Aktivieren Sie das Code Interpreter-Tool (Vorschau) für Ihren Datenagenten

Das Codedolmetschertool bietet Ihrem Daten-Agent eine sichere, sandkastenbasierte Python Umgebung zum Analysieren der abgerufenen Daten. Wenn das Tool aktiviert ist, kann Ihr Daten-Agent nicht nur Ihre Datenquellen abfragen und Fragen in natürlicher Sprache beantworten, die Datenanalyse, mathematische Berechnungen oder Visualisierungen erfordern. Sie können z. B. Ihren Datenagenten auffordern, Trends im Laufe der Zeit zu diagrammen, Korrelationen über Spalten hinweg zu erkennen oder Ergebnisse aus mehreren Quellen zu kombinieren. Der Agent generiert und führt den Python Code in Ihrem Auftrag aus, und Sie können den generierten Code, die Ausgaben und Python Visualisierungen direkt in den Ausführungsschritten überprüfen.

Voraussetzungen

• Eine kostenpflichtige F2- oder höhere Fabric-Kapazität oder eine Power BI Premium pro Kapazität (P1 oder höher) mit aktivierter Microsoft Fabric-Kapazität.
• Aktivieren Sie die geoübergreifende Verarbeitung und die geoübergreifende Speicherung für KI basierend auf den Anforderungen, die in den Fabric-Daten-Agent-Mandanteneinstellungen erläutert werden.
• Mindestens eine dieser Datenquellen mit Daten: Ein Warehouse, ein Lakehouse, ein Power BI-Semantikmodell, eine KQL-Datenbank, eine gespiegelte Datenbank oder eine Ontologie. Sie müssen über Lesezugriff auf die Datenquelle verfügen.

Hinzufügen des Codedolmetschertools

So fügen Sie ihrem Datenagenten das Codedolmetschertool hinzu:

1. Öffnen Sie Ihren Daten-Agent.

2. Wählen Sie auf die Registerkarte Werkzeuge.

   

3. Wählen Sie "Codedolmetscher hinzufügen" aus.

4. Wählen Sie im Bestätigungsdialogfeld "Bestätigen" aus.

   

Das Codedolmetschertool wird nun Ihrem Datenagenten hinzugefügt und kann verwendet werden.

Aktivieren des Codedolmetschertools mit dem SDK

Sie können das Codedolmetschertool auch programmgesteuert aktivieren, indem Sie den Fabric Data Agent Python SDK verwenden. Diese Option ist nützlich, wenn Sie das Setup Ihres Daten-Agents skripten oder als Teil einer automatisierten Bereitstellung einschließen möchten.

from fabric.dataagent.client import (
    FabricDataAgentManagement,
    create_data_agent,
    delete_data_agent,
)

# Define the name for the data agent
data_agent_name = "<data agent name>"

# Create a new data agent (run this once)
data_agent = create_data_agent(
    data_agent_name,
)

# If the data agent already exists, use this instead to connect:
# data_agent = FabricDataAgentManagement(data_agent_name)

conf = data_agent._client.get_configuration()
conf.value["experimental"] = {"codeInterpreterEnabled": True}
data_agent._client.set_configuration(conf)

Fragen stellen

Nachdem Sie das Codedolmetschertool hinzugefügt haben, können Sie Ihre Fragen des Datenagenten in natürlicher Sprache stellen. Der Agent fragt ihre verbundenen Datenquellen ab, übergibt die Ergebnisse an den Codedolmetscher und verwendet Python, um die Daten zu analysieren, Berechnungen auszuführen oder Visualisierungen zu generieren. Sie müssen keinen Code selbst schreiben.

Probieren Sie Fragen wie:

• Erstellen Sie eine Heatmap der Schadenhäufigkeit nach Region und Schadenursache über die letzten fünf Jahre.
• Erstellen Sie ein paarweises Diagramm der Kundenbindungsdauer, der monatlichen Ausgaben und der Abwanderungsrisiken zur Untersuchung von Korrelationen.
• Korreliert der Lieferant reliability_score mit der tatsächlichen Quote pünktlicher Lieferungen?
• Erstellen Sie eine Korrelations-Heatmap für alle Lieferantenleistungskennzahlen – vertraglich vereinbart reliability_score, vertraglich vereinbart lead_time_days, tatsächlicher Prozentsatz pünktlicher Lieferungen, Fehlerquote, tatsächliche Vorlaufzeit, gelieferte Einheiten und Gesamtkosten. Zeigen Sie mir, welche Metriken sich zusammen bewegen und welche unabhängig sind.
• Prognostiziert den Umsatz des nächsten Quartals basierend auf den letzten drei Jahren der Umsatzdaten.

Überprüfen der Ergebnisse

Nachdem Ihr Daten-Agent eine Frage beantwortet hat, können Sie die Ausführungsschritte verwenden, um genau zu sehen, wie der Codedolmetscher das Ergebnis erzeugt hat. Erweitern Sie den Code-Interpreter-Schritt, um den Python Code anzuzeigen, den der Agent generiert hat, die Eingaben, für die er ausgeführt wurde, und die zurückgegebene Ausgabe. Mit den Ausführungsschritten können Sie die Analyse einfach überprüfen oder unerwartete Ergebnisse beheben.

Agent-Anweisungen verwenden

Sie können dem Codedolmetschertool keine Anweisungen direkt hinzufügen, aber Sie können Anweisungen auf Agentebene verwenden, um zu bestimmen, wie und wann Ihr Daten-Agent sie aufruft. Zum Beispiel können Sie den Agenten anleiten, wann der Code-Interpreter einem anderen Tool vorgezogen werden soll, welcher Kontext in die Anfrage aufgenommen werden soll oder wie das endgültige Ergebnis formatiert werden soll. Weitere Informationen finden Sie unter Konfigurieren Ihres Daten-Agents.

Nächste Schritte

• Daten-Agent-Konzept
• Konfigurationen des Daten-Agents