Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of de directory te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen de mappen te wijzigen.
Door Model Context Protocol (MCP) te integreren met Azure Data Explorer-clusters (ADX) kunt u in realtime AI-inzichten en -acties verkrijgen. Met de MCP-server kunnen AI-agents of AI-toepassingen communiceren met ADX door hulpprogramma's te bieden via de MCP-interface, zodat u eenvoudig query's kunt uitvoeren op gegevens en deze kunt analyseren.
Model Context Protocol (MCP) is een protocol waarmee AI-modellen, zoals Azure OpenAI-modellen, kunnen communiceren met externe hulpprogramma's en resources. MET MCP kunnen agents gemakkelijker bedrijfsgegevens vinden, er verbinding mee maken en gebruiken.
Opmerking
Deze functie is beschikbaar als preview-versie.
Het meest voorkomende scenario voor het gebruik van de RTI of Azure MCP Server is om er verbinding mee te maken vanuit een bestaande AI-client, zoals Cline, Claude en GitHub Copilot. De AI-client kan vervolgens de beschikbare hulpprogramma's gebruiken voor toegang tot EN interactie met ADX-resources met behulp van natuurlijke taal.
U kunt bijvoorbeeld de GitHub Copilot-agentmodus gebruiken met de RTI MCP-server om KQL-databases weer te geven of query's in natuurlijke taal uit te voeren op ADX-clusters.
AI-agents bouwen
MCP-ondersteuning voor Azure Data Explorer is een volledige opensource-INTEGRATIE van MCP-servers. Het ondersteunt query's in natuurlijke taal en stelt agents in staat om schema's en metagegevens dynamisch te detecteren. De MCP-server kan worden gebruikt met verschillende AI-clients, zoals GitHub Copilot, Cline of Claude Desktop.
U kunt de volgende MCP-servers gebruiken om AI-agents te integreren en te bouwen met Azure Data Explorer:
Fabric RTI MCP Server (preview) - Deze server is ontworpen voor gebruik met ADX-clusters of met een Fabric Real-Time Intelligence (RTI) Eventhouse. Het biedt een uniforme interface voor AI-agents om realtime gegevens op te vragen, te redeneren en er actie op te ondernemen.
Azure MCP Server (preview): met de Azure MCP-server kunt u Azure Data Explorer-resources beheren met behulp van prompts in natuurlijke taal. U kunt clusters weergeven, databases weergeven, querygegevens en meer zonder de complexe KQL-syntaxis (Kusto Query Language) te onthouden.
Architectuur
De MCP-server vormt de kern van het systeem en fungeert als een brug tussen AI-agents en ADX-gegevensbronnen. Agents verzenden aanvragen naar de MCP-server, waarmee ze worden omgezet in ADX-query's.
Met deze architectuur kunt u modulaire, schaalbare en veilige intelligente toepassingen bouwen die reageren op realtimesignalen. MCP maakt gebruik van een client-serverarchitectuur, zodat AI-toepassingen efficiënt kunnen communiceren met externe hulpprogramma's. De architectuur bevat de volgende onderdelen:
- MCP-host: de hostomgeving waar het AI-model wordt uitgevoerd (zoals GPT-4, Claude of Gemini).
- MCP-client: een intermediaire service stuurt de aanvragen van het AI-model door naar MCP-servers, zoals GitHub Copilot, Cline of Claude Desktop.
- MCP-server: Lichtgewicht toepassingen die specifieke mogelijkheden beschikbaar maken door API's in natuurlijke taal, databases. Als u bijvoorbeeld KQL-query's wilt uitvoeren voor het ophalen van realtime gegevens uit ADX-clusters.
Belangrijkste kenmerken
Real-Time Data Access: gegevens ophalen uit ADX-clusters in seconden.
Interfaces voor natuurlijke taal: gebruikers of agenten stellen vragen in gewoon Engels of andere talen en het systeem verandert in geoptimaliseerde query's (NL2KQL).
Schemadetectie: MCP-servers geven schema en metagegevens weer, zodat agents dynamisch gegevensstructuren kunnen leren.
Plug-and-Play-integratie: MCP-clients zoals GitHub Copilot, Claude en Cline maken verbinding met RTI met minimale installatie vanwege gestandaardiseerde API's en detectiemechanismen.
Lokale taaldeductie: gebruik uw voorkeurstaal om met uw gegevens te werken.