Qlik MCP-verktyg

Senast uppdaterad: 2026-10-20

Den 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

Åtkomsten till MCP-verktyg kontrolleras med hjälp av dina behörigheter. Du behöver behörigheten Qlik MCP: Tillåten i en anpassad roll för att komma åt Qlik MCP-verktyg från din LLM-klient.

Dessutom, eftersom Qlik MCP-verktyget är auktoriserat som den anslutande användaren, använder det din befintliga användarroll och utrymmesbehörigheter. Du behöver också ha behörighet i Qlik Cloud för att använda funktionerna eller innehållstypen som används av verktygen. Till exempel, om du inte har behörighet att komma åt ursprung i Qlik Cloud, kan du inte använda Qlik MCP-verktyget Qlik hämta ursprung. Beroende på dina behörigheter kan vissa verktyg svara med ingen åtkomst om du inte kan använda funktionen eller kapaciteten i Qlik Cloud.

Verktygstillgängligheten 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 omfattar:

• Hitta applikationer och datamängder

• Inspektera fält och diagrammetadata

• Tillämpa och radera filter

• Skapa ark och diagram

• Hantera styrda tillgångar som ordlistetermer och datprodukter.

Varje verktyg representerar en specifik funktion med väldefinierade indata och utdata.

Tillgängliga Qlik MCP-verktyg

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

Vad verktygen kan åstadkomma var för sig

Appupptäckt och metadata

Använd dessa verktyg för att hitta rätt Qlik analysapp och snabbt förstå vad den innehåller innan du bygger diagram eller tillämpar filter. Denna kategori stöder ett komplett upptäcktsflöde: sök bland Qlik-resurser för att hitta relevanta appar.

Följande verktyg är tillgängliga:

• Qlik_search: Sök efter Qlik resurser (appar, datauppsättningar, dataprodukter, ordlistor, kunskapsbaser, pipelineprojekt, pipelineanslutningar) efter namn eller innehåll.

• Qlik_describe_apps: Hämta omfattande metadata för en app inklusive fält, ägare, publiceringsstatus.

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

• Qlik_list_sheets: Lista alla ark i en app.

• Qlik_get_sheet_details: Hämta 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:

• Använd qlik_search för att hitta applikationer relaterade till ”churn” eller ”kundretention”.

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

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

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

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

Affärsordlista

Denna verktygsuppsättning låter en användare konfigurera och underhålla en styrd affärsordlista från början till slut:

• Skapa en ordlista

• Organisera den med kategorier

• Lägg till och hantera termer (inklusive redigering, borttagning och hantering av livscykelstatus såsom utkast -verifierad-föråldrad)

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

Följande verktyg är tillgängliga:

• Qlik_create_glossary: Skapa en ny affärsordlista

• Qlik_get_full_glossary_export: Hämta 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 inom 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, föråldrad). Endast en förvaltare kan verifiera en term. När termen har verifierats kan endast en förvaltare ändra termen

  Anteckning om information

  Denna åtgärd har tre statusar:

  • draft: Termen är i utkastläge.

  • verifierad: Termen har verifierats av en förvaltare.

  • föråldrad: Termen är föråldrad 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 för till exempel resource_id eller resource_type.

  • Batchläge: Ange en lista med länksordböcker via parametern 'links'.

  Anteckning om information

  När du länkar till en underresurs måste alla tre underresursfälten (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 affärsordlista för vår försäljningsdomän. Skapa en ordlista med namnet ‘Sales Glossary’ och lägg till kategorierna ‘Revenue’, ‘Customers’ och ‘Pipeline’. Skapa sedan termer för ‘Annual Recurring Revenue (ARR)’ och ‘Customer Churn’ med radera definitioner och taggar, till exempel finance och sales-ops, ställ in dem som utkast och länka varje term till relevanta datauppsättningsfält och KPI-huvudobjekt."

Datauppsättningar och datakvalitet

Dessa verktyg hjälper en användare att förstå, validera och styra datauppsättningar genom att inspektera vad datauppsättningen är (metadata och medlemskap i datprodukter), vad den innehåller (schema), hur data ser ut (profileringsstatistik – distributioner och ett snabbt radurval). Verktygen stöder även förvaltningsarbetsflöden: förbättra dokumentation av datamängder (namn-beskrivning) och utlösa och övervaka beräkningar av datakvalitet för att uppdatera kvalitetsmått över tid.

Följande verktyg är tillgängliga:

• Qlik_get_dataset: Ladda metadata för en datamängd inklusive förtroendepoäng

• Qlik_get_dataset_schema: Ladda schemat (kolumndefinitioner) för en datamängd

• Qlik_get_dataset_profile: Ladda profildata (statistik, distributioner) för en datamängd

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

• Qlik_get_dataset_freshness: Hämta tidsmarkör för senaste aktualisering av en datauppsättning

• Qlik_get_dataset_trust_score: Hämta förtroendepoängen för en datauppsättning

• Qlik_get_dataset_memberships: Hämta medlemskap i dataprodukter för en datauppsättning

• Qlik_update_dataset_metadata: Uppdatera namn och beskrivning för en datauppsättning

• Qlik_update_dataset_quality: Begär en datakvalitetsberäkning för en datamängd

• Qlik_get_dataset_quality_computation_status: Kontrollera status för en kvalitetsberäkning

Exempel på prompt:

“Bedöm beredskapen hos vår datauppsättning Kundorder för en ny instrumentpanel. Visa dess metadata och aktuella förtroendepoäng, 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 avvikande värden, och om kvalitetsmåtten verkar inaktuella, starta en datakvalitetsberäkning och fortsätt kontrollera jobbstatusen tills det slutförs. Slutligen uppdaterar du datasetbeskrivningen 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 val för att verifiera att värden finns.

  Anteckning om varning

  Qlik utför ALLA beräkningar, därför:

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

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

  • Använd alltid lämpliga filter-val 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 det här verktyget eller qlik_search_field_values() INNAN du skapar urvalsfilter 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 värden finns. Detta förhindrar fel från obefintliga filtervärden, särskilt viktigt för: år, datum, valutakoder, produktnamn.

  Exempelflöde 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 sidindelad data från en befintlig diagramvisualisering

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

Exempel på prompt:

”Hjälp mig undersöka varför intäkterna för region Nord sjönk förra månaden. Kontrollera först det befintliga diagrammet ’Revenue by Region’: visa dess metadata (dimensioner, mått, filter, radantal) och hämta sedan diagramdata för de senaste två månaderna. Innan jag tillämpar några urval, lista de unika 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 Norr jämfört med andra regioner, och markera vilka produktkategorier som bidrog mest till förändringen.”

Dataprodukter

Dessa verktyg hanterar hela livscykeln för en datprodukt som ett styrt, delbart paket med datamängder:

1. Skapa den.

2. Inspektera dess metadata och dokumentation.

3. Underhålla dess definition (namn, beskrivning och vilka datamängder den innehåller)

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

De stöder också städning vid livscykelns slut genom att ta bort en datprodukt när den inte längre behövs.

Följande verktyg är tillgängliga:

• Qlik_create_data_product: Skapa en ny datprodukt

• Qlik_get_data_product: Hämta metadata för en specifik datprodukt

• Qlik_get_data_product_documentation: Hämta markdown-dokumentation för en datprodukt

• Qlik_update_data_product: Uppdatera egenskaper (namn, beskrivning, datamängder) för en datprodukt

• Qlik_update_data_product_space: Flytta en datprodukt till ett annat utrymme

• Qlik_update_activate_data_product: Aktivera en datprodukt i ett specifikt utrymme

• Qlik_update_deactivate_data_product: Inaktivera en datprodukt

• Qlik_delete_data_product: Ta bort en datprodukt

Exempel på prompt:

“Skapa en dataprodukt med namnet ‘Sales Analytics – Curated’ med en radera 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 ’Analytics’-utrymme, aktivera den där för bredare åtkomst, och om vi senare ersätter den med en ny version, inaktivera den gamla. Slutligen, om produkten är helt avvecklad och inte längre refereras till, tar du bort den.”

Ursprung

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

• Påverkansanalys.

• Felsökning av oväntade siffror.

• Styrning eller granskning.

• Identifiera de verkliga källorna som matar en rapport eller datamängd.

Följande verktyg är tillgängliga:

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

Exempel på prompt:

“Visa mig hela uppströmsursprunget för datauppsättningen Customer Orders. Börja från datamängden och gå bakåt rekursivt tills du når de ursprungliga källsystemen. För varje steg, sammanfatta vad den direkta överordnade är och notera eventuella viktiga transformeringar eller mellanliggande datauppsättningar eller berörda appar. Berätta sedan för mig vilken uppströmskälla som med störst sannolikhet påverkar fältet net_amount om den ändras.”

Huvudobjekt (dimensioner och mått)

Dessa verktyg hjälper användare att standardisera och återanvända viktig affärslogik i en app genom att arbeta med huvuddimensioner (biblioteksdimensioner) och mått. Du kan inventera vad som redan finns tillgängligt (för att undvika kopior 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 måttjustering.

Du kan uppdatera dina masterobjekt med nya definitioner, vilket möjliggör snabba förfiningar. Du kan även ta bort huvudelement. Du kan till exempel be din LLM-klient att rensa bort eventuella 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 kopierar något. Skapa sedan en ny biblioteksdimension ’Customer Segment’ baserad på lämpligt segmentfält, och skapa ett återanvändbart mått ’Gross Margin %’ med hjälp av vår standarddefinition (bruttomarginal dividerat med intäkter, formaterat som procent). När du har skapat dem, tala om för mig de exakta namnen på originalobjekten som jag ska referera till när jag skapar diagram så att alla instrumentpaneler använder samma logik.”

Val och filtrering

Dessa verktyg styr det interaktiva filtertillståndet för en Qlik app:

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

• Inspektera vilka filter som för närvarande är aktiva.

• Rensa val antingen globalt eller för ett specifikt fält.

Tillsammans stöder de guidade analysflöden, reproducerbara utredningssteg.

Följande verktyg är tillgängliga:

• Qlik_select_values: Tillämpa val (filter) på fält – stöder exakta värden och mönstermatchning

  Anteckning om information

  När du ska använda val istället för mängdanalys:

  • 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 mängdanalys i uttryck

  Val kvarstår över alla åtgärder tills de raderas – de påverkar ALLA efterföljande datahämtningar. Som bästa praxis, för enskilda analytiska frågor, föredra mängdanalys 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 de värden du vill välja finns. Att välja icke-existerande värden kommer att misslyckas tyst.

  • De returnerade urvalen utgör det faktiska nuvarande tillämpade urvalet, och detta 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 val – alla eller ett specifikt fält

  Anteckning om varningDe returnerade valen är de faktiska aktuella tillämpade valen och de är sanningen. Fält där val misslyckades, till exempel att värden inte fanns, kommer inte att visas i den returnerade listan.

• Qlik_get_current_selections: Hämta aktuella aktiva val eller filter i appen

Exempel på prompt:

“Konfigurera min analyskontext för appen Executive Sales: 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 valen så att jag kan bekräfta vad som är aktivt. Efter att jag har granskat KPI:erna, radera endast urvalet Produktkategori (behåll År och Region) och radera slutligen alla urval för att återställa appen till ett ofiltrerat tillstånd.”

Visualiseringar och ark

Dessa verktyg låter användare sätta ihop 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 filterrutor på arket så att användare interaktivt kan filtrera analysen.

Tillsammans täcker de det grundläggande arbetsflödet för att bygga en användbar, självbetjäningsinstrumentpanelssida.

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, osv.) till ett ark

  Anteckning om information

  • Planera din frågestruktur innan du gör verktygsanrop.

  • Testa förekomsten av datumvärden med qlik_search_field_values eller qlik_get_field_values först

  • Använd mängdanalys över val på appnivå för engångsfrågor

• Qlik_add_filter: Lägg till en filterruta i ett ark för användardriven filtrering

Exempel på prompt:

“Skapa ett nytt ark med namnet ‘Försäljningsöversikt’ i vår analysapp. Lägg till en KPI för totala intäkter och totala beställningar, ett linjediagram som visar intäkter per månad och ett stapeldiagram som visar intäkter per region (sorterat fallande). Lägg sedan till en filterpanel med År, Region och Produktkategori så att användarna kan anpassa vyn. Se till att visualiseringarna har tydliga titlar och att arket är redo för en ledningsmålgrupp.”