Co dělá “Microsoft Fabric” MCP Server?

Microsoft Fabric MCP Server je Pythonem poháněný server Model Context Protocol (MCP) navržený pro bezproblémovou interakci s Microsoft Fabric API. Umožňuje AI asistentům připojit se k externím zdrojům Microsoft Fabric a poskytuje robustní workflow pro datové inženýrství a analytiku. Server umožňuje pokročilé operace jako správu pracovních prostorů, lakehousů, skladů a tabulek, získávání schémat delta tabulek, spouštění SQL dotazů a další. Nabízí také inteligentní vývoj a optimalizaci PySpark notebooků díky integraci LLM, která poskytuje generování kódu s ohledem na kontext, ověřování, analýzu výkonu a monitoring v reálném čase. Tato integrace výrazně zvyšuje produktivitu vývojářů tím, že umožňuje přirozenou jazykovou interakci, automatizovanou asistenci při psaní kódu a zjednodušené nasazení v rámci ekosystému Microsoft Fabric.

Seznam promptů

V souborech repozitáře ani dokumentaci nejsou uvedeny explicitní šablony promptů.

Seznam zdrojů

V souborech repozitáře ani dokumentaci nejsou uvedeny explicitní MCP zdroje.

Seznam nástrojů

V souboru server.py ani dalších souborech repozitáře nejsou nalezeny explicitní definice nástrojů. README zmiňuje:

• PySpark nástroje: Pro tvorbu notebooků, generování kódu, ověřování, analýzu a nasazení.
• Pomocné PySpark skripty: Pro podpůrné Spark operace.
• Správce šablon: Pro správu šablon notebooků/kódu.
• Validátory kódu: Pro kontrolu syntaxe a osvědčených postupů v kódu.
• Generátory kódu: Pro automatizovanou produkci kódu. (Detailní rozhraní MCP nástrojů není veřejně dostupné.)

Příklady využití tohoto MCP serveru

• Správa workspace a lakehouse: Zjednodušuje vytváření a správu pracovních prostorů, lakehousů, skladů a tabulek v Microsoft Fabric, což usnadňuje vývojářům organizovat a spravovat datová prostředí.
• Získávání schémat a metadat delta tabulek: Umožňuje AI-driven dotazování a průzkum schémat a metadat delta tabulek pro pokročilé datové inženýrství.
• Spouštění SQL dotazů: Umožňuje programově spouštět SQL dotazy a načítat data v prostředcích Fabric, což zefektivňuje analytické pipeline.
• Pokročilý vývoj PySpark notebooků: Nabízí inteligentní tvorbu, ověřování a optimalizaci notebooků s integrací LLM, což urychluje vývoj výkonných Spark úloh.
• Analýza výkonu a monitoring v reálném čase: Poskytuje nástroje pro analýzu a optimalizaci výkonu notebooků s okamžitým přehledem o průběhu spouštění.

Jak to nastavit

Windsurf

1. Ujistěte se, že máte nainstalovaný Python a Node.js.
2. Najděte svůj konfigurační soubor Windsurf (např. ~/.windsurf/config.json).
3. Přidejte Microsoft Fabric MCP Server do sekce mcpServers:

   {
     "mcpServers": {
       "fabric-mcp": {
         "command": "python",
         "args": ["-m", "fabric_mcp"]
       }
     }
   }
   

4. Uložte konfiguraci a restartujte Windsurf.
5. Ověřte nastavení přístupem k MCP serveru z rozhraní Windsurf.

Zabezpečení API klíčů

Používejte environmentální proměnné pro citlivé API klíče:

{
  "mcpServers": {
    "fabric-mcp": {
      "command": "python",
      "args": ["-m", "fabric_mcp"],
      "env": {
        "FABRIC_API_KEY": "${FABRIC_API_KEY}"
      },
      "inputs": {
        "api_key": "${FABRIC_API_KEY}"
      }
    }
  }
}

Claude

1. Ujistěte se, že máte nainstalovaný a dostupný Python.
2. Otevřete konfigurační soubor Claude (např. claude.config.json).
3. Přidejte MCP server:

   {
     "mcpServers": {
       "fabric-mcp": {
         "command": "python",
         "args": ["-m", "fabric_mcp"]
       }
     }
   }
   

4. Uložte změny a restartujte Claude.
5. Ověřte, že MCP server je uveden v integračním panelu MCP v Claude.

Cursor

1. Pokud ještě nemáte, nainstalujte Python a Node.js.
2. Upravte konfigurační soubor Cursor (např. cursor.config.json).
3. Registrujte MCP server:

   {
     "mcpServers": {
       "fabric-mcp": {
         "command": "python",
         "args": ["-m", "fabric_mcp"]
       }
     }
   }
   

4. Uložte soubor a znovu spusťte Cursor.
5. Ověřte připojení k MCP serveru v rozhraní Cursor.

Cline

1. Ujistěte se, že máte v systému nastavený Python.
2. Otevřete konfiguraci Cline (např. cline.json).
3. Přidejte záznam serveru:

   {
     "mcpServers": {
       "fabric-mcp": {
         "command": "python",
         "args": ["-m", "fabric_mcp"]
       }
     }
   }
   

4. Uložte a restartujte Cline.
5. Otestujte dostupnost MCP serveru v příkazové paletě Cline.

Pro všechny platformy:

• Pro API klíče a tajné údaje používejte environmentální proměnné v sekci env JSON konfigurace.

Jak používat MCP ve flow

Použití MCP ve FlowHunt

Pro integraci MCP serverů do svého workflow ve FlowHunt přidejte do svého flow komponentu MCP a propojte ji s AI agentem:

Klikněte na MCP komponentu pro otevření konfiguračního panelu. Do systémové konfigurace MCP zadejte údaje o svém MCP serveru v tomto formátu JSON:

{
  "fabric-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po konfiguraci může AI agent tento MCP používat jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit “fabric-mcp” na skutečný název svého MCP serveru a URL na vlastní adresu MCP serveru.

Přehled

Na základě dostupné dokumentace nabízí Microsoft Fabric MCP server silný přehled a návod k nastavení, ale postrádá detailní, explicitní výčet promptů, zdrojů a nástrojů ve veřejných souborech. Poskytuje dobré bezpečnostní praktiky, ale neuvádí podporu sampling.

Náš názor

Tento MCP server je slibný pro workflow vývoje nad Microsoft Fabric díky zaměření na pokročilý PySpark a integraci LLM. Absence explicitních promptů, zdrojů a schémat nástrojů v dokumentaci však omezuje jeho okamžité plug-and-play využití. Skóruje dobře v architektuře a přehlednosti nastavení, ale prospěla by mu rozsáhlejší dokumentace pro vývojáře a větší přehlednost funkcí.

MCP skóre