Você está aqui:
Referência de ferramenta do servidor do Protocolo de contexto do próximo modelo (MCP) do Tableau
O servidor do Tableau Next MCP (Model Context Protocol) fornece um conjunto de ferramentas que permitem que agentes de IA externos interajam com seu ecossistema analítico.
Edições obrigatórias
| Exibir edições com suporte. |
Depois de concluir a configuração inicial, você não precisa mais selecionar nem configurar manualmente essas ferramentas. Faça perguntas ao seu cliente de IA compatível com MCP preferido (como ChatGPT, Claude ou Cursor) usando linguagem natural e selecione automaticamente as ferramentas certas para a tarefa.
Por exemplo, quando você pergunta "Quais são minhas melhores vendas de produto em 2025?", o agente de IA usa a ferramenta de perguntas e respostas do Analytics analyze_data para consultar seus dados governados por meio do Concierge. A integração retorna respostas e visualizações precisas diretamente em sua interface de chat.
Para fins de documentação, as ferramentas disponíveis são agrupadas por seu papel funcional em um fluxo de trabalho analítico.
Análise
Agentes de IA externos compatíveis com MCP usam essas ferramentas para consultar dados e explorar ativos visuais.
| Nome da ferramenta | Descrição/Entradas | Retorna | Usar quando |
|---|---|---|---|
analyze_data |
Execute uma pergunta em linguagem natural por meio do Agente do Analytics em relação a um modelo semântico de destino. |
answer (string; natural-language result). Sem metadados ou SQL. |
Você quer que o agente responda a uma pergunta. Se uma pergunta complexa falhar, divida-a em várias perguntas mais simples para recuperar as principais informações e pensar profundamente no lado do cliente. Não use essa ferramenta para descoberta de metadados. |
list_dashboards |
Enumere painéis do Tableau Next (somente metadados) para descoberta e seleção | Itens com id, name/label, owning workspace (id/name), lastModifiedDate (quando disponível). | Você precisa de identificadores de painel ou para navegar em painéis (para metadados). |
get_dashboard |
Recupere um único painel. | Metadados do painel completo. | Você precisa dos detalhes completos de um painel específico. |
list_visualizations |
Enumere visualizações/folhas de trabalho (somente metadados) no Tableau Next. | Itens com ID, nome/rótulo, painel pai/book de trabalho, proprietário do espaço de trabalho, carimbos de data/hora. | Você precisa descobrir gráficos ou planilhas por nome ou pai.Não para imagens ou resultados da consulta |
get_visualization |
Recupere uma única visualização. | Metadados de visualização completos. | Você precisa dos detalhes completos de uma visualização específica. |
Descoberta de estrutura de modelo semântica
Agentes de IA externos compatíveis com MCP usam essas ferramentas para entender os esquemas, relacionamentos e visualizações lógicas do Tableau Next. Os agentes usam essa arquitetura de dados para entender as tabelas e as conexões dentro do Tableau Next.
| Nome da ferramenta | Descrição/Entradas | Retorna | Usar quando |
|---|---|---|---|
list_semantic_models |
Enumere modelos semânticos disponíveis ao chamador. | count, itens [ ] com id, apiName, label, descrição opcional, dataspace, categories. | Você precisa escolher qual modelo semântico focar em seguida. |
get_semantic_model |
Recupere o perfil de um só modelo semântico, incluindo preferências de negócios. | apiName, label, businessPreferences (string com linhas de orientação #) e outras propriedades do modelo semântico. | Você precisa de regras/diretrizes no nível do modelo antes de consultar ou explorar internos. |
list_semantic_model_data_objects |
Lista objetos/entidades de dados definidos em um modelo semântico. | items[ ] com apiName, label, dataObjectName, filtros[ ]. |
Você precisa enumerar os blocos de construção (tabelas/entidades) de um modelo semântico. |
list_semantic_model_relationships |
Lista relacionamentos entre objetos de dados em um modelo semântico. | items[ ] com apiName, label, leftSemanticDefinitionApiName, rightSemanticDefinitionApiName, joinType, critérios. | Você precisa enumerar os relacionamentos entre objetos de dados em um modelo semântico. |
get_semantic_model_logical_view |
Recupere a estrutura de uma única visualização lógica. | apiName, label, semanticDataObjects[ ] (objetos na visualização), semanticRelationships[ ] (junções), semanticUnions[ ] , filtros[ ]. | Você precisa entender o gráfico de junção e os campos expostos de uma exibição específica. |
Lógica e definições de negócios
Agentes de IA externos compatíveis com MCP usam essas ferramentas para identificar KPIs e lógica de cálculo específicos do Tableau Next.
| Nome da ferramenta | Descrição/Entradas | Retorna | Usar quando |
|---|---|---|---|
list_semantic_model_measures |
Lista medidas para um objeto de dados específico em um modelo semântico (campos numéricos usados para agregação). | Meça metadados por objeto (name/apiName, rótulo, tipo de dados, papel) quando disponível. | Você precisa de campos agregáveis expostos por um objeto específico. |
list_semantic_model_dimensions |
Dimensões de lista para um objeto de dados específico em um modelo semântico (campos categóricos/data/texto usados para agrupamento/classificação). | Metadados de dimensão por objeto (nome/apiName, rótulo, tipo de dados, papel) quando disponíveis. | Você precisa de campos de agrupamento por expostos por um objeto específico. |
list_semantic_model_metrics |
Lista métricas de negócios/KPIs definidas em um modelo semântico. | métricas[ ] com apiName, label. | Você precisa de KPIs nomeados em vez de campos brutos ou fórmulas. |
get_semantic_model_metric |
Recupere a definição completa de uma única métrica/KPI. | apiName, label, measurementReference (por exemplo, calculatedFieldApiName), timeDimensionReference (table/field), additionalDimensions, timeGrains[ ], filters[ ], aggregationType, isCumulative. | Você deve entender exatamente como um KPI é calculado e dividido em fatias. |
list_semantic_model_calculated_dimensions |
Lista dimensões calculadas (expressões definidas pelo usuário que geram categórico/data/texto) em um modelo semântico. | Entradas de dimensão calculadas com identificadores, rótulos e (quando disponível) detalhes de expressão/tipo. | Você precisa de campos de agrupamento derivados definidos no nível do modelo. |
list_semantic_model_calculated_measures |
Lista medidas calculadas (expressões numéricas/agregações definidas pelo usuário) em um modelo semântico. | items[ ] com apiName, label, dataType, expression, displayCategory, level (por exemplo, Linha, AggregateFunction), aggregationType. | Você precisa de campos derivados numéricos e suas fórmulas (blocos de construção para KPIs/métricas). |
Espaço de trabalho e descoberta de ativos gerais
Agentes de IA externos compatíveis com MCP usam essas ferramentas para navegar no ambiente do Tableau Next e pesquisar ativos analíticos relevantes.
| Nome da ferramenta | Descrição/Entradas | Retorna | Usar quando |
|---|---|---|---|
list_workspaces |
Enumere espaços de trabalho ou busque um por ID quando fornecido. | workspaces[ ] com id, name, label, description, createdBy/Date, lastModifiedBy/Date, permissões (view/edit/share/delete), url. | Você precisa de contêineres e de acesso ao contexto para ativos. |
list_workspace_assets |
Lista de ativos contidos em um espaço de trabalho específico. | workspaceAssets[ ] com assetId, assetType (AnalyticsDashboard | AnalyticsVisualization | SemanticModel), assetUsageType (Criado | Referenciado), createdBy (id/name), createdDate, url. | Você precisa de painéis, visualizações e modelos semânticos no escopo de um espaço de trabalho. |
search_assets |
Pesquise ativos usando uma palavra-chave e um filtro de tipo opcional para descobrir rapidamente itens relevantes. | ativos[ ] incluindo id, name, type, createdBy, createdDate, lastModifiedBy, lastModifiedDate. | Você precisa de descoberta abrangente ou inicial de ativos. Se você precisar procurar ativos em uma hierarquia estruturada, use ferramentas de lista. |
