U bent hier:
Tableau Next Model Context Protocol (MCP)-servertoolverwijzing
Tableau Next MCP (Model Context Protocol) Server biedt een reeks tools waarmee externe AI-agenten kunnen werken met uw analytische ecosysteem.
Vereiste editions
| Ondersteunde editions weergeven. |
Nadat u de eerste set-up hebt voltooid, hoeft u deze tools niet meer handmatig te selecteren of configureren. Stel uw favoriete MCP-compatibele AI-client (zoals ChatGPT, Claude of Cursor) vragen met behulp van natuurlijke taal en deze selecteert automatisch de juiste tools voor de taak.
Wanneer u bijvoorbeeld vraagt "Wat zijn mijn beste productverkopen in 2025?", gebruikt de AI-agent de Analytics-tool analyse_data om een query uit te voeren op uw beheerde gegevens via Conciërge. De integratie retourneert nauwkeurige antwoorden en visualisaties rechtstreeks binnen uw chatinterface.
Voor documentatiedoeleinden worden de beschikbare tools gegroepeerd op hun functionele rol binnen een analytische werkstroom.
Analyse
Externe MCP-compatibele AI-agenten gebruiken deze tools voor het uitvoeren van query's op gegevens en het verkennen van visuele activa.
| Toolnaam | Beschrijving / invoer | Geeft als resultaat | Gebruiken wanneer |
|---|---|---|---|
analyze_data |
Voer een vraag met natuurlijke taal uit via de Analytics Agent op basis van een doelsemantisch model. |
answer (string; natural-language result). Geen metagegevens of SQL. |
U wilt dat de agent een vraag beantwoordt. Als een complexe vraag mislukt, kunt u deze opsplitsen in meerdere, eenvoudigere vragen om belangrijke informatie op te halen en diep na te denken over de klant. Gebruik deze tool niet voor het ontdekken van metagegevens. |
list_dashboards |
Tableau Next-dashboards optellen (alleen metagegevens) voor ontdekking en selectie | Items met id, naam/label, werkruimte die eigenaar is (id/naam), lastModifiedDate (indien beschikbaar). | U hebt dashboard-ID's nodig of om door dashboards te bladeren (voor metagegevens). |
get_dashboard |
Eén dashboard ophalen. | Volledige dashboardmetagegevens. | U hebt de volledige details van een specifiek dashboard nodig. |
list_visualizations |
Tel visualisaties/werkbladen (alleen metagegevens) op in Tableau Next. | Items met ID, naam/label, bovenliggend dashboard/werkmap, werkruimte die eigenaar is, tijdstempels. | U moet diagrammen of werkbladen ontdekken op naam of bovenliggend niveau.Niet voor afbeeldingen of queryresultaten |
get_visualization |
Eén visualisatie ophalen. | Volledige visualisatiemetagegevens. | U hebt de volledige details van een specifieke visualisatie nodig. |
Ontdekking van structuur van semantisch model
Externe MCP-compatibele AI-agenten gebruiken deze tools voor inzicht in de schema's, relaties en logische weergaven van Tableau Next. De agenten gebruiken deze gegevensarchitectuur om inzicht te krijgen in de tabellen en verbindingen binnen Tableau Next.
| Toolnaam | Beschrijving / invoer | Geeft als resultaat | Gebruiken wanneer |
|---|---|---|---|
list_semantic_models |
Telling van semantische modellen die beschikbaar zijn voor de beller. | telling, items [ ] met id, apiName, label, optionele beschrijving, gegevensruimte, categorieën. | U moet kiezen op welk semantisch model u zich als volgende wilt richten. |
get_semantic_model |
Haal het profiel op van één semantisch model, inclusief bedrijfsvoorkeuren. | apiName, label, businessPreferences (tekenreeks met # begeleidingslijnen) en andere semantische modeleigenschappen. | U hebt regels/richtlijnen op modelniveau nodig voordat u een query uitvoert op of interne gegevens verkent. |
list_semantic_model_data_objects |
Vermeld gegevensobjecten/-entiteiten die zijn gedefinieerd in een semantisch model. | items[ ] met apiName, label, dataObjectName, filters[ ]. |
U moet de bouwstenen (tabellen/entiteiten) van een semantisch model opsommen. |
list_semantic_model_relationships |
Vermeld relaties tussen gegevensobjecten in een semantisch model. | items[ ] met apiName, label, leftSemanticDefinitionApiName, rightSemanticDefinitionApiName, joinType, criteria. | U moet de relaties tussen gegevensobjecten in een semantisch model opsommen. |
get_semantic_model_logical_view |
Haal de structuur van één logische weergave op. | apiName, label, semanticDataObjects[ ] (objecten in de weergave), semanticRelationships[ ] (joins), semanticUnions[ ] , filters[ ]. | U moet inzicht hebben in de joingrafiek en zichtbare velden van een specifieke weergave. |
Bedrijfslogica en definities
Externe MCP-compatibele AI-agenten gebruiken deze tools om specifieke Tableau Next-KPI's en berekeningslogica te identificeren.
| Toolnaam | Beschrijving / invoer | Geeft als resultaat | Gebruiken wanneer |
|---|---|---|---|
list_semantic_model_measures |
Vermeld meeteenheden voor een specifiek gegevensobject in een semantisch model (numerieke velden die worden gebruikt voor aggregatie). | Meet metagegevens per object (naam/apiNaam, label, gegevenstype, rol) indien beschikbaar. | U hebt aggregeerbare velden nodig die zichtbaar zijn voor een specifiek object. |
list_semantic_model_dimensions |
Vermeld dimensies voor een specifiek gegevensobject in een semantisch model (categorische/datum/tekstvelden die worden gebruikt voor groeperen/splitsen). | Dimensiemetagegevens per object (naam/apiNaam, label, gegevenstype, rol) indien beschikbaar. | U hebt group-by-velden nodig die zichtbaar zijn voor een specifiek object. |
list_semantic_model_metrics |
Vermeld bedrijfsmeetgegevens/KPI's die zijn gedefinieerd in een semantisch model. | meetgegevens[ ] met apiName, label. | U hebt benoemde KPI's nodig in plaats van ruwe velden of formules. |
get_semantic_model_metric |
Haal de volledige definitie van één meetgegeven/KPI op. | apiName, label, measurementReference (bijv. calculatedFieldApiName), timeDimensionReference (tabel/veld), additionalDimensions, timeGrains[ ], filters[ ], aggregationType, isCumulative. | U moet precies begrijpen hoe een KPI wordt berekend en gesegmenteerd. |
list_semantic_model_calculated_dimensions |
Vermeld berekende dimensies (door de gebruiker gedefinieerde expressies die categorisch/datum/tekst opleveren) in een semantisch model. | Berekende dimensiegegevens met identifiers, labels en (indien beschikbaar) expressie-/typeringsdetails. | U moet afgeleide groeperingsvelden definiëren op modelniveau. |
list_semantic_model_calculated_measures |
Vermeld berekende meeteenheden (door de gebruiker gedefinieerde numerieke expressies/aggregaties) in een semantisch model. | items[ ] met apiName, label, dataType, expressie, displayCategory, level (bijv. Row, AggregateFunction), aggregationType. | U hebt numerieke afgeleide velden en hun formules (bouwstenen voor KPI's/meetgegevens) nodig. |
Werkruimte en algemene ontdekking van activa
Externe MCP-compatibele AI-agenten gebruiken deze tools om door de omgeving van Tableau Next te navigeren en te zoeken naar relevante analytische activa.
| Toolnaam | Beschrijving / invoer | Geeft als resultaat | Gebruiken wanneer |
|---|---|---|---|
list_workspaces |
Tel werkruimten op of haal er één op id op indien opgegeven. | workspaces[ ] met id, naam, label, beschrijving, createdBy/Date, lastModifiedBy/Date, machtigingen (view/edit/share/delete), url. | U hebt containers en toegangscontext voor activa nodig. |
list_workspace_assets |
Vermeld activa in een specifieke werkruimte. | workspaceAssets[ ] met assetId, assetType (AnalyticsDashboard | AnalyticsVisualization | SemanticModel), assetUsageType (Gemaakt | Verwezen naar), createdBy (id/name), createdDate, url. | U hebt dashboards, visualisaties en semantische modellen nodig die zijn gericht op een werkruimte. |
search_assets |
Zoek naar activa met behulp van een trefwoord en optioneel typefilter om snel relevante items te ontdekken. | activa[ ] inclusief id, naam, type, createdBy, createdDate, lastModifiedBy, lastModifiedDate. | U hebt een brede of aanvankelijke ontdekking van activa nodig. Als u door activa in een gestructureerde hiërarchie moet bladeren, gebruikt u in plaats daarvan lijsttools. |
