使用说明
多代理编排器
雪花Cortex MCP+微软AI Foundry+结构数据代理
一种跨多个代理架构路由自然语言查询 Snowflake和Microsoft Fabric通过统一的AI Foundry编排器。
建筑
┌─────────────────────────┐
│ User (Teams / Web / │
│ Copilot / API) │
└────────┬────────────────┘
│
┌────────▼────────────────┐
│ Microsoft AI Foundry │
│ Orchestrator Agent │
└────┬──────────┬─────────┘
│ │
┌────────────▼──┐ ┌───▼─────────────┐
│ Snowflake │ │ Fabric Data │
│ MCP Server │ │ Agent │
│ (SSE) │ │ (Lakehouse) │
└───────┬───────┘ └───┬──────────────┘
│ │
┌───────────▼──┐ ┌─────▼────────────┐
│ Cortex Agent │ │ Lakehouse Tables │
│ - Analyst │ │ - shipments │
│ - Search x2 │ │ - store_sales │
└──────────────┘ │ - carriers │
│ - delivery_status │
│ - incidents │
│ - routes │
└──────────────────┘
运作原理
编排器使用两个工具，每个工具都有不同的数据。它根据问题选择正确的工具。
| 工具 | 平台 | 数据 |
|---|---|---|
| 雪花mcp供应链 | 雪花 | 供应商、采购订单、库存、仓库、供应商电子邮件、检验报告 |
| sc_fabric-agent | Microsoft Fabric | 商店销售、发货、承运商、交付状态、物流事件 |
对于跨越这两个领域的问题，编排器调用这两个工具并组合结果。
仓库结构
.
├── README.md # This file
├── fabric_csv/ # CSV files for Fabric Lakehouse
│ ├── carriers.csv
│ ├── delivery_status.csv
│ ├── logistics_incidents_fabric.csv
│ ├── shipments.csv
│ ├── store_sales.csv
│ └── transportation_routes.csv
└── setup/
├── 00_README.md # Full setup guide (start here)
├── 01–09_*.sql # Snowflake setup scripts
└── 10_foundry_instructions.md # AI Foundry orchestrator instructions
快速开始
| 阶段 | 平台 | 您构建的内容 |
|---|---|---|
| 1 | Snowflake | 数据库、表、数据、Cortex搜索、语义视图、代理、MCP服务器 |
| 2 | Microsoft Fabric | 工作区、Lakehouse、Delta表、结构数据代理 |
| 3 | AI Foundry | 带MCP+结构工具接线的编排器代理 |
| 4 | 全部 | 端到端测试 |
请参阅 完整设置指南 获取分步说明。
示例问题
仅雪花：
- “哪些产品面临严重缺货风险？”
- “哪些供应商的可靠性得分低于0.7？”
- “搜索有关质量投诉的供应商电子邮件”
仅织物：
- “哪些产品的销售额最高？”
- “哪些航空公司交货最晚？”
- “显示所有严重的物流事件”
跨平台（两种工具）：
- “哪些畅销产品有缺货风险？”
- “哪些供应商的交货延迟时间长，可靠性得分低？”
