Loading
Tableau Siguiente
Índice de materias
Filtrar por (0)Agregar
Seleccionar filtros

          No hay resultados
          No hay resultados
          Estas son algunas sugerencias de búsqueda

          Compruebe la ortografía de sus palabras clave.
          Utilice términos de búsqueda más generales.
          Seleccione menos filtros para ampliar su búsqueda.

            Buscar en toda la Ayuda de Salesforce
            Buscar en toda la Ayuda de Salesforce
            Referencia de la herramienta de servidor Tableau Next Model Context Protocol (MCP)

            Usted está aquí:

            1. Ayuda de Salesforce
            2. Documentos
            3. Tableau Siguiente

            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 admitidas.

            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 analyze_data para consultar sus datos gobernados a través de Concierge. 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 en 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.

            Herramientas de agente de IA compatibles con MCP externas
            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 tableros de Tableau Next (solo metadatos) para el descubrimiento y la selección Elementos con id, nombre/etiqueta, espacio de trabajo de propiedad (id/name), lastModifiedDate (cuando esté disponible). Necesita identificadores de tablero o para examinar tableros (para metadatos).
            get_dashboard Recupere un único tablero. Metadatos de tablero completos. Necesita los detalles completos de un tablero específico.
            list_visualizations Enumere visualizaciones/hojas de cálculo (solo metadatos) en Tableau Next. Elementos con Id., nombre/etiqueta, tablero principal/libro de trabajo, espacio de trabajo de propiedad, marcas de tiempo. Necesita descubrir gráficos u hojas de cálculo por nombre o principal.No para imágenes o resultados de consultas
            get_visualization Recupere una única visualización. Metadatos de visualización completos. Necesita los detalles completos de una visualización específica.

            Descubrimiento 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 en Tableau Next.

            Herramientas de estructura de modelo semántico
            Nombre de herramienta Descripción / Entradas Devoluciones Utilizar cuándo
            list_semantic_models Enumere modelos semánticos disponibles para el llamante. count, items [ ] with id, apiName, label, description opcional, dataspace, categories. Debe seleccionar el modelo semántico al que dirigirse a continuación.
            get_semantic_model Recupere el perfil de un modelo semántico único, incluyendo preferencias de negocio. apiName, label, businessPreferences (cadena con líneas de orientación #) y otras propiedades del 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 los elementos constructivos (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 de negocio 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.

            Herramientas de definición y lógica de negocio
            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 agrupación/seccionamiento). Metadatos de dimensión por objeto (nombre/nombreApi, etiqueta, tipo de datos, función) cuando estén disponibles. Necesita campos agrupados por expuestos por un objeto específico.
            list_semantic_model_metrics Enumere mediciones de negocio/KPI definidos en un modelo semántico. metrics[ ] 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 (table/field), 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 del 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 desempeño/mediciones).

            Espacio de trabajo y descubrimiento 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.

            Espacio de trabajo y herramientas generales de descubrimiento de activos
            Nombre de herramienta Descripción / Entradas Devoluciones Utilizar cuándo
            list_workspaces Enumere espacios de trabajo o obtenga uno por Id. 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 contenidos en un espacio de trabajo específico. workspaceAssets[ ] con assetId, assetType (AnalyticsDashboard | AnalyticsVisualization | SemanticModel), assetUsageType (Created | Referenced), createdBy (id/name), createdDate, url. Necesita tableros, 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.

            Consulte también:

             
            Cargando
            Salesforce Help | Article