En claude_desktop_config.json:

{
  "mcpServers": {
    "fabric-semantic": {
      "command": "uvx",
      "args": [
        "--from",
        "git+https://github.com/PatoSuar3z/fabric-semantic-mcp",
        "fabric-semantic-mcp"
      ]
    }
  }
}

Requiere Python 3.10+, uv y Azure CLI.

Todas declaran readOnlyHint, así tu cliente MCP puede mostrarte que este servidor no modifica nada.

learn_model no se limita a leer nombres de columnas:

• Tablas, columnas y tipos, descartando las tablas de fecha automáticas que Power BI crea por detrás y que solo son ruido.
• Cada medida con su expresión DAX completa. Esto permite responder "¿cómo se calcula este indicador?" sin abrir Power BI Desktop, y evita el error clásico de reproducir una medida a mano y obtener un número distinto al del tablero.
• Las relaciones entre tablas.
• Los valores reales de las columnas de corte de baja cardinalidad.

Ese último punto es el que más cambia la calidad de las respuestas. El usuario dice "exportación", el dato dice EX. Sin ese perfilado, el filtro devuelve cero filas y la respuesta es incorrecta.

Dos APIs de Microsoft, cada una para lo que sabe hacer:

Por qué el esquema no se lee con DAX. Lo intuitivo sería pedir la metadata con INFO.TABLES() e INFO.MEASURES(). No funciona: executeQueries bloquea las funciones de metadata y las DMVs, y devuelve el error opaco 3239575574.

La ruta que sí funciona es getDefinition de la Fabric API, que devuelve el TMDL completo del modelo. Sale mejor que la idea original: el TMDL trae además la expresión DAX de cada medida, que INFO.* nunca hubiera dado.

No se necesita capacidad Premium ni XMLA habilitado: funciona con Power BI Pro.

En ~/.fabric-semantic-mcp/:

• session.json — qué área de trabajo y qué modelo elegiste.
• models/*.json — el esquema del modelo y los valores de sus columnas de baja cardinalidad.

Ese caché contiene metadata y valores de tu modelo. Si trabajás con información sensible, borralo al terminar:

rm -rf ~/.fabric-semantic-mcp

¿Puede borrar o modificar mis datos? No. No existe ninguna tool de escritura, y hay una validación que rechaza cualquier consulta que no sea de lectura antes de enviarla.

¿Ve datos que yo no debería ver? No. Actúa con tu identidad y el modelo aplica su Row Level Security igual que cuando abrís un informe.

¿Necesito capacidad Premium o Fabric? No. Funciona con Power BI Pro, porque no usa XMLA.

¿Tengo que pedirle algo a mi área de TI? En general no: se usa la sesión de Azure CLI existente. Solo vas a necesitar ayuda si tu organización bloquea las APIs de Fabric por política, o si no tenés permiso de lectura sobre el área de trabajo.

¿Y si quiero escribir en Fabric? Este proyecto nunca lo va a hacer — es su garantía de seguridad. Existen otros MCP de Fabric con capacidades de escritura; la combinación correcta es instalar los dos por separado, para que cada uno declare honestamente lo que puede hacer.

¿Por qué la instalación es tan larga? Porque todavía no está publicado en PyPI. Cuando lo esté, va a ser simplemente uvx fabric-semantic-mcp.