Loading
Tableau Næste
Indhold
Filtrer efter (0)Tilføj
Vælg filtre

          Ingen resultater
          Ingen resultater
          Her er nogle søgetips

          Kontroller stavemåden for dine søgeord.
          Brug mere generelle søgeudtryk.
          Vælg færre filtre for at gøre søgningen bredere.

            Søg efter alle i Hjælp til Salesforce
            Søg efter alle i Hjælp til Salesforce
            Tableau Next Model Context Protocol (MCP)-serverværktøjsreference

            breadcrumbDescription

            1. helpHomeLinkText
            2. docsHomeLinkTextShort
            3. Tableau Næste

            Tableau Next Model Context Protocol (MCP)-serverværktøjsreference

            Tableau Next MCP-server (Model Context Protocol) indeholder en række værktøjer, der tillader eksterne AI-agenter at interagere med dit analytiske økosystem.

            EditionsHeading

            Vis understøttede versioner.

            Når du har fuldført den indledende opsætning, behøver du ikke længere manuelt at vælge eller konfigurere disse værktøjer. Stil dine foretrukne MCP-kompatible AI-klienter (f.eks. ChatGPT, Claude eller Cursor) spørgsmål ved brug af naturligt sprog, og det vælger automatisk de rigtige værktøjer til opgaven.

            Når du f.eks. spørger "Hvad er mit bedste produktsalg i 2025?" bruger AI-agenten Analytics-spørgsmåls- og svarværktøjet analyze_data til at forespørge på dine administrerede data via Concierge. Integrationen returnerer nøjagtige svar og visualiseringer direkte i din chatgrænseflade.

            Til dokumentationsformål er de tilgængelige værktøjer grupperet efter deres funktionelle rolle i et analytisk arbejdsflow.

            Analysis (Analyse)

            Eksterne MCP-kompatible AI-agenter bruger disse værktøjer til at forespørge på data og udforske visuelle aktiver.

            Eksterne MCP-kompatible AI-agentværktøjer
            Værktøjsnavn Beskrivelse/input Returnerer Brug når
            analyze_data

            Kør et naturligt sprogspørgsmål via Analytics-agenten op mod en målsemantikmodel.

            		answer (string; natural-language result). Ingen metadata eller SQL.

            Du ønsker, at agenten skal besvare et spørgsmål.

            Hvis et komplekst spørgsmål mislykkes, skal du opdele det i flere, enklere spørgsmål for at hente vigtige oplysninger og udføre dybtgående tænkning på klientsiden. Brug ikke dette værktøj til metadataopdagelse.
            list_dashboards Angiv Tableau Next-dashboards (kun metadata) til udforskning og valg Elementer med id, name/label, ejerskab af arbejdsområde (id/name), lastModifiedDate (når det er tilgængeligt). Du skal bruge dashboard-id'er eller til at gennemse dashboards (for metadata).
            get_dashboard Hent et enkelt dashboard. Fuldt dashboard-metadata. Du skal have de fulde detaljer for et specifikt dashboard.
            list_visualizations Angiv visualiseringer/regneark (kun metadata) på tværs af Tableau Next. Elementer med id, name/label, overordnet dashboard/arbejdsliste, ejerskab af arbejdsområde, tidsstempler. Du skal finde diagrammer eller regneark efter navn eller overordnet.Ikke for billeder eller forespørgselsresultater
            get_visualization Hent en enkelt visualisering. Fuld visualiseringsmetadata. Du skal have de fulde detaljer for en specifik visualisering.

            Semantisk modelstruktur-discovery

            Eksterne MCP-kompatible AI-agenter bruger disse værktøjer til at forstå Tableau Next's skemaer, relationer og logiske visninger. Agenterne bruger denne dataarkitektur til at give tabeller og forbindelser mening i Tableau Next.

            Værktøjer til semantisk modelstruktur
            Værktøjsnavn Beskrivelse/input Returnerer Brug når
            list_semantic_models Angiv semantiske modeller, der er tilgængelige for opkalderen. count, elementer [ ] med id, apiName, betegnelse, valgfri beskrivelse, datareal, kategorier. Du skal vælge, hvilken semantisk model, der skal målrettes som det næste.
            get_semantic_model Hent profilen for en enkelt semantisk model, herunder forretningspræferencer. apiName, label, businessPreferences (streng med # vejledningslinjer) og andre semantiske modelegenskaber. Du skal have regler/vejledning på modelniveau, før du forespørger på eller udforsker interne.
            list_semantic_model_data_objects Angiv dataobjekter/enheder, der er defineret i en semantisk model.

            items[ ] med apiName, label, dataObjectName, filtre[ ].

            		 Du skal angive byggeblokke (tabeller/enheder) for en semantisk model.
            list_semantic_model_relationships Vis relationer mellem dataobjekter i en semantisk model. items[ ] med apiName, label, leftSemanticDefinitionApiName, rightSemanticDefinitionApiName, joinType, kriterier. Du skal angive relationen mellem dataobjekter i en semantisk model.
            get_semantic_model_logical_view Hent strukturen i en enkelt logisk visning. apiName, label, semanticDataObjects[ ] (objekter i visningen), semanticRelationships[ ] (tilføjelser), semanticUnions[ ] , filtre[ ]. Du skal forstå sammenføjningsdiagrammet og de viste felter for en bestemt visning.

            Forretningslogik og definitioner

            Eksterne MCP-kompatible AI-agenter bruger disse værktøjer til at identificere specifikke Tableau Next KPI'er og beregningslogik.

            Forretningslogik og definitionsværktøjer
            Værktøjsnavn Beskrivelse/input Returnerer Brug når
            list_semantic_model_measures Angiv mål for et specifikt dataobjekt i en semantisk model (numeriske felter, der bruges til aggregering). Mål metadata pr. objekt (navn/apiName, betegnelse, datatype, rolle), hvor de er tilgængelige. Du skal have aggregerbare felter vist af et specifikt objekt.
            list_semantic_model_dimensions Listedimensioner for et specifikt dataobjekt i en semantisk model (kategorisk/dato-/tekstfelter, der bruges til gruppering/udsnit). Dimensionsmetadata pr. objekt (navn/apiName, betegnelse, datatype, rolle), hvor de er tilgængelige. Du skal have grupperede felter vist af et specifikt objekt.
            list_semantic_model_metrics Angiv forretningsmetrikker/KPI'er, der er defineret i en semantisk model. metrikker[ ] med apiName, betegnelse. Du skal bruge navngivne KPI'er i stedet for rå felter eller formler.
            get_semantic_model_metric Hent den fulde definition af en enkelt metrik/KPI. apiName, label, measurementReference (f.eks. calculatedFieldApiName), timeDimensionReference (table/field), additionalDimensions, timeGrains[ ], filtre[ ], aggregationType, isCumulative. Du skal forstå præcis, hvordan en KPI beregnes og opdeles i udsnit.
            list_semantic_model_calculated_dimensions Angiv beregnede dimensioner (brugerdefinerede udtryk, der giver kategorisk/dato/tekst) i en semantisk model. Beregnede dimensionsoplysninger med id'er, betegnelser og (hvis tilgængelige) udtryks-/typedetaljer. Du skal have afledte grupperingsfelter defineret på modelniveau.
            list_semantic_model_calculated_measures Angiv beregnede mål (brugerdefinerede numeriske udtryk/aggregeringer) i en semantisk model. items[ ] med apiName, label, dataType, expression, displayCategory, level (f.eks. Row, AggregateFunction), aggregationType. Du skal bruge numeriske afledte felter og deres formler (byggeblokke for KPI'er/metrikker).

            Arbejdsområde og General Asset Discovery

            Eksterne MCP-kompatible AI-agenter bruger disse værktøjer til at navigere i Tableau Next-miljøet og søge efter relevante analytiske aktiver.

            Discovery-værktøjer for arbejdsområde og generelt aktiv
            Værktøjsnavn Beskrivelse/input Returnerer Brug når
            list_workspaces Angiv arbejdsområder, eller hent et efter id, når det angives. arbejdsområder[ ] med id, navn, betegnelse, beskrivelse, createdBy/Date, lastModifiedBy/Date, tilladelser (view/edit/share/delete), url. Du skal have beholdere og adgangskontekst til aktiver.
            list_workspace_assets Angiv aktiver, der er indeholdt i et bestemt arbejdsområde. workspaceAssets[ ] med assetId, assetType (AnalyticsDashboard | AnalyticsVisualization | SemanticModel), assetUsageType (Created | Referenced), createdBy (id/name), createdDate, url. Du skal bruge dashboards, visualiseringer og semantiske modeller, der er tilpasset til et arbejdsområde.
            search_assets Søg efter aktiver ved brug af et nøgleord og et valgfrit typefilter for hurtigt at finde relevante elementer. aktiver[], herunder id, name, type, createdBy, createdDate, lastModifiedBy, lastModifiedDate.

            Du skal have bred eller indledende afsløring af aktiver.

            Hvis du har brug for at gennemse aktiver i et struktureret hierarki, skal du bruge listeværktøjer i stedet for.

            Related information html

             
            Indlæser
            Salesforce Help | Article