Qlik MCP-verktyg

Qlik MCP-servern innehåller verktyg som låter din LLM utföra åtgärder åt dig i din Qlik Cloud-klientorganisation. Du kan anpassa din upplevelse genom att välja vilka Qlik MCP-verktyg du vill ha tillgängliga.

Åtkomstbehörigheter och Qlik MCP-verktyg

Åtkomst till MCP-verktyg styrs av dina behörigheter. Du behöver behörigheten Qlik MCP: Allowed i en anpassad roll för att få åtkomst till Qlik MCP-verktyg från din LLM-klient.

Eftersom Qlik MCP-verktyget dessutom är auktoriserat som den anslutande användaren, använder det din befintliga användarroll och dina utrymmesbehörigheter. Du måste också ha behörighet i Qlik Cloud för att använda de funktioner eller den innehållstyp som används av verktygen. Om du till exempel inte har behörighet att få åtkomst till ursprung i Qlik Cloud, kan du inte använda Qlik MCP-verktyget Qlik get lineage. Beroende på dina behörigheter kan vissa verktyg svara med ingen åtkomst om du inte kan använda kapaciteten eller funktionen i Qlik Cloud.

Verktygens tillgänglighet kan också begränsas av din klientorganisations licensiering.

Välja Qlik MCP-verktyg

Qlik MCP-verktygen är en katalog med specialbyggda åtgärder som en LLM kan anropa för att utföra åtgärder i din Qlik Cloud-klientorganisation. Dessa åtgärder inkluderar:

• Hitta applikationer och datauppsättningar

• Inspektera fält och diagrammetadata

• Tillämpa och radera filter

• Skapa ark och diagram

• Hantera styrda tillgångar som ordlistetermer och dataprodukter.

Varje verktyg representerar en specifik kapacitet med väldefinierade in- och utdata.

Tillgängliga Qlik MCP-verktyg

Tabellen nedan visar en översikt över aktuella Qlik MCP-verktygskategorier och verktygsnamn.

Vad verktygen kan åstadkomma

App-upptäckt och metadata

Använd dessa verktyg för att hitta rätt Qlik-analysapplikation och snabbt förstå vad som finns i den innan du bygger diagram eller tillämpar filter. Denna kategori stöder ett upptäcktsflöde från början till slut: sök över Qlik-resurser för att hitta relevanta applikationer.

Följande verktyg är tillgängliga:

• Qlik_search: Sök efter Qlik-resurser (applikationer, datauppsättningar, dataprodukter, ordlistor) efter namn eller innehåll.

• Qlik_describe_apps: Få omfattande metadata för en applikation inklusive fält, ägare, publiceringsstatus.

• Qlik_get_fields: Lista alla datafält som är tillgängliga i en applikation för användning som dimensioner.

• Qlik_list_sheets: Lista alla ark i en app.

• Qlik_get_sheet_details: Få information om ett specifikt ark inklusive alla diagram och deras typer.

• Qlik_search_spaces: Sök efter utrymmen baserat på en frågesträng.

Exempel på prompt:

"Jag behöver analysera kundbortfall." Denna enkla prompt gör det möjligt att:

• Använda qlik_search för att hitta applikationer relaterade till ”bortfall” eller ”kundbehållning”.

• För bästa matchning, köra qlik_describe_app för att bekräfta att det är rätt applikation och se dess metadata (ägare och publiceringsstatus).

• Använda qlik_get_fields för att lista tillgängliga fält och identifiera kandidatdimensioner och mått som Customer, ChurnFlag, SubscriptionType, Region och ChurnDate.

• Använda qlik_list_sheets för att se vilka instrumentpaneler som redan finns.

• För ett lovande ark, till exempel ”Churn Overview”, anropa qlik_get_sheet_details och sammanfatta vilka diagram som redan är tillgängliga och vilka luckor som återstår.

Företagsordlista

Denna uppsättning verktyg låter en användare konfigurera och underhålla en styrd företagsordlista från början till slut:

• Skapa en ordlista

• Organisera den med kategorier

• Lägga till och kurera termer (inklusive redigering, borttagning och hantering av livscykelstatus som utkast - verifierad - inaktuell)

• Koppla dessa termer till verkliga analystillgångar (applikationer, datauppsättningar, fält, originalobjekt).

Följande verktyg är tillgängliga:

• Qlik_create_glossary: Skapa en ny företagsordlista

• Qlik_get_full_glossary_export: Få en komplett ordlista med alla termer, kategorier, länkar (kostsam åtgärd)

• Qlik_get_glossary_categories: Hämta alla kategorier för en ordlista

• Qlik_create_glossary_category: Skapa en ny kategori i en ordlista

• Qlik_search_glossary_terms: Sök efter termer i en ordlista

• Qlik_get_glossary_term: Hämta en specifik term från en ordlista

• Qlik_create_glossary_term: Skapa en ny ordlisteterm med beskrivning, taggar, relationer

• Qlik_update_glossary_term: Ändra en befintlig ordlisteterm

• Qlik_delete_glossary_term: Ta bort en ordlisteterm

• Qlik_update_term_status: Uppdatera termstatus (utkast, verifierad, inaktuell). Endast en förvaltare kan verifiera en term. När termen är verifierad kan endast en förvaltare ändra termen

  Anteckning om information

  Denna åtgärd har tre statusar:

  • draft: Termen är i utkastläge.

  • verified: Termen har verifierats av en förvaltare.

  • deprecated: Termen är inaktuell och bör inte användas.

  Statusnamnen är skiftlägeskänsliga och måste anges exakt som ovan.

• Qlik_get_glossary_term_links: Hämta resurser länkade till en ordlisteterm

  Denna funktion stöder två lägen:

  • Enkellänksläge: Ange individuella parametrar, till exempel resource_id eller resource_type.

  • Batchläge: Ange en lista med länkordböcker via parametern 'links'

  Anteckning om information

  När du länkar till en underresurs måste alla tre underresursfält (subResourceId, subResourceName och subResourceType) anges tillsammans för varje länk.

• Qlik_create_glossary_term_links: Länka en term till appar, datauppsättningar, fält, originalobjekt

Exempel på prompt:

"Hjälp mig att bygga och styra en företagsordlista för vår försäljningsdomän. Skapa en ordlista som heter 'Sales Glossary', lägg till kategorierna 'Revenue', 'Customers' och 'Pipeline'. Skapa sedan termer för 'Annual Recurring Revenue (ARR)' och 'Customer Churn' med tydliga definitioner och taggar, till exempel finance och sales-ops, ställ in dem på utkast och länka varje term till relevanta datauppsättningsfält och KPI-originalobjekt."

Datauppsättningar och datakvalitet

Dessa verktyg hjälper en användare att förstå, validera och styra datauppsättningar genom att inspektera vad datauppsättningen är (metadata och dataproduktmedlemskap), vad den innehåller (schema), hur datan ser ut (profileringsstatistik-distributioner och ett snabbt radurval). Verktygen stöder också förvaltningsarbetsflöden: förbättra dokumentation för datauppsättningar (namn-beskrivning) och utlösa och övervaka datakvalitetsberäkningar för att uppdatera kvalitetsmått över tid.

Följande verktyg är tillgängliga:

• Qlik_get_dataset: Läs in metadata för en datauppsättning inklusive tillförlitlighetspoäng

• Qlik_get_dataset_schema: Läs in schemat (kolumndefinitioner) för en datauppsättning

• Qlik_get_dataset_profile: Läs in profildata (statistik, distributioner) för en datauppsättning

• Qlik_get_dataset_sample: Läs in de första 10 raderna i en datauppsättning för förhandsgranskning

• Qlik_get_dataset_freshness: Hämta senast uppdaterade tidsmarkör för en datauppsättning

• Qlik_get_dataset_trust_score: Hämta tillförlitlighetspoängen för en datauppsättning

• Qlik_get_dataset_memberships: Hämta dataproduktmedlemskap för en datauppsättning

• Qlik_update_dataset_metadata: Uppdatera namn och beskrivning för en datauppsättning

• Qlik_update_dataset_quality: Begär en datakvalitetsberäkning för en datauppsättning

• Qlik_get_dataset_quality_computation_status: Kontrollera status för en kvalitetsberäkning

Exempel på prompt:

”Bedöm beredskapen för vår Customer Orders-datauppsättning för en ny instrumentpanel. Visa mig dess metadata och aktuella tillförlitlighetspoäng, bekräfta den senaste uppdateringstiden och lista vilka dataprodukter den tillhör. Läs sedan in schemat och ett urval på 10 rader för att rimlighetskontrollera nyckelfält som order_date, customer_id och net_amount. Kör en datauppsättningsprofil för att upptäcka saknade värden och outliers, och om kvalitetsmåtten ser inaktuella ut, utlös en datakvalitetsberäkning och fortsätt kontrollera jobbstatusen tills den är klar. Uppdatera slutligen datauppsättningens beskrivning för att dokumentera kända begränsningar och rekommenderad användning.”

Datautforskning och analys

Dessa verktyg stöder snabb och ad hoc-undersökning av data och befintligt analysinnehåll utan att kräva att användaren permanent bygger nya visualiseringar. Du kan skapa tillfälliga beräkningar eller frågeobjekt för att svara på ”tänk om”-frågor, inspektera fält genom att lista distinkta värden eller söka efter specifika värden.

Följande verktyg är tillgängliga:

• Qlik_create_data_object: Skapa tillfälliga beräkningsobjekt för ad hoc-analysfrågor

  Anteckning om information

  Använd get_field_values() eller search_field_values() innan du tillämpar urval för att verifiera att värdena finns.

  Anteckning om varning

  Qlik utför ALLA beräkningar, därför:

  • Aggregera, summera, beräkna medelvärde eller utför aldrig beräkningar på returnerad data: värdena är slutgiltiga.

  • För olika beräkningar, anropa verktyget igen med nya uttryck.

  • Tillämpa alltid lämpliga filter-urval för att begränsa datastorleken och förbättra prestandan.

• Qlik_get_field_values: Hämta distinkta värden för ett specifikt fält (använd före filtrering)

  Anteckning om information

  För fält med hög kardinalitet, använd alltid qlik_search_field_values() istället

  Anteckning om varning

  Använd detta verktyg eller qlik_search_field_values() INNAN du skapar urval-filter för att verifiera att värdena finns. Detta hjälper till att undvika fel när du tillämpar filter med icke-existerande värden.

• Qlik_search_field_values: Sök efter specifika värden över fält (verifiera före set-analys)

  Anteckning om varning

  Innan du skapar dataobjekt med set-analys eller urval: Använd qlik_search_field_values för att verifiera att värdena finns. Detta förhindrar fel från icke-existerande filtervärden, särskilt viktigt för: år, datum, valutakoder, produktnamn.

  Exempel på arbetsflöde för bästa praxis:

  1. qlik_search_field_values(fieldName="payment_year", searchTerms=["2022"])

  2. Verifiera att "2022" finns i resultaten

  3. Skapa dataobjekt med {payment_year={2022}.

• Qlik_get_chart_data: Hämta paginerad data från en befintlig diagramvisualisering

• Qlik_get_chart_info: Hämta metadata om ett diagram utan att hämta dess data

Exempel på prompt:

”Hjälp mig att undersöka varför intäkterna i region North sjönk förra månaden. Kontrollera först det befintliga diagrammet 'Revenue by Region': visa mig dess metadata (dimensioner, mått, filter, radantal) och hämta sedan diagramdatan för de senaste två månaderna. Innan jag tillämpar några urval, lista de distinkta värdena för Region och sök i fältvärdena för att bekräfta om 'North', 'NORTH' eller 'Northern' används. Skapa sedan en tillfällig beräkning för att jämföra intäkter och marginal månad för månad för North jämfört med andra regioner, och markera vilka produktkategorier som bidrog mest till förändringen.”

Dataprodukter

Dessa verktyg hanterar hela livscykeln för en dataprodukt som ett styrt, delbart paket med datauppsättningar:

1. Skapa den.

2. Inspektera dess metadata och dokumentation.

3. Underhåll dess definition (namn, beskrivning och vilka datauppsättningar den innehåller)

4. Kontrollera var och om den är tillgänglig genom att flytta den mellan utrymmen och aktivera eller inaktivera den.

De stöder också rensning vid slutet av livscykeln genom att ta bort en dataprodukt när den inte längre behövs.

Följande verktyg är tillgängliga:

• Qlik_create_data_product: Skapa en ny dataprodukt

• Qlik_get_data_product: Hämta metadata för en specifik dataprodukt

• Qlik_get_data_product_documentation: Hämta markdown-dokumentation för en dataprodukt

• Qlik_update_data_product: Uppdatera egenskaper (namn, beskrivning, datauppsättningar) för en dataprodukt

• Qlik_update_data_product_space: Flytta en dataprodukt till ett annat utrymme

• Qlik_update_activate_data_product: Aktivera en dataprodukt i ett specifikt utrymme

• Qlik_update_deactivate_data_product: Inaktivera en dataprodukt

• Qlik_delete_data_product: Ta bort en dataprodukt

Exempel på prompt:

”Skapa en dataprodukt som heter 'Sales Analytics – Curated' med en tydlig beskrivning och inkludera dessa datauppsättningar: Orders, Customers och Products. Visa mig sedan dataproduktens metadata och hämta dess markdown-dokumentation så att jag kan granska vad konsumenterna kommer att se. Uppdatera beskrivningen för att lägga till användningsvägledning och lägg även till datauppsättningen Returns. Flytta dataprodukten till vårt delade utrymme 'Analytics', aktivera den där för bredare åtkomst, och om vi senare ersätter den med en ny version, inaktivera den gamla. Slutligen, om produkten är helt pensionerad och inte längre refereras till, ta bort den.”

Ursprung

Detta verktyg låter en användare spåra var data kommer ifrån och hur den flödar genom att hämta uppströms ursprung för en datauppsättning eller app. Eftersom varje anrop bara returnerar ett steg bakåt, upprepar du det vanligtvis rekursivt för att bygga hela kedjan. Detta är användbart för:

• Konsekvensanalys.

• Felsökning av oväntade siffror.

• Styrning eller revision.

• Identifiera de sanna källorna som matar en rapport eller datauppsättning.

Följande verktyg är tillgängliga:

• Qlik_get_lineage: Läs in ursprungshistorik för en datauppsättning eller app (anropa rekursivt för hela kedjan)

Exempel på prompt:

”Visa mig hela uppströms ursprung för datauppsättningen Customer Orders. Börja från datauppsättningen och gå tillbaka rekursivt tills du når de ursprungliga källsystemen. För varje steg, sammanfatta vad den omedelbara föräldern är och notera eventuella viktiga transformationer eller mellanliggande datauppsättningar eller appar som är involverade. Berätta sedan för mig vilken uppströmskälla som mest sannolikt kommer att påverka fältet net_amount om det ändras.”

Originalobjekt (dimensioner och mått)

Dessa verktyg hjälper användare att standardisera och återanvända viktig affärslogik i en app genom att arbeta med original- (bibliotek) dimensioner och mått. Du kan inventera vad som redan är tillgängligt (för att undvika dubbletter och uppmuntra konsekvens), och du kan skapa nya återanvändbara dimensioner och mått så att diagram över flera ark använder samma fältdefinitioner och beräkningsuttryck, vilket förbättrar styrning, underhållbarhet och mätvärdesjustering.

Du kan uppdatera dina originalobjekt med nya definitioner, vilket möjliggör snabba förfiningar. Du kan också ta bort originalobjekt. Du kan till exempel be din LLM-klient att rensa upp alla originalobjekt som inte används i en applikation.

Följande verktyg är tillgängliga:

• Qlik_list_dimensionst: Lista alla biblioteksdimensioner som är tillgängliga i appen

• Qlik_create_dimension: Skapa en återanvändbar biblioteksdimension

• Qlik_update_dimension: Uppdatera en befintlig biblioteksdimension i en Qlik-app

• Qlik_delete_dimension: Ta bort en biblioteksdimension från en Qlik-app

• Qlik_list_measures: Lista alla biblioteksmått som är tillgängliga i appen

• Qlik_create_measure: Skapa ett återanvändbart biblioteksmått med uttryck

• Qlik_update_measure: Uppdatera ett befintligt biblioteksmått i en Qlik-app

• Qlik_delete_measure: Ta bort ett biblioteksmått från en Qlik-app

Exempel på prompt:

”Hjälp mig att standardisera mätvärden i vår Sales Performance-app. Lista först de befintliga biblioteksdimensionerna och måtten så att vi inte duplicerar något. Skapa sedan en ny biblioteksdimension 'Customer Segment' baserat på lämpligt segmentfält, och skapa ett återanvändbart mått 'Gross Margin %' med vår standarddefinition (bruttomarginal dividerat med intäkter, formaterat som en procentandel). Efter att ha skapat dem, berätta för mig de exakta originalobjektsnamnen jag bör referera till när jag bygger diagram så att alla instrumentpaneler använder samma logik.”

Urval och filtrering

Dessa verktyg styr det interaktiva filtertillståndet för en Qlik-app:

• Tillämpa urval på ett eller flera fält (med exakta värden eller mönster-predikat-liknande matchning).

• Inspektera vilka filter som för närvarande är aktiva.

• Radera urval antingen globalt eller för ett specifikt fält.

Tillsammans stöder de guidade analysflöden, reproducerbara undersökningssteg.

Följande verktyg är tillgängliga:

• Qlik_select_values: Tillämpa urval (filter) på fält - stöder exakta värden och mönstermatchning

  Anteckning om information

  När du ska använda urval framför set-analys:

  • När du vill filtrera hela appen eller sessionen för flera efterföljande åtgärder, använd select_values().

  • När du behöver ett engångsfilter för en specifik beräkning, använd set-analys i uttryck

  Urval kvarstår över alla åtgärder tills de raderas, de påverkar ALLA efterföljande datahämtningar. Som bästa praxis, för enskilda analytiska frågor, föredra set-analys framför urval för att undvika omkostnader för tillståndshantering.

  Anteckning om varning

  • Använd qlik_get_field_values() eller qlik_search_field_values() först för att verifiera att värdena du vill välja finns. Att välja icke-existerande värden kommer att misslyckas i tysthet.

  • De returnerade urvalen är det faktiska aktuella tillämpade urvalet och är sanningen. Alla fält där urvalet misslyckades, till exempel: där värden inte fanns, kommer inte att visas i den returnerade listan.

• Qlik_clear_selections: Radera urval - alla eller specifikt fält

  Anteckning om varningDe returnerade urvalen är det faktiska aktuella tillämpade urvalet och de är sanningen. Alla fält där urvalet misslyckades, till exempel om värden inte fanns, kommer inte att visas i den returnerade listan.

• Qlik_get_current_selections: Hämta för närvarande aktiva urval eller filter i appen

Exempel på prompt:

”Ställ in min analyskontext för Executive Sales-appen: välj Year = 2025 och Region = EMEA, och tillämpa ett mönsterbaserat urval på Product Category för att endast inkludera kategorier som börjar med 'Cloud'. Visa mig sedan de aktuella urvalen så att jag kan bekräfta vad som är aktivt. Efter att jag har granskat KPI:erna, radera endast urvalet för Product Category (behåll Year och Region), och radera slutligen alla urval för att återställa appen till ett ofiltrerat tillstånd.”

Visualisering och ark

Dessa verktyg låter användare montera instrumentpaneler i en Qlik-applikation:

• Skapa ett nytt ark som en arbetsyta.

• Lägg till visualiseringar (diagram, tabeller, KPI:er) konfigurerade med dimensioner, mått och visningsalternativ.

• Placera filterpaneler på arket så att användare interaktivt kan dela upp analysen.

Tillsammans täcker de det grundläggande arbetsflödet för att bygga en användbar instrumentpanelssida för självbetjäning.

Följande verktyg är tillgängliga:

• Qlik_create_sheet: Skapa ett nytt tomt ark (instrumentpanel) i appen

• Qlik_add_chart: Lägg till en visualisering (stapel, linje, cirkel, tabell, KPI, etc.) på ett ark

  Anteckning om information

  • Planera din frågestruktur innan du gör verktygsanrop.

  • Testa datum-värde-existens med qlik_search_field_values eller qlik_get_field_values först

  • Använd set-analys framför urval på appnivå för engångsfrågor

• Qlik_add_filter: Lägg till en filterpanel på ett ark för användardriven filtrering

Exempel på prompt:

”Skapa ett nytt ark som heter 'Sales Overview' i vår analysapp. Lägg till en KPI för Total Revenue och Total Orders, ett linjediagram som visar Revenue by Month, och ett stapeldiagram som visar Revenue by Region (sorterat fallande). Lägg sedan till en filterpanel med Year, Region och Product Category så att användare kan justera vyn. Se till att visualiseringarna har tydliga titlar och att arket är redo för en ledningspublik.”