powerbi-ai-mcp
Enables controlling Power BI with AI through natural language commands for creating DAX measures, explaining metrics, suggesting KPIs, and organizing models.
README
🤖 Power BI + AI + MCP — Controlando o Power BI com Inteligência Artificial
<div align="center">
Criação de medidas DAX, explicação de métricas, sugestão de KPIs e organização do modelo — tudo via linguagem natural.
🚀 Começar · 📊 Ver Dashboard · 📝 Medidas DAX
</div>
🎯 O que este projeto faz
Este projeto demonstra como o Model Context Protocol (MCP) conecta o Claude AI diretamente ao fluxo de trabalho do Power BI, permitindo que você:
| Comando em linguagem natural | O que a IA faz |
|---|---|
| "Crie uma medida de Receita Total" | Gera o DAX completo e pronto para uso |
| "Explique todas as medidas do modelo" | Documenta cada medida com descrição técnica |
| "Sugira KPIs para um dashboard executivo" | Lista KPIs priorizados por área de negócio |
| "Organize as medidas em pastas" | Propõe estrutura de display folders |
| "Crie uma tabela calendário" | Gera dCalendario completa em DAX |
| "Documente o projeto" | Gera documentação Markdown do modelo |
🏗️ Arquitetura
Claude Desktop / Terminal
│
▼
MCP Server (Python)
│
├── Tool: create_measure() ──► Claude API ──► DAX gerado
├── Tool: explain_measure() ──► Claude API ──► Documentação
├── Tool: suggest_kpis() ──► Claude API ──► Lista de KPIs
├── Tool: create_calendar() ──► Claude API ──► dCalendario DAX
├── Tool: organize_measures() ──► Claude API ──► Estrutura de pastas
└── Tool: document_model() ──► Claude API ──► README do modelo
│
Resultado colado no
Power BI Desktop
📁 Estrutura do Projeto
powerbi-ai-mcp/
│
├── data/
│ └── vendas.csv # Dataset de vendas (60 registros, 6 meses)
│
├── scripts/
│ ├── mcp_server.py # Servidor MCP com todas as ferramentas de IA
│ ├── medidas_dax.dax # Medidas geradas pela IA (25+ medidas)
│ └── dCalendario.dax # Tabela Calendário PT-BR completa
│
├── docs/
│ └── arquitetura.png # Diagrama da solução
│
├── requirements.txt
└── README.md
📊 Dataset
O arquivo data/vendas.csv contém 60 registros simulando 6 meses de vendas de uma loja de tecnologia:
| Coluna | Descrição |
|---|---|
Data |
Data da venda |
Produto |
Nome do produto |
Categoria |
Eletrônicos, Periféricos, Monitores, Armazenamento, Mobiliário |
Regiao |
Sul, Norte, Sudeste, Centro-Oeste, Nordeste |
Vendedor |
5 vendedores distintos |
Qtd |
Quantidade vendida |
Valor_Unitario |
Preço de venda unitário |
Custo_Unitario |
Custo unitário do produto |
Valor_Venda |
Receita total da linha |
Custo_Total |
Custo total da linha |
📐 Medidas Geradas
A IA gerou 25+ medidas DAX organizadas em 6 pastas:
💰 Financeiro
Receita Total = SUM(Vendas[Valor_Venda])
Lucro = [Receita Total] - [Custo Total]
Margem % = DIVIDE([Lucro], [Receita Total], 0)
Ticket Médio = DIVIDE([Receita Total], [Total Pedidos], 0)
📈 Crescimento
Crescimento MoM % =
DIVIDE(
[Receita Total] - [Receita MêsAnterior],
[Receita MêsAnterior],
0
)
Crescimento YoY % =
DIVIDE(
[Receita Total] - [Receita MesmoPeríodo AA],
[Receita MesmoPeríodo AA],
0
)
🏆 Ranking
Rank Produto Receita =
RANKX(ALL(Vendas[Produto]), [Receita Total],, DESC, DENSE)
📄 Ver arquivo completo:
scripts/medidas_dax.dax
🚀 Instalação
Pré-requisitos
- Python 3.11+
- Chave de API da Anthropic: console.anthropic.com
- Power BI Desktop (para usar os arquivos DAX)
Setup
# Clone o repositório
git clone https://github.com/r9drig-tech/powerbi-ai-mcp
cd powerbi-ai-mcp
# Crie e ative o ambiente virtual
python -m venv .venv
source .venv/bin/activate # Linux/Mac
.venv\Scripts\activate # Windows
# Instale as dependências
pip install -r requirements.txt
# Configure sua chave de API
echo "ANTHROPIC_API_KEY=sk-ant-..." > .env
Executar o servidor MCP
python scripts/mcp_server.py
Exemplo de sessão:
você > Crie uma medida de Receita Total usando a coluna Valor_Venda
IA > **Receita Total**
```dax
Receita Total =
SUM(Vendas[Valor_Venda])
```
Soma todos os valores da coluna Valor_Venda da tabela Vendas.
Pasta sugerida: 💰 Financeiro
você > Crie uma medida de Margem de Lucro em percentual
IA > **Margem %**
```dax
Margem % =
DIVIDE(
[Lucro],
[Receita Total],
0
)
```
Calcula a margem de lucro como proporção da receita.
Usa DIVIDE() para evitar erro de divisão por zero.
Pasta sugerida: 💰 Financeiro
você > Sugira KPIs para um dashboard executivo de vendas
IA > **KPIs para Dashboard Executivo — Vendas**
🔴 P1 — Críticos
• Receita Total | SUM(Vendas[Valor_Venda])
• Margem % | DIVIDE([Lucro],[Receita Total])
• Crescimento MoM % | variação vs mês anterior
🟡 P2 — Importantes
• Ticket Médio | Receita / Nº de pedidos
• Top 10 Produtos | RANKX por receita
• Receita por Região | segmentação geográfica
🟢 P3 — Complementares
• Receita Acumulada no Ano (YTD)
• Crescimento YoY %
• Taxa de Retorno de Clientes
🎬 Demo
Claude Desktop à esquerda + Power BI à direita. Prompts em linguagem natural → medidas DAX prontas em segundos.
| Cena | Prompt | Resultado |
|---|---|---|
| 1 | Crie uma medida de Receita Total |
DAX gerado + pasta sugerida |
| 2 | Crie Margem de Lucro em percentual |
DIVIDE() com fallback |
| 3 | Sugira KPIs para dashboard executivo |
8 KPIs priorizados P1/P2/P3 |
| 4 | Organize as medidas em pastas |
6 display folders automáticas |
| 5 | Dashboard pronto | 6 KPIs + Top 5 produtos |
🛠️ Stack Tecnológica
| Ferramenta | Uso |
|---|---|
| Power BI Desktop | Modelagem e visualização |
| Claude AI (Anthropic) | Geração e explicação de DAX |
| MCP (Model Context Protocol) | Protocolo de comunicação IA ↔ ferramentas |
| Python 3.11+ | Servidor MCP |
| VS Code | Edição e desenvolvimento |
| OBS Studio | Gravação do vídeo demo |
📌 Roadmap
- [x] Dataset de vendas estruturado
- [x] Servidor MCP com 6 ferramentas
- [x] 25+ medidas DAX geradas por IA
- [x] Tabela Calendário PT-BR completa
- [ ] Dashboard .pbix exportado
- [ ] Integração via Claude Desktop (config MCP)
- [ ] Vídeo demo no YouTube/LinkedIn
- [ ] Diagrama de arquitetura visual
👤 Autor
Rodrigo Salgado Analista de BI & Dados | Em transição para Engenharia de Dados & IA
📄 Licença
MIT License — use, adapte e compartilhe com os devidos créditos.
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。