Power BI через AI: Claude и Modeling MCP

Обычно AI по Power BI работает как консультант: «вот вам код меры, вставьте сами». Но есть способ дать AI руки — чтобы он создавал таблицы, меры и связи прямо в вашей модели. Это связка Claude + Power BI Modeling MCP server. Тема свежая (2026) и быстро меняется; разберём по статье RADACAD и нашему опыту.

Что такое MCP

MCP (Model Context Protocol) — стандарт, соединяющий AI с реальными системами. Формула из статьи точная: «AI — это мозг, MCP-сервер — это руки». Без MCP модель только советует; с MCP — выполняет изменения сама.

К чему подключается

Power BI Modeling MCP server устанавливает локальное соединение с моделью, открытой в Power BI Desktop у вас на машине (через localhost, не через облако). Для опубликованных моделей в Power BI Service есть отдельный Remote MCP server — этот урок про локальное моделирование.

Что умеет — и чего нет

Умеет (моделирование):

• создавать таблицы (через DAX-расчётные или Power Query);
• создавать и править меры; раскладывать их по display folders;
• строить связи между таблицами;
• помечать таблицу дат (mark as date table);
• настраивать роли RLS, группы вычислений, партиции;
• выполнять DAX-запросы к модели — то есть проверять, что мера считает правильно;
• документировать модель.

Не умеет: строить визуалы. Как метко сказано в статье — «это инструмент только для моделирования. Как только Claude закончил меры, вы возвращаетесь в Power BI Desktop и собираете визуалы сами». Дизайн отчёта остаётся ручным.

Как настроить (коротко)

1. Установить расширение Power BI Modeling MCP Server (VS Code → Extensions).
2. Найти путь к powerbi-modeling-mcp.exe в папке расширения (...\.vscode\extensions\...analysis-services...).
3. В Claude Desktop: File → Settings → Developer → Edit Config добавить MCP-сервер:

"mcpServers": {
  "powerbi-modeling-mcp": {
    "command": "C:\\путь\\powerbi-modeling-mcp.exe",
    "args": ["--start"],
    "env": {}
  }
}

1. В Claude: «Подключись к [ИмяФайла] в Power BI Desktop» — соединение установлено.

Что это даёт на практике

Пара реальных сценариев из статьи:

• Таблица дат: «Добавь таблицу дат с 2005 по 2010, связанную с FactInternetSales по OrderDateKey» → AI генерирует DAX, создаёт таблицу и сам строит связь. Таблица появляется в Desktop на глазах.
• Time intelligence пачкой: «Создай таблицу мер со всеми расчётами time intelligence для суммы продаж» → AI создаёт отдельную таблицу мер и 27 мер, разложенных по папкам (YTD, QTD, MTD, YoY…) — работа, на которую у разработчика уходит час.

После этого вы обновляете данные и сами собираете визуал — например, YTD по иерархии дат.

Зачем это бизнесу

• Скорость: часовая рутина моделирования — за минуты.
• Лучшие практики «из коробки»: AI делает аккуратно — отдельная таблица мер, display folders, VAR/RETURN.
• Доступность: естественный язык снижает порог входа в DAX.
• Оба формата: работает и с PBIX, и с PBIP.

Границы и осторожность

• Знания всё ещё решают. «Чем лучше вы знаете Power BI, тем точнее и мощнее ваши инструкции». AI ускоряет квалифицированную работу, а не заменяет её.
• Не полное решение. Дизайн отчёта, выбор визуалов и оптимизация — по-прежнему человек.
• Только локально. Сервер работает с открытым файлом; для облака — отдельный Remote MCP.
• Проверяйте, что сделал AI. Сгенерированные меры стоит прогнать (тот же MCP умеет выполнять DAX-запросы) и просмотреть глазами — особенно контекст и фильтры.

Что дальше

Это — передний край работы с Power BI. Дальше в курсе — field parameters, what-if и DAX-паттерны; а самые сложные темы (calculation groups, RLS, оптимизация, модели в SSAS) — в экспертном курсе.