architecture で選定したデータ基盤（Microsoft Fabric / Azure Databricks / Foundry IQ）を、事前確認 → plan と hash 承認 → デプロイ → セマンティック層 → runtime 検証 → 計算停止まで API で構築し、MCP 接続情報を Cowork / Copilot Studio / Foundry へ引き渡す。
Dataverse は dataverse スキル、データ投入は data-migration スキルへ委譲する。
中文简介正在准备中。当前显示原文说明。
安装前可以查看交给 AI 代理的指令内容。
architecture の §6.6 で決めたデータ基盤を、すべて API で構築・検証する。 Foundry IQ はデータストアではなく、文書やオントロジーを根拠付きでエージェントに渡す knowledge layer として扱う。
| 原則 | 内容 |
|---|---|
| 役割ごとに選ぶ | system of record / analytics / semantic / knowledge を別々に決める（選定ガイド） |
| 1 基盤 = 1 リソースグループ | Databricks の managed RG は Databricks が作るので事前作成しない |
| 変更は hash 承認 | plan → planHash を提示 → apply --approve-hash。削除はスキルに含めない |
| 実測で判定 | HTTP 200・リソース存在・MCP の initialize だけで成功にしない。業務の正解まで確認する |
| キーレス | Entra トークン（standard の auth_helper）とロールで認可する。API キー・PAT を使わない |
| コストを止める | 検証後は必ず manage_compute.py stop を実行し、常時課金されるリソースを報告する |
| リファレンス | 内容 |
|---|---|
| 設計 | 責務分担、契約、状態分類、安全モデル、認証スコープ |
| テスト計画 | Unit / Contract / Live / E2E の ID と合格基準 |
| Microsoft Fabric | capacity・workspace・Lakehouse・Ontology item・Ontology MCP |
| Azure Databricks | workspace・SQL warehouse・metric view・Genie・managed MCP |
| Foundry IQ | Search・knowledge source・knowledge base・retrieve / MCP |
| Dataverse への委譲 | system of record が Dataverse の場合の担当範囲 |
| MCP 公開 | 基盤ごとの MCP エンドポイントと公開先スキル |
| capability-matrix.json | 基盤選定の重みと MCP テンプレート（正本） |
| .env サンプル | 本スキルのパラメータ |
| 異常系・トラブルシュート | 実際に踏んだ失敗と恒久対策 |
スクリプトはすべて .github/skills/data-platform/scripts/ にある。以下では $dp と略す。
$dp = ".github/skills/data-platform/scripts"
spec/data-platform.json が無ければ、architecture のヒアリング結果から作る。
python $dp/recommend_platform.py --requirements spec/data-requirements.json --out spec/data-platform.json
終了コード 3（needsDecision あり）なら、候補と理由を AskUserQuestion で提示して確定する。
decision.systemOfRecord が dataverse の部分は dataverse スキル に渡す。
standard の共通事前確認契約に加え、1 回の AskUserQuestion で確認する。
| # | 確認事項 | 合格条件 |
|---|---|---|
| 1 | subscription・region・名前 prefix | .env の AZURE_SUBSCRIPTION_ID / DP_LOCATION / DP_NAME_PREFIX が確定 |
| 2 | 課金の承認 | Fabric capacity・Databricks warehouse・AI Search・モデルの概算と停止方法に合意 |
| 3 | 権限 | 対象 subscription の Contributor + User Access Administrator 相当、Fabric capacity 管理者 UPN |
| 4 | テナント設定 | Fabric IQ Ontology（preview）が有効、Databricks の serverless SQL が利用可能 |
| 5 | データ分類 | 投入データに個人情報・機密情報が含まれるか、公開先（Copilot Studio / Cowork / Foundry）の利用者範囲 |
続けて読み取り専用の preflight を実行する。blocked があれば解消するまで次へ進まない。
python $dp/preflight_platform.py --platform fabric --platform databricks --platform foundry --out .data-platform/preflight.json
基盤ごとに計画を作る。既存 RG がある場合は --validate で ARM validate まで行う。
python $dp/deploy_platform.py plan --platform databricks --validate
出力の planHash・リソースグループ・パラメータを利用者に提示し、明示承認を得る。
python $dp/deploy_platform.py apply --plan .data-platform/plan-databricks.json --approve-hash <planHash>
出力の ID（Fabric workspace / Lakehouse / Ontology、Databricks host / warehouse、Search endpoint）を .env に転記する。
status が verified でなければ troubleshooting を参照する。
スキーマ変換・投入・照合は data-migration スキル で行う。
Databricks は DATABRICKS_CATALOG のスキーマ、Fabric は Lakehouse、Dataverse は dataverse スキルで作ったテーブルが投入先になる。
仕様ファイル（例: cold-chain-semantics.json）から計画を作り、承認後に適用する。
python $dp/configure_semantics.py plan --target databricks-genie --spec spec/semantics.json
python $dp/configure_semantics.py apply --plan .data-platform/plan-databricks-genie.json --approve-hash <planHash>
python $dp/configure_semantics.py plan --target foundry-kb --spec spec/semantics.json --with-fabric-ontology
Fabric IQ Ontology の entity / relationship / binding は公開オーサリング API が無いため、 ブラウザ自動化方針に従い、Edge プロファイルを確認してから統合ブラウザで構成する（手順は fabric.md）。
業務の正解（期待値）まで実測し、合格した MCP だけを接続情報として書き出す。
python $dp/verify_platform.py --check all --spec spec/semantics.json --emit-mcp spec/mcp-endpoints.json --out .data-platform/verify.json
blocked / failed / not-tested は理由付きで報告する。空の Ontology への質問は blocked になる（正常）。
spec/mcp-endpoints.json を公開先スキルへ渡す。対応は mcp-exposure.md。
| 公開先 | スキル |
|---|---|
| Copilot Studio | copilot-studio / copilot-studio-v2 |
| Cowork | cowork |
| Foundry Agent / Teams | foundry-autopilot |
公開後は、公開先の実利用者 ID で テスト計画 §6 を実行する。
python $dp/manage_compute.py stop --target all
Fabric Paused、warehouse STOPPED を確認し、停止できない課金（AI Search の時間課金、Databricks managed RG の NAT Gateway・Public IP、モデルのトークン従量）を利用者に報告する。
还没有评价。欢迎分享你的使用感受。
无需登录即可发表。欢迎分享使用感受、提问，或说明在哪些环境下无法运行。
还没有评论。来写第一条吧。
Power Platform のテナント / 環境ガバナンスを確認・設定する。通常開発では事前チェックせず、環境チェックの明示依頼時または開発・デプロイ障害時だけ診断する。依頼者の現在有効な委任権限と対象範囲を確認し、権限内の最小診断・承認済み修復・限定リトライ、権限不足なら管理者への依頼へ分岐する。環境・DLP・ACP・環境グループ・テナント戦略の確認と dry-run 付き管理操作を提供する。
中文简介正在准备中。当前显示原文说明。
Copilot Studio 新 UI の Agent flows / Workflows を構築・公開・検証する。Dataverse レコード作成/更新トリガーから既存の発行済み Copilot Studio v2 を Agent ノードで呼ぶ標準経路、Code Apps との非同期要求/結果連携、および手動 Start + inline Agent の API ライフサイクル検証を扱う。
中文简介正在准备中。当前显示原文说明。
株主総会の想定問答を、IR 抜粋（決算短信・説明資料・招集通知など）を根拠に下書きし、利用者の確認後に Dataverse の想定問答テーブルへ「下書き」として登録するスキル。 Use when ユーザーが「配当について想定問答を作って」「この論点の想定問答を 3 件追加して」「招集通知から想定問答を作って」「想定問答を登録して」と依頼したとき。 Dataverse MCP コネクタ（describe / read_query / search_data / create_record / update_record）を使用する。削除・テーブル変更のツールは使わない。
中文简介正在准备中。当前显示原文说明。
株主総会の想定問答を点検し、根拠の IR 抜粋に無い数値・存在しない根拠 ID・回答者や注意事項の抜け・趣旨の重複・下書きのまま残っているものを一覧にするスキル（書き込みはしない）。 Use when ユーザーが「想定問答を点検して」「根拠の無い数値が無いか確認して」「下書きの想定問答を一覧にして」と依頼したとき。 Dataverse MCP コネクタ（describe / read_query / search_data）を使用する。書き込み・削除のツールは使わない。
中文简介正在准备中。当前显示原文说明。
株主総会の質疑応答のリハーサル台本（議長・株主・回答役員の読み上げ原稿）を、承認済みの想定問答から作り、Dataverse のリハーサル台本テーブルへ登録するスキル。 Use when ユーザーが「リハーサルの台本を作って」「QA-001〜QA-010 で読み上げ原稿を作って」「番号を言わない株主も入れた台本を作って」と依頼したとき。 Dataverse MCP コネクタ（describe / read_query / search_data / create_record / update_record）を使用する。削除・テーブル変更のツールは使わない。
中文简介正在准备中。当前显示原文说明。
AI Builder の AI プロンプト（GPT Dynamic Prompt）を Dataverse API で作成し、Copilot Studio エージェントにツール（アクション）として追加する。Power Automate フローとの統合パターンも含む。
中文简介正在准备中。当前显示原文说明。