
fabric-mcp-server MCP-server
fabric-mcp-server är en MCP-server som exponerar Fabric-mönster som anropbara verktyg för AI-drivna arbetsflöden, vilket möjliggör integration med Cline och and...
Utnyttja Microsoft Fabric MCP-server för att turbo-ladda dina AI-arbetsflöden med avancerad data engineering, analys och intelligent PySpark-utveckling – allt tillgängligt via naturligt språk och FlowHunt-integrationer.
Microsoft Fabric MCP-servern är en Python-baserad Model Context Protocol (MCP)-server utformad för sömlös interaktion med Microsoft Fabric API:er. Den ger AI-assistenter möjlighet att ansluta till externa Microsoft Fabric-resurser och möjliggör ett robust utvecklingsflöde för data engineering och analys. Servern underlättar avancerade operationer som workspace-, lakehouse-, warehouse- och tabellhantering, hämtning av delta-tabell-scheman, SQL-frågeexekvering och mycket mer. Dessutom erbjuder den intelligent PySpark-notebook-utveckling och optimering via LLM-integration, med kontextmedveten kodgenerering, validering, prestandaanalys och realtidsövervakning. Denna integration ökar avsevärt utvecklarproduktiviteten genom naturlig språkinteraktion, automatiserad kodassistans och smidigare distribution inom Microsoft Fabric-ekosystemet.
Inga explicita prompt-mallar nämns i repositoryts filer eller dokumentation.
Inga explicita MCP-resurser listas i repositoryts filer eller dokumentation.
Inga explicita verktygsdefinitioner hittades i server.py eller repositoryts filer. README nämner:
~/.windsurf/config.json
).mcpServers
:{
"mcpServers": {
"fabric-mcp": {
"command": "python",
"args": ["-m", "fabric_mcp"]
}
}
}
Använd miljövariabler för känsliga API-nycklar:
{
"mcpServers": {
"fabric-mcp": {
"command": "python",
"args": ["-m", "fabric_mcp"],
"env": {
"FABRIC_API_KEY": "${FABRIC_API_KEY}"
},
"inputs": {
"api_key": "${FABRIC_API_KEY}"
}
}
}
}
claude.config.json
).{
"mcpServers": {
"fabric-mcp": {
"command": "python",
"args": ["-m", "fabric_mcp"]
}
}
}
cursor.config.json
).{
"mcpServers": {
"fabric-mcp": {
"command": "python",
"args": ["-m", "fabric_mcp"]
}
}
}
cline.json
).{
"mcpServers": {
"fabric-mcp": {
"command": "python",
"args": ["-m", "fabric_mcp"]
}
}
}
För alla plattformar:
env
-sektionen i JSON för API-nycklar eller hemligheter.Använda MCP i FlowHunt
För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde börjar du med att lägga till MCP-komponenten i ditt flöde och koppla den till din AI-agent:
Klicka på MCP-komponenten för att öppna konfigurationspanelen. I system-MCP-konfigurationssektionen lägger du in dina MCP-serveruppgifter i detta JSON-format:
{
"fabric-mcp": {
"transport": "streamable_http",
"url": "https://yourmcpserver.example/pathtothemcp/url"
}
}
När den är konfigurerad kan AI-agenten nu använda denna MCP som ett verktyg med tillgång till alla dess funktioner och möjligheter. Kom ihåg att byta ut “fabric-mcp” till det faktiska namnet på din MCP-server och ersätt URL:en med din egen MCP-server-URL.
Sektion | Tillgänglighet | Detaljer/Noteringar |
---|---|---|
Översikt | ✅ | |
Lista över prompts | ⛔ | Inga prompt-mallar hittades |
Lista över resurser | ⛔ | Inga explicita MCP-resurser listade |
Lista över verktyg | ⛔ | Endast generella verktygskategorier nämnda |
Säkra API-nycklar | ✅ | Exempel på JSON-konfig med env inkluderad |
Samplingstöd (mindre viktigt vid utvärdering) | ⛔ | Ingen evidens för samplingstöd |
Baserat på tillgänglig dokumentation erbjuder Microsoft Fabric MCP-servern en stark översikt och installationsvägledning, men saknar detaljerade, explicita listor för prompts, resurser och verktyg i sina publika filer. Den tillhandahåller bra säkerhetsrutiner men dokumenterar inte samplingstöd.
Denna MCP-server är lovande för Fabric-utvecklingsflöden tack vare sitt fokus på avancerad PySpark- och LLM-integration. Dock begränsar avsaknaden av explicita prompts, resurser och verktygsscheman i dokumentationen dess omedelbara plug-and-play-nytta. Den får höga poäng för arkitektur och tydlighet i installation, men skulle tjäna på rikare utvecklardokumentation och feature-exponering.
Har en LICENSE | ⛔ |
---|---|
Har minst ett verktyg | ✅ |
Antal förgreningar | 1 |
Antal stjärnor | 3 |
Microsoft Fabric MCP-server är en Python-baserad Model Context Protocol (MCP)-server för interaktion med Microsoft Fabric API:er. Den möjliggör för AI-assistenter att hantera workspaces, lakehouses, warehouses, tabeller, köra SQL-frågor, hämta delta-tabell-scheman och utveckla PySpark-notebooks med LLM-driven kodgenerering, validering och optimering.
Du konfigurerar ditt utvecklingsverktyg (Windsurf, Claude, Cursor eller Cline) genom att lägga till MCP-servern i dess konfigurationsfil, där du anger kommandot och argumenten för Fabric MCP-servern. Säkra API-nycklar via miljövariabler enligt installationsinstruktionerna.
Du kan hantera Microsoft Fabric-resurser, utföra avancerade data engineering- och analystjänster, utveckla och optimera PySpark-notebooks, fråga efter delta-tabell-scheman och automatisera arbetsflöden med AI-agenter i FlowHunt.
Inga explicita prompt-mallar, resurser eller verktygsscheman finns dokumenterade i repots dokumentation. Generella kategorier som PySpark-verktyg, kodgeneratorer och kodvaliderare nämns, men inte i detalj.
API-nycklar ska lagras med hjälp av miljövariabler i din konfigurationsfil, så att känsliga uppgifter inte exponeras direkt i kod eller konfigurationsfiler.
Ge dina AI-agenter möjlighet att automatisera och optimera Microsoft Fabric-arbetsflöden. Prova Fabric MCP-serverintegration för avancerad data engineering, analys och AI-stödd kodassistans.
fabric-mcp-server är en MCP-server som exponerar Fabric-mönster som anropbara verktyg för AI-drivna arbetsflöden, vilket möjliggör integration med Cline och and...
py-mcp-mssql MCP-servern erbjuder en säker och effektiv brygga för AI-agenter att programmässigt interagera med Microsoft SQL Server-databaser via Model Context...
Fibery MCP-servern fungerar som en brygga mellan din Fibery-arbetsyta och AI-assistenter via Model Context Protocol, vilket möjliggör naturligt språkåtkomst til...