Important
この機能はプレビュー中です。
Power BI semantic-model-authoring スキルを使用すると、AI エージェントは、Power BI Desktop、PBIP プロジェクト、および Fabric サービス全体で、Power BIセマンティック モデルを作成、編集、デプロイ、管理できます。 このスキルは、powerbi-authoring プラグインにバンドルされた状態で、Skills for Fabric マーケットプレースで提供されます。
このスキルは、次に示す広範なセマンティック モデル タスクを対象とします。
- Import、DirectQuery、または Direct Lake モードでの新しいセマンティック モデルの作成。
- 既存のモデル (テーブル、列、リレーションシップ、メジャー、DAX) の編集。
- DAX のパフォーマンスを最適化し、ベスト プラクティスに照らしてモデルを分析する。
- Fabric CopilotおよびPower BIデータ エージェントによる AI 消費のためのセマンティック モデルの準備。
- Fabricワークスペースへのモデルのデプロイ、ワークスペースの更新、データ ソース、パラメーター、およびアクセス許可の管理。
前提条件
始める前に、以下のことを確認してください:
-
インストールされている
powerbi-authoringプラグイン - Power BI Agentic の概要の指示に従ってプラグインをインストールします。 プラグインをインストールすると、semantic-model-authoringスキルが使用可能になり、Power BI モデリング MCP サーバーが登録されます。 - A セマンティック モデル - モデルが開いているPower BI Desktop、ディスク上の PBIP プロジェクト、またはFabric ワークスペース内のセマンティック モデル。
概要
セマンティック モデルが読み込まれた Power BI Desktop を開きます。
GitHub Copilotで、スモーク テスト プロンプトを実行して、スキルと MCP サーバーが正しく接続されていることを確認します。
/semantic-model-authoring Connect to Power BI Desktop and analyze the semantic model against best practicesエージェントは、
semantic-model-authoringスキルを読み込み、Power BI モデリング MCP サーバーを介して Power BI Desktop に接続し、モデルのインベントリを作成し、重大度別にグループ化された結果を報告する必要があります。 MCP サーバーの登録またはプラグインのインストールを求めるメッセージがエージェントから表示された場合は、続行する前にインストール手順を見直してください。Tip
特定のスキルが読み込まれていることを確認するには、スラッシュ コマンド (
/semantic-model-authoring [your prompt]など) を使用して明示的に呼び出します。
Power BI MCP サーバーが重要な理由
semantic-model-authoring スキルは、Power BI モデリング MCP サーバーに大きく依存しませんが、強くお勧めします。 スキル ツール選択優先度 は、最も信頼性が高くフル機能のパスであるため、最初に作成操作を MCP サーバーにルーティングします。
MCP サーバーが登録されていない場合、スキルは直接 TMDL ファイル編集 (PBIP) または REST getDefinition / updateDefinition ラウンド トリップ (Fabric ワークスペース) にフォールバックします。 PBIP がなく、MCP がない Power BI Desktop に対する作成はサポートされていません。エージェントは停止し、MCP サーバーを登録するか、モデルを PBIP として保存するように求められます。
手動インストールまたは高度な構成については、Power BI Modeling MCP のドキュメントを参照してください。
例: AI のセマンティック モデルを準備する
この例を使用して、セットアップをエンド ツー エンドで検証します。 プロンプトは、スキルの Semantic Model AI Readiness ワークフローを呼び出します。これにより、semantic-model-ai-readiness.md 参照が読み込まれ、Fabric CopilotやPower BI データ エージェントなどの会話型 AI エクスペリエンス用にモデルを構成するための準備チェックリストが示されます。
モデルを開いてください。 Power BI Desktop を起動し、AI で利用できるように準備するセマンティック モデルを含む PBIX または PBIP を開きます。
プロジェクトのフォルダーでStart GitHub Copilotを開始します。
プロンプトを実行します。
/semantic-model-authoring Connect to Power BI Desktop and prepare the semantic model for AIスラッシュ コマンドは、
semantic-model-authoringスキルを読み込みます。 スキルは AI 対応性の意図を認識し、semantic-model-ai-readiness.md参照を読み込み、 セマンティック モデル AI 準備 ワークフローを実行します。確認して承認します。 エージェントはモデルをインベントリし、準備チェックリストに照らして評価し、重大度別にグループ化された結果を提示します。 各結果は、エージェント適用可能またはユーザーアクション必須としてタグ付けされます。 適用する修正プログラムを承認します。
適用して検証します。 エージェントは、MCP サーバー (または MCP が登録されていない場合は TMDL 編集) を通じて承認された変更を適用し、モデルを保存し、Copilotまたはデータ エージェントで代表的な自然言語プロンプトをテストすることをお勧めします。
例: Fabric Lakehouse の上にセマンティック モデルを作成する
この例では、Direct Lake モデルを生成する Lakehouse データ ソースに対して、スキルの 新しいセマンティック モデルの作成 ワークフローを実行します。
レイクハウスを準備する。 Fabric ポータルで、次の手順を実行します。
- ワークスペース (たとえば、
SalesAnalytics) を作成します。 - そのワークスペースで、Lakehouse (たとえば、
SalesLakehouse) を作成します。 - Lakehouse にサンプル データを読み込みます。 最も高速なパスは、Lakehouse を開き、[ サンプル データで開始] を選択して、組み込みの 祝日 または NYC タクシー データセットを読み込むか、独自のファイルを Files にアップロードして テーブルに読み込む方法です。
- ワークスペース (たとえば、
任意のフォルダーでGitHub Copilotを開始します。
ワークスペース名と Lakehouse 名でプロンプトを実行します。
/semantic-model-authoring Create a semantic model on top of Lakehouse SalesLakehouse in workspace SalesAnalyticsスラッシュ コマンドは、
semantic-model-authoringワークフローを実行する スキルを読み込みます。 エージェント:- ワークスペースと Lakehouse ID を解決し、Lakehouse スキーマ (テーブル、列、データ型) を検出します。
- 次の Direct Lake セマンティック モデルを作成し、関連するモデリング ガイドラインを読み込みます。
- ターゲット ワークスペースにモデルをデプロイします
Fabricで確認します。 ワークスペースを開き、新しいセマンティック モデルが表示されたことを確認します。
Troubleshooting
- Skill が読み込まれていません - Power BI Agentic の概要に従ってプラグインのインストールと登録を確認します。 セットアップが正しく、スキルがまだ選択されていない場合、エージェントは段階的な開示中にスキルを見逃す可能性があります。 明示的なスラッシュ コマンドを使用してテストし、プロンプトに意図の詳細を追加します。
-
MCP サーバーが読み込まれません - プラグインのインストールまたは登録後に CLI GitHub Copilot再起動して、新しい MCP 構成を取得します。 次に、
copilot mcp showを実行して、powerbi-modeling-mcpが表示され、動作していることを確認します。