Loading
Tableau Next
Inhalt
Filtern nach (0)Hinzufügen
Filter auswählen

          Keine Ergebnisse
          Keine Ergebnisse
          Hier sind einige Suchtipps

          Überprüfen Sie die Schreibweise Ihrer Stichwörter.
          Verwenden Sie allgemeinere Suchbegriffe.
          Wählen Sie weniger Filter aus, um Ihre Suche auszuweiten.

            Gesamte Salesforce-Hilfe durchsuchen
            Gesamte Salesforce-Hilfe durchsuchen
            Tableau Next Model Context Protocol (MCP) Server Tool Reference (Referenz des Tableau Next Model Context Protocol, MCP)

            Sie befinden sich hier:

            1. Salesforce-Hilfe
            2. Dokumente
            3. Tableau Next

            Tableau Next Model Context Protocol (MCP) Server Tool Reference (Referenz des Tableau Next Model Context Protocol, MCP)

            Der Tableau Next MCP-Server (Model Context Protocol) bietet eine Reihe von Tools, mit denen externe AI-Agenten mit Ihrem analytischen Ökosystem interagieren können.

            Erforderliche Editionen

            Unterstützte Editionen anzeigen.

            Nach Abschluss der ersten Einrichtung müssen Sie diese Tools nicht mehr manuell auswählen oder konfigurieren. Stellen Sie Ihrem bevorzugten MCP-kompatiblen AI-Client (z. B. ChatGPT, Claude oder Cursor) mithilfe natürlicher Sprache Fragen und wählen Sie automatisch die richtigen Tools für die Aufgabe aus.

            Wenn Sie beispielsweise fragen: "Was sind meine besten Produktverkäufe im Jahr 2025?", verwendet der AI-Agent das Analytics-Frage-und-Antwort-Tool analysis_data, um Ihre geregelten Daten über Concierge abzufragen. Die Integration gibt genaue Antworten und Visualisierungen direkt auf Ihrer Chat-Oberfläche zurück.

            Zu Dokumentationszwecken werden die verfügbaren Tools innerhalb eines analytischen Workflows nach ihrer Funktionsrolle gruppiert.

            Analyse

            Externe MCP-kompatible AI-Agenten verwenden diese Tools zum Abfragen von Daten und Erkunden von visuellen Datenbeständen.

            Tools für externe MCP-kompatible AI-Agenten
            Toolname Beschreibung / Eingaben Rückgaben Verwenden von When
            analyze_data

            Führen Sie eine Frage in natürlicher Sprache über den Analytics-Agenten anhand eines semantischen Zielmodells aus.

            		answer (string; natural-language result) hinzu. Keine Metadaten oder SQL.

            Sie möchten, dass der Agent eine Frage beantwortet.

            Wenn bei einer komplexen Frage ein Fehler auftritt, unterteilen Sie sie in mehrere einfachere Fragen, um wichtige Informationen abzurufen und auf Kundenseite gründlich nachzudenken. Verwenden Sie dieses Tool nicht für die Metadatenerkennung.
            list_dashboards Aufzählen von Tableau Next-Dashboards (nur Metadaten) zur Entdeckung und Auswahl Elemente mit ID, Name/Bezeichnung, Inhaber der Arbeitsumgebung (ID/Name), lastModifiedDate (sofern verfügbar). Sie benötigen Dashboard-Kennzeichner oder müssen Dashboards durchsuchen (nach Metadaten).
            get_dashboard Rufen Sie ein einzelnes Dashboard ab. Vollständige Dashboard-Metadaten. Sie benötigen die vollständigen Details eines bestimmten Dashboards.
            list_visualizations Führen Sie Visualisierungen/Arbeitsblätter (nur Metadaten) in Tableau Next auf. Elemente mit ID, Name/Bezeichnung, übergeordnetem Dashboard/übergeordneter Arbeitsmappe, eigener Arbeitsumgebung und Zeitstempeln. Sie müssen Diagramme oder Arbeitsblätter anhand des Namens oder des übergeordneten Elements ermitteln.Nicht für Bilder oder Abfrageergebnisse
            get_visualization Rufen Sie eine einzelne Visualisierung ab. Vollständige Visualisierungsmetadaten. Sie benötigen die vollständigen Details einer bestimmten Visualisierung.

            Semantische Modellstrukturerkennung

            Externe MCP-kompatible AI-Agenten verwenden diese Tools, um die Schemas, Beziehungen und logischen Ansichten von Tableau Next zu verstehen. Die Agenten verwenden diese Datenarchitektur, um die Tabellen und Verbindungen in Tableau Next sinnvoll zu gestalten.

            Tools für die semantische Modellstruktur
            Toolname Beschreibung / Eingaben Rückgaben Verwenden von When
            list_semantic_models Zählen Sie semantische Modelle auf, die dem Anrufer zur Verfügung stehen. count, items [ ] with id, apiName, label, optional description, dataspace, categories. Sie müssen auswählen, welches semantische Modell als Nächstes ins Visier genommen werden soll.
            get_semantic_model Rufen Sie das Profil eines einzelnen semantischen Modells ab, einschließlich der Geschäftsvoreinstellungen. apiName, Bezeichnung, businessPreferences (Zeichenfolge mit # Anleitungslinien) und andere semantische Modelleigenschaften. Sie benötigen Regeln/Anleitungen auf Modellebene, bevor Sie interne Daten abfragen oder erkunden können.
            list_semantic_model_data_objects Listen Sie Datenobjekte/-einheiten auf, die in einem semantischen Modell definiert sind.

            items[ ] mit apiName, label, dataObjectName, filters[ ].

            		 Sie müssen die Bausteine (Tabellen/Einheiten) eines semantischen Modells aufzählen.
            list_semantic_model_relationships Listen Sie Beziehungen zwischen Datenobjekten in einem semantischen Modell auf. items[ ] mit apiName, label, leftSemanticDefinitionApiName, rightSemanticDefinitionApiName, joinType, criteria. Sie müssen die Beziehungen zwischen Datenobjekten in einem semantischen Modell aufzählen.
            get_semantic_model_logical_view Rufen Sie die Struktur einer einzelnen logischen Ansicht ab. apiName, label, semanticDataObjects[ ] (Objekte in der Ansicht), semanticRelationships[ ] (Verknüpfungen), semanticUnions[ ] , filter[ ]. Sie müssen das Verknüpfungsdiagramm und die angezeigten Felder einer bestimmten Ansicht verstehen.

            Geschäftslogik und Definitionen

            Externe MCP-kompatible AI-Agenten verwenden diese Tools, um bestimmte Tableau Next-KPIs und Berechnungslogik zu identifizieren.

            Tools für Geschäftslogik und Definitionen
            Toolname Beschreibung / Eingaben Rückgaben Verwenden von When
            list_semantic_model_measures Listen Sie Maßeinheiten für ein bestimmtes Datenobjekt in einem semantischen Modell auf (numerische Felder, die für die Aggregation verwendet werden). Messen Sie Metadaten pro Objekt (Name/apiName, Bezeichnung, Datentyp, Rolle), sofern verfügbar. Sie benötigen aggregierbare Felder, die von einem bestimmten Objekt angezeigt werden.
            list_semantic_model_dimensions Listendimensionen für ein bestimmtes Datenobjekt in einem semantischen Modell (kategoriale/Datums-/Textfelder, die zum Gruppieren/Aufteilen verwendet werden). Dimensionsmetadaten pro Objekt (Name/apiName, Bezeichnung, Datentyp, Rolle), sofern verfügbar. Sie benötigen gruppierte Felder, die von einem bestimmten Objekt angezeigt werden.
            list_semantic_model_metrics Führen Sie in einem semantischen Modell definierte Geschäftskennzahlen/KPIs auf. Kennzahlen[ ] mit apiName, Bezeichnung. Sie benötigen benannte KPIs anstelle von Rohfeldern oder Formeln.
            get_semantic_model_metric Rufen Sie die vollständige Definition einer einzelnen Kennzahl/eines einzelnen KPI ab. apiName, label, measurementReference (z. B. calculatedFieldApiName), timeDimensionReference (Tabelle/Feld), additionalDimensionen, timeGrains[ ], filter[ ], aggregationType, isCumulative. Sie müssen genau verstehen, wie ein KPI berechnet und in Abschnitte unterteilt wird.
            list_semantic_model_calculated_dimensions Führen Sie berechnete Dimensionen (benutzerdefinierte Ausdrücke, die kategorial/date/text ergeben) in einem semantischen Modell auf. Berechnete Dimensionseinträge mit Kennzeichnern, Bezeichnungen und (sofern verfügbar) Ausdrucks-/Eingabedetails. Sie benötigen abgeleitete Gruppierungsfelder, die auf Modellebene definiert sind.
            list_semantic_model_calculated_measures Führen Sie berechnete Maßeinheiten (benutzerdefinierte numerische Ausdrücke/Aggregationen) in einem semantischen Modell auf. items[ ] mit apiName, label, dataType, expression, displayCategory, level (z. B. Row, AggregateFunction), aggregationType. Sie benötigen numerische abgeleitete Felder und ihre Formeln (Bausteine für KPIs/Kennzahlen).

            Arbeitsumgebung und allgemeine Vermögenswerterkennung

            Externe MCP-kompatible AI-Agenten verwenden diese Tools, um in der Umgebung von Tableau Next zu navigieren und nach relevanten analytischen Datenbeständen zu suchen.

            Tools für die Arbeitsumgebung und die allgemeine Vermögenswerterkennung
            Toolname Beschreibung / Eingaben Rückgaben Verwenden von When
            list_workspaces Zählen Sie Arbeitsumgebungen auf oder rufen Sie eine nach ID ab, sofern angegeben. Arbeitsumgebungen[ ] mit ID, Name, Bezeichnung, Beschreibung, createdBy/Date, lastModifiedBy/Date, Berechtigungen (Anzeigen/Bearbeiten/Freigeben/Löschen), url. Sie benötigen Container und Zugriffskontext für Vermögenswerte.
            list_workspace_assets Listen Sie Vermögenswerte auf, die in einer bestimmten Arbeitsumgebung enthalten sind. workspaceAssets[ ] mit assetId, assetType (AnalyticsDashboard | AnalyticsVisualization | SemanticModel), assetUsageType (Erstellt | Referenziert), createdBy (id/name), createdDate, url. Sie benötigen Dashboards, Visualisierungen und semantische Modelle, die auf eine Arbeitsumgebung beschränkt sind.
            search_assets Suchen Sie mithilfe eines Stichwort- und optionalen Typfilters nach Vermögenswerten, um schnell relevante Elemente zu finden. assets[ ] einschließlich id, name, type, createdBy, createdDate, lastModifiedBy, lastModifiedDate.

            Sie benötigen eine umfassende oder anfängliche Entdeckung von Vermögenswerten.

            Wenn Sie Datenbestände in einer strukturierten Hierarchie durchsuchen müssen, verwenden Sie stattdessen Listentools.

            Siehe auch:

             
            Laden
            Salesforce Help | Article