Qlik MCP-verktyg

Qlik MCP-servern innehåller verktyg som gör att din LLM kan 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: Tillåten i en anpassad roll för att få åtkomst till Qlik MCP-verktyg från din LLM-klient.

Eftersom Qlik MCP-verktyget auktoriseras som den anslutande användaren använder det dessutom dina befintliga användarroller och utrymmebehörigheter. Du måste också ha behörighet i Qlik Cloud för att använda de funktioner eller den innehållstyp som verktygen använder. Om du till exempel inte har behörighet att få åtkomst till 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 egenskapen 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 datamängder

• Granska fält och metadata för diagram

• Tillämpa och radera filter

• Skapa ark och diagram

• Hantera styrda tillgångar som ordlistetermer och dataprodukter.

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

Tillgängliga Qlik MCP-verktyg

Tabellen nedan visar en översikt över aktuella kategorier och verktygsnamn för Qlik MCP-verktyg.

Vad varje verktyg kan åstadkomma

Appidentifiering och metadata

Använd dessa verktyg för ått hitta rätt Qlik-analysapplikation och snabbt förstå vad den innehåller innan du bygger diagram eller tillämpar filter. Denna kategori stöder ett heltäckande identifieringsflöde: sök i Qlik-resurser för att hitta relevanta applikationer.

Följande verktyg är tillgängliga:

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

• Qlik_describe_apps: Hämta 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: Hämta information om ett specifikt ark, inklusive alla diagram och deras typer.

• Qlik_search_spaces: Sök efter utrymmen baserat på en söksträng.

Exempel på prompt:

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

• Använda qlik_search för att hitta applikationer relaterade till ”churn” eller ”customer retention”.

• 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.

Affärsordlista

Med den här uppsättningen verktyg kan en användare konfigurera och underhålla en styrd affärsordlista 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, datamängder, fält, originalobjekt).

Följande verktyg är tillgängliga:

• Qlik_create_glossary: Skapa en ny affärsordlista

• Qlik_get_full_glossary_export: Hämta en fullständig 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 dataförvaltare (steward) kan verifiera en term. När termen har verifierats kan endast en dataförvaltare ändra termen

  Anteckning om information

  Denna åtgärd har tre statusar:

  • draft: Termen är i utkaststatus.

  • verified: Termen har verifierats av en dataförvaltare.

  • deprecated: Termen är inaktuell och bör inte användas.

  Statusnamnen är skiftlägeskänsliga och måste anges exakt enligt ovan.

• Qlik_get_glossary_term_links: Hämta resurser länkade till en ordlisteterm

  This function supports two modes:

  • Enkelt länkläge: Ange enskilda 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 underresursfälten (subResourceId, subResourceName, och subResourceType) anges tillsammans för varje länk.

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

Exempel på prompt:

"Hjälp mig att bygga och styra en affärsordlista för vår säljdomän. 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, sätt dem till utkast och länka varje term till relevanta fält i datamängden och KPI-originalobjekten."

Datamängder och datakvalitet

Dessa verktyg hjälper en användare att förstå, validera och styra datamängder genom att granska vad datamängden är (metadata och medlemskap i dataprodukter), vad den innehåller (schema), hur data ser ut (profileringsstatistik-distributioner och ett snabbt radprov). Verktygen stöder också arbetsflöden för dataförvaltning: förbättra dokumentation av datamängder (namn-beskrivning) samt utlösa och övervaka datakvalitetsberäkningar för att uppdatera kvalitetsmått över tid.

Följande verktyg är tillgängliga:

• Qlik_get_dataset: Läs in metadata för en datamängd inklusive tillförlitlighetspoäng

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

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

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

• Qlik_get_dataset_freshness: Hämta tidsmarkör för senaste aktualisering av en datamängd

• Qlik_get_dataset_trust_score: Hämta tillförlitlighetspoäng för en datamängd

• Qlik_get_dataset_memberships: Hämta medlemskap i dataprodukter för en datamängd

• Qlik_update_dataset_metadata: Uppdatera namn och beskrivning för en datamängd

• 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 för vår datamängd Customer Orders för en ny instrumentpanel. Visa mig dess metadata och aktuella tillförlitlighetspoäng, bekräfta senaste uppdateringstid och lista vilka dataprodukter den tillhör. Läs sedan in schemat och ett prov på 10 rader för att göra en rimlighetskontroll av nyckelfält som order_date, customer_id och net_amount. Kör en datamängdsprofil för att upptäcka saknade värden och outliers, och om kvalitetsmåtten verkar inaktuella, utlös en datakvalitetsberäkning och fortsätt att kontrollera jobbstatusen tills den är klar. Slutligen uppdaterar du beskrivningen av datamängden för att dokumentera kända begränsningar och rekommenderad användning.”

Datautforskning och analys

Dese verktyg stöder snabb och ad-hoc-undersökning av data och befintligt analysinnehåll utan att användaren behöver bygga nya visualiseringar permanent. Du kan skapa tillfälliga beräkningar eller frågeobjekt för att besvara ”tänk om”-frågor, granska fält genom att lista unika 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 aldrig medelvärde eller utför beräkningar på returnerade data: värdena är slutgiltiga.

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

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

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

  Anteckning om information

  För fält med hög kardinalitet ska du alltid använda 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 värden som inte finns.

• Qlik_search_field_values: Sök efter specifika värden i 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 filtervärden som inte finns, vilket är 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 sidnumrerade 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 för region Nord sjönk förra månaden. Kontrollera först det befintliga diagrammet ”Revenue by Region”: visa mig 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 Nord jämfört med andra regioner, och lyft fram vilka produktkategorier som bidrog mest till förändringen.”

Dataprodukter

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

1. Skapa den.

2. Granska dess metadata och dokumentation.

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

4. Styra 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, datamängder) 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 datamängder: 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 datamängden 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

Med det här verktyget kan en användare spåra varifrån data kommer och hur de flödar genom att hämta uppströms ursprung för en datamängd eller app. Eftersom varje anrop endast 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 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 det fullständiga uppströms ursprunget för datamängden Customer Orders. Börja från datamängden och gå rekursivt bakåt tills du når de ursprungliga källsystemen. För varje steg sammanfattar du vad den omedelbara överordnade är och noterar eventuella viktiga transformeringar eller mellanliggande datamängder eller appar som är inblandade. Berätta sedan vilken uppströmskälla som mest sannolikt påverkar 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 originaldimensioner (biblioteksdimensioner) och mått. Du kan inventera vad som redan finns tillgängligt (för att undvika dubbletter och uppmuntra till konsekvens), och du kan skapa nya återanvändbara dimensioner och mått så att diagram på flera ark använder samma fältdefinitioner och beräkningsuttryck, vilket förbättrar styrning, underhåll och måttjustering.

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 to rensa bort 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 mått i vår app Sales Performance. Lista först befintliga biblioteksdimensioner och mått så att vi inte kopierar 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 procent). När du har skapat dem, berätta för mig de exakta namnen på originalobjekt som jag ska 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 mönsterpredikatstil).

• Granska vilka filter som är aktiva för närvarande.

• Radera urval antingen globalt eller för ett specifikt fält.

Tillsammans stöder de guidade analysflöden och 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 istället för set-analys:

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

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

  Urval kvarstår under alla åtgärder tills de raderas och de påverkar ALLA efterföljande datahämtningar. Som bästa praxis för enstaka analytiska frågor bör du föredra set-analys framför urval för att avvika omkostnader för tillståndshantering.

  Anteckning om varning

  • Använd qlik_get_field_values() eller qlik_search_field_values() först för verifiera att de värden du vill välja finns. Om du väljer värden som inte finns misslyckas det utan felmeddelande.

  • De returnerade urvalen är de faktiska aktuella tillämpade urvalen som gäller. Eventuella 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 specifika fält

  Anteckning om varningDe returnerade urvalen är de faktiska aktuella tillämpade urvalen som gäller. Eventuella fält där urvalet misslyckades, till exempel där värden inte fanns, kommer inte att visas i den returnerade listan.

• Qlik_get_current_selections: Hämta aktiva urval eller filter i appen

Exempel på prompt:

“Konfigurera mitt analyssammanhang 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 urvalen så att jag kan bekräfta vad som är aktivt. När jag har granskat KPI:erna raderar du endast urvalet för Product Category (behåll Year och Region), och slutligen raderar du alla urval för att återställa appen till ett ofiltrerat tillstånd.”

Visualisering och ark

Med dessa verktyg kan användare bygga instrumentpaneler i en Qlik-applikation:

• Skapa ett nytt ark som en arbetsyta.

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

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

Tillsammans täcker de det grundläggande arbetsflödet för att bygga en användbar instrumentpanelsida 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, paj, tabell, KPI osv.) på ett ark

  Anteckning om information

  • Planera din frågestruktur innan du gör verktygsanrop.

  • Testa om datumvärden finns med qlik_search_field_values eller qlik_get_field_values först

  • Använd set-analys istället för urval på appnivå för engångsfrågor

• Qlik_add_filter: Lägg till en filterruta på ett ark för användarstyrd 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 filterruta med Year, Region och Product Category så att användarna kan anpassa vyn. Se till att visualiseringarna har tydliga titlar och att arket är redo för en företagsledningspublik.”