Usted está aquí:
Referencia de la herramienta de servidor Tableau Next Model Context Protocol (MCP)
Tableau Next MCP (Protocolo de contexto de modelo) Server proporciona un conjunto de herramientas que permiten a los agentes de IA externos interactuar con su ecosistema analítico.
Ediciones necesarias
| Ver ediciones compatibles. |
Después de completar la configuración inicial, ya no necesita seleccionar o configurar manualmente estas herramientas. Formule preguntas a su cliente de IA compatible con MCP preferido (como ChatGPT, Claude o Cursor) utilizando lenguaje natural y selecciona automáticamente las herramientas correctas para la tarea.
Por ejemplo, cuando pregunta: "¿Cuáles son mis mejores ventas de productos en 2025?", el agente de IA utiliza la herramienta de preguntas y respuestas de Analytics analysis_data para consultar sus datos gobernados a través de Conserje. La integración devuelve respuestas precisas y visualizaciones directamente en su interfaz de chat.
Para fines de documentación, las herramientas disponibles se agrupan por su función funcional dentro de un flujo de trabajo analítico.
Análisis
Los agentes de IA que cumplen con MCP externos utilizan estas herramientas para consultar datos y explorar activos visuales.
| Nombre de herramienta | Descripción / Entradas | Devoluciones | Utilizar cuándo |
|---|---|---|---|
analyze_data |
Ejecute una pregunta de lenguaje natural a través del agente de Analytics en un modelo semántico de destino. |
answer (string; natural-language result). Sin metadatos o SQL. |
Desea que el agente responda a una pregunta. Si una pregunta compleja falla, desglosela en múltiples preguntas más sencillas para recuperar información clave y realizar una reflexión profunda en el lado del cliente. No utilice esta herramienta para el descubrimiento de metadatos. |
list_dashboards |
Enumerar paneles de Tableau Next (solo metadatos) para detección y selección | Elementos con id, nombre/etiqueta, espacio de trabajo de propiedad (id/name), lastModifiedDate (cuando esté disponible). | Necesita identificadores de panel o para examinar paneles (para metadatos). |
get_dashboard |
Recupere un único panel. | Metadatos de panel completos. | Necesita los detalles completos de un panel específico. |
list_visualizations |
Enumere visualizaciones/hojas de cálculo (solo metadatos) en Tableau Next. | Elementos con Id., nombre/etiqueta, panel principal/libro de trabajo, espacio de trabajo de propiedad, marcas de tiempo. | Necesita descubrir gráficos u hojas de trabajo por nombre o principal.No para imágenes o resultados de consultas |
get_visualization |
Recupere una única visualización. | Metadatos de visualización completa. | Necesita los detalles completos de una visualización específica. |
Detección de estructura de modelo semántico
Los agentes de IA que cumplen con MCP externos utilizan estas herramientas para comprender los esquemas, las relaciones y las vistas lógicas de Tableau Next. Los agentes utilizan esta arquitectura de datos para dar sentido a las tablas y conexiones dentro de Tableau Next.
| Nombre de herramienta | Descripción / Entradas | Devoluciones | Utilizar cuándo |
|---|---|---|---|
list_semantic_models |
Enumere los modelos semánticos disponibles para el llamante. | recuento, elementos [ ] con id, apiName, label, descripción opcional, espacio de datos, categorías. | Debe elegir qué modelo semántico dirigir a continuación. |
get_semantic_model |
Recupere el perfil de un modelo semántico único, incluyendo preferencias comerciales. | apiName, label, businessPreferences (cadena con líneas de orientación #) y otras propiedades de modelo semántico. | Necesita reglas/directrices a nivel de modelo antes de consultar o explorar datos internos. |
list_semantic_model_data_objects |
Enumere objetos/entidades de datos definidos en un modelo semántico. | items[ ] with apiName, label, dataObjectName, filters[ ]. |
Debe enumerar las partes integrantes (tablas/entidades) de un modelo semántico. |
list_semantic_model_relationships |
Enumere relaciones entre objetos de datos en un modelo semántico. | items[ ] con apiName, label, leftSemanticDefinitionApiName, rightSemanticDefinitionApiName, joinType, criteria. | Debe enumerar las relaciones entre objetos de datos en un modelo semántico. |
get_semantic_model_logical_view |
Recupere la estructura de una única vista lógica. | apiName, label, semanticDataObjects[ ] (objetos en la vista), semanticRelationships[ ] (uniones), semanticUnions[ ] , filters[ ]. | Debe comprender el gráfico de unión y los campos expuestos de una vista específica. |
Lógica comercial y definiciones
Los agentes de IA que cumplen con MCP externos utilizan estas herramientas para identificar KPI de Tableau Next específicos y lógica de cálculo.
| Nombre de herramienta | Descripción / Entradas | Devoluciones | Utilizar cuándo |
|---|---|---|---|
list_semantic_model_measures |
Enumere mediciones para un objeto de datos específico en un modelo semántico (campos numéricos utilizados para la agregación). | Mida los metadatos por objeto (nombre/nombreapi, etiqueta, tipo de datos, función) si están disponibles. | Necesita campos agregables expuestos por un objeto específico. |
list_semantic_model_dimensions |
Enumere dimensiones para un objeto de datos específico en un modelo semántico (campos categóricos/fecha/texto utilizados para agrupar/seccionar). | Metadatos de dimensión por objeto (nombre/nombreapi, etiqueta, tipo de datos, función) si están disponibles. | Necesita campos agrupados por expuestos por un objeto específico. |
list_semantic_model_metrics |
Enumere mediciones comerciales/KPI definidos en un modelo semántico. | mediciones[ ] con apiName, label. | Necesita KPI nombrados en vez de campos sin procesar o fórmulas. |
get_semantic_model_metric |
Recupere la definición completa de una sola medición/KPI. | apiName, label, measurementReference (p. ej., calculatedFieldApiName), timeDimensionReference (tabla/campo), additionalDimensions, timeGrains[ ], filters[ ], aggregationType, isCumulative. | Debe comprender exactamente cómo se calcula y segmenta un KPI. |
list_semantic_model_calculated_dimensions |
Enumere dimensiones calculadas (expresiones definidas por el usuario que arrojan categórico/fecha/texto) en un modelo semántico. | Entradas de dimensión calculadas con identificadores, etiquetas y (si están disponibles) detalles de expresión/escritura. | Necesita campos de agrupación derivados definidos en el nivel de modelo. |
list_semantic_model_calculated_measures |
Enumere mediciones calculadas (expresiones/agregaciones numéricas definidas por el usuario) en un modelo semántico. | items[ ] con apiName, label, dataType, expression, displayCategory, level (p. ej., Row, AggregateFunction), aggregationType. | Necesita campos derivados numéricos y sus fórmulas (elementos constructivos para indicadores clave de rendimiento/mediciones). |
Espacio de trabajo y Detección de activos general
Los agentes de IA que cumplen con MCP externos utilizan estas herramientas para navegar por el entorno de Tableau Next y buscar activos analíticos relevantes.
| Nombre de herramienta | Descripción / Entradas | Devoluciones | Utilizar cuándo |
|---|---|---|---|
list_workspaces |
Enumere espacios de trabajo o obtenga uno por uno cuando se proporcione. | espacios de trabajo[ ] con id, nombre, etiqueta, descripción, createdBy/Date, lastModifiedBy/Date, permisos (view/edit/share/delete), url. | Necesita contenedores y contexto de acceso para activos. |
list_workspace_assets |
Enumere activos incluidos en un espacio de trabajo específico. | workspaceAssets[ ] con assetId, assetType (AnalyticsDashboard | AnalyticsVisualization | SemanticModel), assetUsageType (Created | Referenced), createdBy (id/name), createdDate, url. | Necesita paneles, visualizaciones y modelos semánticos con ámbito a un espacio de trabajo. |
search_assets |
Busque activos utilizando una palabra clave y un filtro de tipo opcional para descubrir rápidamente elementos relevantes. | assets[ ] incluyendo id, name, type, createdBy, createdDate, lastModifiedBy, lastModifiedDate. | Necesita un descubrimiento amplio o inicial de activos. Si necesita examinar activos en una jerarquía estructurada, utilice herramientas de lista en su lugar. |
