圖/本報資料庫
產官資訊

·幾秒前·林昭衡
#微軟#Power BI#AI代理#MCP#商業智慧
圖/本報資料庫
圖/本報資料庫
商傳媒|林昭衡/綜合外電報導
摘要

微軟 Power BI 現可透過 MCP 伺服器讓 AI 代理直接建立並修改底層資料模型的度量值,實測不到 4 分鐘即可完成,但仍需明確設定業務邏輯以確保計算精確。

微軟旗下商業智慧分析工具 Power BI 迎來重要技術整合,正式支援透過 MCP(Model Context Protocol,一種讓 AI 模型與外部工具和資料來源溝通的標準通訊架構)伺服器,讓 AI 代理(AI Agent)能夠直接與底層資料模型互動,自動建立、測試並儲存度量值(measures)。

根據外媒《SitePoint》實測報導,微軟推出的 Power BI Authoring MCP server(又稱 powerbi-modeling-mcp)賦予 AI 代理在語意模型中建立與修改資料表、資料關聯性及運算公式的權限。若團隊僅需要 AI 代理回答報表問題而不更動底層架構,則可選用 Fabric IQ MCP server,該服務僅提供對已發布報表與模型的唯讀存取;在設定本機端 MCP 伺服器時,開發者亦能加入「--readonly」參數來禁止 AI 代理寫入變更。

在環境部署方面,Power BI Authoring MCP server 的本機版本適用於 Power BI Desktop 檔案或專案資料夾;若為 Mac 用戶或存取 Microsoft Fabric 工作區中的雲端模型,則須採用託管版本。為了控管 AI 產出內容的品質與安全性,團隊可搭配 Power BI Project(PBIP)格式,將報表與模型以文字檔案資料夾儲存,便能透過版本控制系統比對差異,詳細審查 AI 代理所做的每一次修改。

不過,導入 AI 代理建構度量值並非全然毫無門檻。測試顯示,在包含 5,266 筆訂單資料的銷售模型中,AI 代理在不到 4 分鐘內就完成了度量值的撰寫與儲存。然而,若未事先提供具體的業務邏輯與規則,AI 代理僅依自身預設推算,產出的年增率為 21.5%;但當技術人員在指示中明確規範資料來源表格、加值稅(VAT)處理方式、基準日期欄位及相關業務限制條件後,AI 代理產出的結果為 18.6%,完全符合財務部門人工計算的真實數據。

這項實測突顯出,即使 AI 代理已具備直接操作 Power BI 底層模型的能力,精準的業務邏輯定義與明確的提示設定,依然是確保商業分析數據精確的關鍵步驟。


在 Google 搜尋的熱門報導中優先看到商傳媒
加入為 Google 偏好來源