto subyacente de Fabric Graph llevará a cabo la consulta, con un consumo de operaciones de grafo.
Artefactos soportados
-
Ontología de Fabric—Una capa semántica que captura el conocimiento del dominio, las definiciones de entidad y las relaciones entre ellas.
Después de configurar una ontología en Fabric, se puede agregar como origen de datos al Agente de datos. El agente usa la ontología para comprender el contexto del dominio y responder a preguntas basadas en el modelo de conocimiento de la organización.
Artefactos soportados
-
Búsqueda de Azure AI Index: índices integrados en Fundición de IA de Azure sobre contenido no estructurado, como archivos PDF, archivos de texto y otros documentos enriquecidos.
El Agente de datos se conecta directamente al índice de Búsqueda de Azure AI mediante una dirección URL de recurso. Cuando un usuario realiza una pregunta, el agente envía la consulta (con la identidad del usuario para el control de acceso) al índice de búsqueda, recupera los fragmentos de documento más relevantes y crea una respuesta final. Las citas se incluyen automáticamente cuando el índice contiene campos de dirección URL o ruta de acceso de archivo.
Configuraciones admitidas de orígenes SQL
| Configuración |
Soportado |
Details |
| Selección de esquema |
✅ Sí |
Seleccione tablas, vistas y funciones específicas para definir el ámbito del agente. |
| Instrucciones del agente |
✅ Sí |
Guíe al agente sobre cuándo y cómo enrutar preguntas a este origen. |
| Instrucciones del origen de datos |
✅ Sí |
Proporcione descripciones de tabla, lógica de combinación, detalles de columna clave y terminología empresarial a NL2SQL. |
| Descripción del origen de datos |
✅ Sí |
Descripción que ayuda al agente a determinar si este origen de datos es relevante para la pregunta del usuario. |
| Consultas de ejemplo |
✅ Sí |
Proporcione pares de lenguaje natural o SQL para que el agente pueda aprender patrones de consulta complejos. Los ejemplos principales se recuperan automáticamente a través de la similitud de vectores. |
Configuraciones admitidas de fuentes KQL de Eventhouse
| Configuración |
Soportado |
Details |
| Selección de esquema |
✅ Sí |
Seleccione Tablas específicas, Vistas Materializadas, Funciones y Accesos Directos para definir el ámbito del agente. |
| Instrucciones del agente |
✅ Sí |
Guíe al agente sobre cuándo y cómo enrutar preguntas a este origen. |
| Instrucciones del origen de datos |
✅ Sí |
Proporcione contexto sobre tablas, VMV, funciones y accesos directos a NL2KQL. |
| Descripción del origen de datos |
✅ Sí |
Descripción que ayuda al agente a determinar si este origen de datos es relevante para la pregunta del usuario. |
| Consultas de ejemplo |
✅ Sí |
Proporcione pares de lenguaje natural/KQL para enseñar los patrones de agregación y combinación complejos del agente. |
Configuraciones admitidas del modelo semántico
| Configuración |
Soportado |
Details |
| Selección de esquema |
✅ Sí* |
Seleccione tablas para exponer. El control de nivel de columna está disponible cuando Prep for AI está configurado en Power BI. |
| Instrucciones del agente |
✅ Sí |
Guíe al agente en cuándo elegir el modelo semántico para responder a preguntas. |
| Instrucciones de la fuente de datos |
❌ No* |
Las instrucciones se administran a través de prep for AI (instrucciones de IA y respuestas comprobadas) en el lado del modelo semántico. El Agente de datos los respeta cuando está presente. |
| Descripción del origen de datos |
❌ No |
Los modelos semánticos no admiten descripciones del origen de datos. |
| Consultas de ejemplo |
❌ No* |
En este momento, no se admite en los modelos semánticos. Usa Respuestas Verificadas en la Preparación para IA para incluir consultas DAX de ejemplo. |
*Los modelos semánticos se configuran principalmente a través de Prep for AI en Power BI, que ofrece esquemas de datos de IA, instrucciones de IA y respuestas verificadas.
Configuraciones admitidas del modelo de Graph
| Configuración |
Soportado |
Details |
| Selección de esquema |
❌ No |
Graph no permite a un usuario limitar el ámbito de su agente en nodos y bordes específicos. |
| Instrucciones del agente |
✅ Sí |
Guíe al agente sobre cuándo y cómo enrutar preguntas a este origen. |
| Instrucciones del origen de datos |
✅ Sí |
Se pasa al motor NL2GQL para guiar la generación de consultas. |
| Descripción del origen de datos |
✅ Sí |
Descripción que ayuda al agente a determinar si este origen de datos es relevante para la pregunta del usuario. |
| Consultas de ejemplo |
✅ Sí |
Enviado a NL2GQL para enseñar los patrones de recorrido de grafos complejos. |
Configuraciones respaldadas por ontología
| Configuración |
Soportado |
Details |
| Selección de esquema |
❌ No |
No se admite para orígenes de datos de ontología. |
| Instrucciones del agente |
✅ Sí |
Guíe al agente en cuándo elegir el modelo semántico para responder a preguntas. |
| Instrucciones del origen de datos |
❌ No |
No es compatible con orígenes de datos de ontología. |
| Descripción del origen de datos |
✅ Sí |
Descripción que ayuda al agente a determinar si este origen de datos es relevante para la pregunta del usuario. |
| Consultas de ejemplo |
❌ No |
No se admite para orígenes de datos de ontología. |
Configuraciones de datos no estructuradas
| Configuración |
Details |
| Nombre para mostrar |
Nombre personalizado que se muestra para el índice en la experiencia del agente. |
| Tipo de búsqueda |
Elija entre la búsqueda de texto completo, híbrida o semántica en función de la configuración del índice. |
| Número de documentos |
Controlar cuántos documentos se recuperan por consulta (recomendado: 3–20). |
| Contexto/Descripción |
Describir el contenido del índice, los campos clave y las instrucciones de uso para ayudar al enrutamiento. |
| Instrucciones del agente |
Guíe cómo el agente interpreta los resultados de la búsqueda y redacta la respuesta final. |
Aprende más