Microsoft Fabricの「Data agent as Model Context Protocol server (preview)」は、Fabric data agentをMCPサーバーとして公開し、VS CodeなどのMCPクライアントから組織データにアクセスできるようにするプレビュー機能です。ポイントは、Data agentが外部AIシステムから「1つのツール」として見えるようになり、開発者がVS Code上でOneLakeやFabric内のデータに基づく質問・検証を進めやすくなることです。(Microsoft Learn)
一方で、これは単なる便利機能ではありません。公開済みData agentの説明文、テナント設定、Fabric容量、データソース権限、Purviewポリシー、クロスリージョン処理の扱いまで影響します。管理者は「誰が、どのAIクライアントから、どのデータにアクセスできるのか」を確認し、開発者はMCPサーバーURLやmcp.jsonの設定だけでなく、Data agent自体の設計品質を見直す必要があります。
Microsoft FabricのAI/Copilot更新で何が変わるのか
今回の更新で重要なのは、Microsoft FabricのData agentがModel Context Protocol、つまりMCPのサーバーとして利用できるようになった点です。MCPは、AIシステムが外部のツールやデータに接続するための標準化された仕組みとして説明されており、AIモデルが利用可能なツールを発見し、一貫した方法で操作できるようにします。(Microsoft Learn)
これまでもFabric data agentは、Fabric内のデータに対して自然言語で質問するための機能でした。今回のMCP対応により、そのData agentをVS Codeなどの外部AIワークフローから呼び出せるようになります。つまり、Fabricの画面だけで完結する分析支援から、開発環境やAIエージェント開発の中にFabricの組織データを組み込む方向へ広がったと考えると分かりやすいです。
| 観点 | 従来のFabric data agent | MCPサーバーとしてのFabric data agent |
|---|---|---|
| 主な利用場所 | FabricやCopilot関連の体験内 | VS CodeなどのMCPクライアント |
| 役割 | データに自然言語で質問するエージェント | 外部AIシステムから呼び出せるMCPツール |
| 開発者への効果 | Fabric内でQ&Aを検証 | 開発環境から組織データを参照しながらAIワークフローを検証 |
| 管理上の論点 | Data agentの公開範囲と権限 | Data agentに加え、MCP接続、認証、外部クライアント利用も確認 |
| 注意点 | 回答品質、データソース設計、権限管理 | これらに加え、ツール説明文とMCP設定の品質が重要 |
実務上の変化は、「データに質問できる場所が増える」ことです。ただし、Data agentがすべてのデータを無制限に公開するわけではありません。Fabric data agentはユーザーの資格情報や権限、ガバナンスポリシーを踏まえて動作するため、アクセス制御の確認が前提になります。(Microsoft Learn)
Data agent as MCP serverの仕組み
Fabric data agentをMCPサーバーとして使う場合、Data agentはMCPサーバー上で「単一のツール」として公開されます。外部のAIシステムは、そのツール説明を見て、いつData agentを呼び出すべきかを判断します。Microsoft Learnでは、Data agent公開時の説明文がMCPサーバーのツール説明になるため、正確で詳しい説明が重要だとされています。(Microsoft Learn)
ここは導入時に最も見落とされやすいポイントです。Data agentの説明文が曖昧だと、AIクライアント側が「このツールを使うべきか」を判断しにくくなります。
例えば、次のような説明では不十分です。
売上データを分析するエージェントです。
実務で使うなら、次のように対象データ、得意な質問、対象外の範囲を明確にします。
日本国内の小売売上データを対象に、月次売上、商品カテゴリ別売上、店舗別実績、前年同月比、キャンペーン別の傾向を回答するData agentです。人事情報、仕入先契約、個人の給与情報、未登録のCSVファイルには回答しません。
MCPサーバー化では、説明文が単なる紹介文ではなく、AIに対する「このツールの使いどころ」を伝える仕様書になります。既存のData agentをそのまま公開する前に、説明文、指示、データソースの範囲を見直すべきです。
利用できる前提条件
公式情報では、Fabric data agentをMCPサーバーとして利用する前提として、Fabric容量、AI関連のテナント設定、データソース、データへの読み取りアクセスが必要とされています。対象データソースには、Warehouse、Lakehouse、Power BI semantic model、KQL database、mirrored database、ontologyが含まれます。(Microsoft Learn)
| 確認項目 | 内容 | 見落とした場合の影響 |
|---|---|---|
| Fabric容量 | 有料のF2以上のFabric容量、またはFabricが有効なPower BI Premium per capacity P1以上が必要 | Data agentやMCP利用の前提を満たせない |
| AI関連のテナント設定 | CopilotおよびAzure OpenAI関連設定、必要に応じたクロスジオ処理・保存設定を確認 | Data agentが動作しない、または組織ポリシーに反する可能性 |
| データソース | Warehouse、Lakehouse、Semantic model、KQL databaseなど、対応するデータソースを用意 | Data agentが回答に使うデータがない |
| 読み取り権限 | 利用者が対象データにReadアクセスを持つ必要がある | VS Codeから接続しても期待した回答が得られない |
| Data agentの公開 | MCPタブからサーバーURLやmcp.jsonを利用するにはData agentの公開が必要 | MCPクライアント側でサーバーとして登録できない |
また、この機能はプレビューです。Microsoft Fabricのプレビュー機能は、制限付きの機能として早期アクセス用に提供されるもので、本番利用を目的としたものではなく、SLA対象外であることが説明されています。(Microsoft Learn)
したがって、いきなり全社展開するよりも、開発チームやデータ分析チームの限定的な検証から始めるのが現実的です。
管理者が確認すべき設定
CopilotとAzure OpenAI関連のテナント設定
Fabric data agentを利用するには、Fabric管理者がAdmin PortalのTenant settingsで必要な設定を確認する必要があります。公式ドキュメントでは、Data agentに必要な設定として「Users can use Copilot and other features powered by Azure OpenAI」や、Fabric Copilot容量の指定に関する設定、クロスジオ処理・保存に関する設定が挙げられています。(Microsoft Learn)
特に、日本を含むリージョン運用では、データ処理・保存場所の扱いを確認する必要があります。Microsoft Learnでは、容量の地理的リージョンがEUデータ境界および米国の外にある場合、Azure OpenAIへのデータ処理・保存に関する設定が必要になるケースが説明されています。(Microsoft Learn)
設定変更後すぐに動作確認して失敗するケースにも注意が必要です。Fabric data agentのテナント設定は、有効化後に反映まで最大1時間かかる可能性があるとされています。(Microsoft Learn)
会話履歴とデータ保存の扱い
Data agentを業務で使う場合、会話履歴の扱いも確認すべきです。公式情報では、会話型のエージェント体験ではセッションをまたいで文脈を保持するために会話履歴が保存される場合があり、手動で削除されない場合は最大28日間保存されると説明されています。(Microsoft Learn)
管理者は、次の点を社内ルールとして明確にしておくと安全です。
- 機密情報をプロンプトに入力してよい範囲
- 会話履歴を残してよい業務領域
- 検証環境と本番相当データの使い分け
- 監査対象となる操作ログや会話内容の扱い
- 部門ごとの利用許可グループ
MCPサーバーとして使うと、利用場所がFabricポータル外にも広がります。だからこそ、「Data agentだから安全」ではなく、「どのクライアントから呼ばれても同じポリシーで制御できるか」を確認する必要があります。
開発者が確認すべき設定
VS CodeでのMCPサーバー設定
公式情報では、現時点でFabric data agent MCP serverはVS Codeで利用できると説明されています。独自のMCPクライアントを使う場合も、認証設定ができれば動作し得るとされていますが、まずはVS Codeで検証するのが安全です。(Microsoft Learn)
Data agentを公開した後、エージェントのSettingsからModel Context Protocolタブを開くと、MCPサーバー名、MCPサーバーURL、ツール名、ツール説明を確認できます。このタブからmcp.jsonファイルをダウンロードし、VS CodeのMCPサーバー設定に使うこともできます。(Microsoft Learn)
基本的な流れは次の通りです。
| 手順 | 作業内容 | 確認ポイント |
|---|---|---|
| Data agentを公開 | Fabric上でData agentをPublishする | 公開前に説明文とデータソース範囲を確認 |
| MCPタブを開く | SettingsからModel Context Protocolタブを確認 | サーバーURL、ツール名、説明文を控える |
| VS Codeで作業フォルダーを開く | .vscodeフォルダーとmcp.jsonを用意 | ダウンロードしたmcp.jsonを使うと設定ミスを減らせる |
| MCPサーバーを追加 | VS CodeのAdd ServerでHTTPを選び、MCPサーバーURLを入力 | 名前はチーム内で識別しやすいものにする |
| 認証する | VS Codeからサーバー接続時に資格情報でサインイン | 接続ユーザーの権限でData agentが動作する |
| Agent Modeを有効化 | Command PaletteからAgent Modeを有効化 | 利用するオーケストレーターを選び、質問を検証 |
ここで重要なのは、MCP接続の成否だけで検証を終わらせないことです。実際の質問に対して、正しいデータソースが選ばれるか、権限外の情報を返さないか、期待した粒度で回答できるかまで確認する必要があります。
Data agentの説明文と指示を見直す
MCPサーバーとして公開する前に、Data agentの説明文、Data agent instructions、Example queriesを見直しましょう。Fabric data agentでは、組織固有の指示や例を追加することで、質問の解釈やデータソース選択を調整できます。(Microsoft Learn)
実務では、次のような観点で整備すると効果があります。
| 観点 | 具体例 |
|---|---|
| 業務用語 | 「粗利」は売上金額から売上原価を差し引いた値として扱う |
| 優先データソース | 売上KPIはPower BI semantic model、明細探索はLakehouseを優先する |
| 対象外の範囲 | 人事評価、個人給与、未承認データには回答しない |
| 日付の扱い | 「今月」は会計カレンダーの当月として扱う |
| 回答形式 | 金額は円単位、比率は小数第1位まで表示する |
ただし、開発者が書いた指示は組織ポリシーやロールベースの権限を上書きできません。公式情報では、組織の意図、ロールベースの意図、開発者の意図、ユーザーの意図という優先順位が示され、上位のポリシーが下位の指示より優先されると説明されています。(Microsoft Learn)
既存のData agentをMCPサーバーとして使う移行手順
既存のFabric data agentがある場合でも、MCPサーバー化を「URLをコピーして終わり」と考えるのは危険です。外部AIクライアントから呼び出されるようになるため、Data agentの設計を再点検してから段階的に展開します。
既存Data agentの棚卸し
まず、対象Data agentがどのデータソースに接続しているかを確認します。Fabric data agentでは、Lakehouse、Warehouse、KQL database、Power BI semantic modelなどを組み合わせられますが、データソースを広げすぎると回答の解釈が難しくなります。公式情報では、Fabric data agentは最大5つのデータソースをサポートすると説明されています。(Microsoft Learn)
棚卸しでは、次の項目を確認してください。
| 確認項目 | 判断基準 |
|---|---|
| データソース数 | 本当に必要なデータソースだけに絞られているか |
| テーブル選択 | 回答に必要なテーブルのみ選ばれているか |
| 権限 | 利用者のRead権限で意図した範囲だけ見えるか |
| 説明文 | MCPツールとして使いどころが明確か |
| 指示 | 業務用語、優先順位、対象外範囲が明記されているか |
| 例示クエリ | よくある質問に近い例が登録されているか |
Power BI semantic modelを使う場合は、権限の誤解にも注意が必要です。公式チュートリアルでは、Data agent経由でsemantic modelに質問するユーザーはRead権限があればよく、Build権限やワークスペースアクセスは不要と説明されています。ただし、semantic modelの変更やPrep for AIなどにはWrite権限が必要です。(Microsoft Learn)
開発環境でMCP接続を検証する
次に、開発用ワークスペースでData agentを公開し、VS Codeから接続します。検証時は、単に「接続できたか」ではなく、次のような質問を用意してテストします。
| テスト観点 | 質問例 | 確認すること |
|---|---|---|
| 基本回答 | 先月のカテゴリ別売上を要約して | 正しいデータソースを参照しているか |
| 権限制御 | 自分に権限がない部門の売上を見せて | 権限外データを返さないか |
| 曖昧な質問 | 最近売れている商品は？ | 期間や指標の前提を確認するか |
| 対象外質問 | 社員の給与一覧を出して | 対象外として拒否または適切に誘導するか |
| 大量出力 | 今年の全明細を表示して | 大量データ抽出用途と誤解していないか |
Fabric data agentは会話型の洞察取得を目的としており、完全なデータセットを返す用途には向きません。公式情報では、回答は最大25行・25列に制限されると説明されています。(Microsoft Learn)
本番相当展開は段階的に進める
展開は、開発、検証、本番相当の順で進めます。Fabric data agentはGit統合やDeployment pipelinesによるALMに対応しており、開発環境から本番環境へ設定を昇格させる運用が可能です。(Microsoft Learn)
おすすめの展開順序は次の通りです。
| フェーズ | 対象 | やること |
|---|---|---|
| 検証 | データチーム、開発チーム | VS Code接続、質問精度、認証、権限の確認 |
| 限定パイロット | 特定部門の数名 | 実業務の質問パターンを収集 |
| ガバナンス確認 | 管理者、セキュリティ担当 | Purview、DLP、監査、履歴保存の確認 |
| 展開判断 | 管理者、業務責任者 | 利用範囲、禁止事項、サポート体制を決定 |
| 拡大 | 対象部門 | 利用ガイド、プロンプト例、問い合わせ窓口を整備 |
プレビュー機能である以上、基幹業務の唯一の判断手段にするのは避けるべきです。まずは「分析の入口」「開発時の調査補助」「データ探索の効率化」といった用途に限定するのが現実的です。
セキュリティとガバナンスで注意すべきポイント
PurviewポリシーとDLPは引き続き重要
Fabric data agentは、Microsoft Purviewのガバナンス制御と組み合わせて利用できます。公式情報では、PurviewのDLPポリシーやアクセス制限ポリシーが、Data agentのアクセスや返答結果を制限する可能性があると説明されています。(Microsoft Learn)
MCPサーバーとして使う場合も、Data agentが新しい入口になるだけで、データガバナンスが不要になるわけではありません。むしろ、VS Codeなどの開発環境から呼び出せるようになるため、監査と利用ルールの重要性は高まります。
確認すべき点は次の通りです。
| 項目 | 確認内容 |
|---|---|
| DLPポリシー | 機密データを含むWarehouseやLakehouseに対して適用されているか |
| 感度ラベル | Data agentが参照するデータに適切な分類があるか |
| RLS/CLS | Power BI semantic modelの行レベル・列レベルセキュリティが期待通り適用されるか |
| 監査 | 誰が、いつ、どのData agentを使ったか追跡できるか |
| 利用ガイド | 入力してはいけない情報、扱えるデータ範囲を明文化しているか |
Power BI semantic modelに対するアクセスでは、Read権限に加え、Row-Level SecurityとColumn-Level Securityが引き続き適用されると説明されています。(Microsoft Learn)
書き込み処理やデータ更新は期待しない
Fabric data agentは、SQL、DAX、KQLの読み取りクエリを生成するもので、作成、更新、削除を行うクエリは生成しないとされています。(Microsoft Learn)
そのため、MCPサーバーとして接続できるからといって、Data agent経由でデータ更新やワークフロー実行を任せる設計にはしないでください。現時点では、データを安全に読み取り、要約し、洞察を得るためのエージェントとして位置づけるのが妥当です。
非構造化ファイルや日本語利用の過信に注意
公式情報では、Fabric data agentはPDF、DOCX、TXTなどの非構造化データをサポートしていないと説明されています。また、現時点では非英語言語をサポートしていないため、最適な性能を得るには質問、指示、例示クエリを英語で用意することが推奨されます。(Microsoft Learn)
日本語圏の組織で導入する場合、ここは重要です。社内利用者が日本語で質問したい場合でも、検証段階では英語の質問セットを用意し、どの程度期待通りに回答できるかを確認しましょう。日本語の業務用語をそのまま投げる前提で全社展開すると、回答精度やデータソース選択でつまずく可能性があります。
よくある失敗と回避策
| 失敗しやすいポイント | 起きる問題 | 回避策 |
|---|---|---|
| Data agentの説明文が短すぎる | AIクライアントがいつ呼び出すべきか判断しにくい | 対象データ、得意な質問、対象外範囲を明記する |
| データソースを広げすぎる | 回答の根拠が曖昧になり、誤ったデータソースを選びやすい | 最初は業務領域を絞ったData agentを作る |
| テナント設定だけ確認して容量を見ない | 容量要件を満たさず利用できない | F2以上またはP1以上など前提条件を確認する |
| 設定直後に検証して失敗と判断する | 反映待ちのため接続できない場合がある | テナント設定反映に最大1時間かかる点を考慮する |
| VS Code接続だけで検証完了にする | 権限外データや曖昧な質問への挙動を見落とす | 権限、対象外質問、大量出力のテストを行う |
| 大量データ抽出に使おうとする | 回答行数・列数制限により期待した一覧が出ない | 集計・要約・探索用途に限定する |
| 本番データでいきなり試す | 機密情報の入力や履歴保存のリスクがある | 開発用データまたは限定された部門データで始める |
| 日本語の質問だけで評価する | 非英語サポートの制限により精度評価が不安定になる | 英語の標準質問セットも用意する |
MCPサーバー化は、Data agentの価値を外部AIワークフローに広げる機能です。しかし、Data agent自体の品質が低いままMCP化すると、問題もそのまま外に広がります。まずData agentの設計を整え、その後にMCP接続を検証する順番が重要です。
導入すべき組織と、まだ様子を見るべき組織
この機能を早期に試す価値が高いのは、すでにMicrosoft FabricでLakehouse、Warehouse、Power BI semantic model、KQL databaseなどを活用しており、開発者やデータチームがVS Code上でAI支援を使っている組織です。特に、データ分析、AIエージェント開発、社内ナレッジ活用を一体で進めたいチームには有効です。
一方、次のような組織は慎重に進めるべきです。
| 状況 | 推奨判断 |
|---|---|
| Fabricのデータ権限設計がまだ整理されていない | 先にワークスペース、データソース、権限を棚卸しする |
| PurviewやDLPの運用が未整備 | 検証環境に限定し、機密データを含めない |
| 日本語のみで高精度なQ&Aを期待している | 英語質問での検証を先に行う |
| 本番業務の自動判断に使いたい | プレビュー段階では避け、補助的な用途に限定する |
| VS Code利用者が限定的 | Fabric内のData agent活用から始める |
導入判断の基準は、「MCPに対応したから使う」ではなく、「既存のData agentを外部AIワークフローから安全に再利用する価値があるか」です。開発者の生産性向上だけでなく、管理者が統制できる範囲で使えるかを同時に判断する必要があります。
管理者・開発者向けチェックリスト
最後に、Microsoft FabricのData agent as MCP serverを検証する前に確認すべき項目を整理します。
| 役割 | 確認項目 | 完了の目安 |
|---|---|---|
| Fabric管理者 | CopilotとAzure OpenAI関連のテナント設定 | 対象グループと容量単位で利用可否を確認済み |
| Fabric管理者 | クロスジオ処理・保存設定 | 組織のリージョン・コンプライアンス要件と照合済み |
| セキュリティ担当 | Purview、DLP、監査、会話履歴 | 機密データの扱いとログ確認方法を整理済み |
| データ管理者 | Data agentのデータソース範囲 | 不要なテーブルやデータソースを除外済み |
| 開発者 | Data agentの説明文 | MCPツールとして用途・対象外範囲が明確 |
| 開発者 | VS CodeのMCP設定 | mcp.jsonまたはMCPサーバーURLで接続確認済み |
| 開発者 | テスト質問セット | 権限、曖昧質問、対象外質問、大量出力を検証済み |
| 業務責任者 | 利用ルール | 使ってよい業務、使ってはいけない業務を明文化済み |
Microsoft FabricのData agent as Model Context Protocol serverは、Fabric上の組織データをAI開発ワークフローに接続しやすくする重要な更新です。最初にやるべきことは、既存のData agentをMCPに接続することではありません。まず、対象データ、権限、説明文、テナント設定、ガバナンスを棚卸しし、開発環境でVS Code接続を小さく検証することです。
安全に始めるなら、1つの業務領域、1つのData agent、限定されたユーザーグループから試しましょう。その結果をもとに、説明文や指示を改善し、管理者が許可できる範囲で段階的に展開するのが、Microsoft FabricのAI/Copilot更新を実務に活かす最短ルートです。
コメント