Bir bölge müdürü sabah toplantısından önce “Dün en çok ciro kaybeden 5 mağaza hangisi?” diye merak ediyor. Bugün bunun cevabı genelde bir Power BI raporunun üçüncü sayfasında, iki filtre ve bir drill-through sonrasında duruyor. Ya da daha kötüsü, BI ekibine düşen bir Teams mesajında.
Fabric data agent tam olarak bu boşluğu kapatmak için var: kullanıcı soruyu kendi cümlesiyle soruyor, ajan doğru veri kaynağına doğru sorguyu yazıp cevabı getiriyor. 2026’nın en çok konuşulan Fabric başlıklarından biri olmasının sebebi de son aylarda gelen bir değişiklik: artık bu ajanlar doğrudan Teams’e ve Microsoft 365 Copilot’a taşınabiliyor.
Not: Fabric’in genel resmini ve FabCon Europe 2026 duyurularını önceki Microsoft Fabric 2026: FabCon Sonrası Neler Değişti? yazımda anlatmıştım. Bu yazıda sadece data agent’lara odaklanıyorum.
Fabric data agent nedir, Copilot’tan farkı ne?
Fabric data agent, kendi verileriniz üzerinde çalışan, sohbet tabanlı bir soru-cevap sistemi. Kullanıcının sorusunu alıyor, hangi kaynağa gideceğine karar veriyor, o kaynağın diline göre sorgu üretiyor (lakehouse ve warehouse için SQL, semantik model için DAX, KQL veritabanı için KQL) ve sonucu açıklamasıyla birlikte dönüyor.
Genel Copilot deneyimlerinden üç önemli farkı var:
- Kaynakları siz seçiyorsunuz. Bir ajana en fazla beş kaynak ekleyebiliyorsunuz: lakehouse, warehouse, KQL veritabanı, Power BI semantik modeli, ontoloji ve Microsoft Graph. Her kaynaktan hangi tabloları göreceğini de siz belirliyorsunuz.
- İş kurallarını siz yazıyorsunuz. “Ciro derken KDV hariç net satışı kastediyoruz”, “hafta pazartesi başlar” gibi talimatlar ve örnek soru-sorgu çiftleri ekleyerek ajanın şirketinizin dilini konuşmasını sağlıyorsunuz.
- Sadece okur. Ajan veri kaynaklarına salt okunur bağlanıyor ve kullanıcının yetkileriyle çalışıyor. Satır düzeyi güvenlik (RLS) ve Purview politikaları geçerliliğini koruyor.
Ne değişti? Teams ve Microsoft 365 Copilot’a açılan kapı
Uzun süre data agent’lar çoğunlukla Fabric içinde kalan bir deneyimdi. Eylül 2026’da Microsoft, Copilot Studio entegrasyonunun genel kullanıma (GA) açıldığını duyurdu ve bunu FabCon Europe’ta tekrarladı. Değişen şeyler:
- Data agent artık Copilot Studio’ya bir “bağlı ajan” olarak değil, Fabric IQ Data MCP adlı bir araç (tool) olarak ekleniyor. Copilot Studio’daki ajan, Fabric verisine ne zaman ihtiyaç olduğuna kendisi karar veriyor.
- Tek bir Copilot Studio ajanına birden fazla data agent, SharePoint bilgisi, konektörler ve iş akışları birlikte eklenebiliyor. Yani aynı cevapta hem Fabric’ten bir rakam hem SharePoint’ten bir prosedür gelebiliyor.
- Ajan Teams’e ve Microsoft 365 Copilot’a yayınlanabiliyor. İş kullanıcısının bu ajanla karşılaşacağı yer tam olarak burası.
- Fabric IQ MCP sunucusu da GA oldu. Aynı yönetilen cevaplara VS Code, GitHub Copilot veya Claude Code gibi MCP istemcilerinden de erişmek mümkün.
Küçük bir isim tuzağı: Copilot Studio’da ayrıca semantik modele doğrudan bağlanan ve hâlâ ön sürümde olan bir Fabric IQ aracı var. Yayınladığınız data agent’ı, talimatları ve örnek sorgularıyla birlikte çağıran araç Fabric IQ Data MCP. İkisi aynı şey değil.
Başlamadan önce: ön koşullar
- Kapasite: Ücretli F2 veya üzeri bir Fabric kapasitesi ya da Fabric açık bir Power BI Premium P1+. Deneme (trial) kapasitesiyle test edebilirsiniz ama planınızı ücretli kapasiteye göre yapın.
- Tenant ayarları: Fabric data agent ayarı varsayılan olarak kapalı; yöneticinin açması gerekiyor. Copilot ve Azure OpenAI ayarları da açık olmalı. Semantik model kullanacaksanız XMLA uç noktası ayarı da gerekiyor. Ayarların etkinleşmesi bir saate kadar sürebiliyor.
- Türkiye’deki kapasiteler için kritik nokta: Kapasiteniz AB veri sınırı ve ABD dışındaki bir bölgedeyse, yapay zekâ için bölge dışı işleme (cross-geo processing) ve bölge dışı depolama ayarlarını açmanız gerekiyor. Bu bir teknik ayar değil, bir KVKK ve veri yerleşimi kararı; hukuk ve bilgi güvenliğiyle önceden konuşun.
- Copilot Studio tarafı: Ajanı kuracak ve yönetecek kişiler için Microsoft 365 Copilot ve kullanıcı lisansı gerekiyor. Copilot Studio ajanları Copilot Credits tüketiyor; test ve değerlendirme çalışmaları da bu kredilerden düşüyor. Bütçeyi baştan planlayın.
- Aynı tenant, aynı hesap: Data agent ile Copilot Studio ajanı aynı tenant’ta olmalı ve ikisine de aynı hesapla giriş yapmalısınız.
Adım adım kurulum
Fabric tarafında:
- Çalışma alanında yeni bir Data agent oluşturun.
- Kaynakları ekleyin (en fazla 5) ve her kaynakta sadece gerekli tabloları seçin. Az ama doğru tablo, çok tablodan her zaman daha iyi sonuç veriyor.
- Ajan talimatlarını yazın: terimler, hesaplama kuralları, hangi soru için hangi kaynağa gidileceği.
- Her kaynak için örnek sorgular ekleyin. Gerçek kullanıcıların soracağı 10-20 soruyu doğru SQL/DAX karşılıklarıyla verin.
- Ajanı test edin, cevapları kontrol edin, sonra açıklayıcı bir tanımla yayınlayın. Sadece yayınlanmış ajanlar Copilot Studio’da görünüyor.
Copilot Studio tarafında:
- “New agent” yanındaki oktan Agent seçeneğini seçin. (Doğrudan “New agent”a tıklamak bu yolu atlıyor.)
- Build > Tools > + ile “Fabric” arayıp Fabric IQ Data MCP aracını ekleyin, OneLake kataloğundan data agent’ınızı seçin.
- Araç açıklamasını yazın: hangi soruları cevaplar, hangi iş alanını kapsar, arkasında hangi veri var. Orkestratör hangi aracı çağıracağına bu metne bakarak karar veriyor.
- Kimlik doğrulama modunu seçin (aşağıda ayrıca anlatıyorum), kaydedin, Preview ve Evaluate sekmelerinde test edin.
- Teams + Microsoft 365 kanalını açıp yayınlayın.
Pratik bir ipucu: Copilot Studio ajanınız data agent’ı hiç çağırmıyorsa sorun neredeyse her zaman açıklama veya talimattadır. Çağırıyor ama yanlış cevap veriyorsa sorun Fabric tarafındadır: talimatlar, örnek sorgular ya da altta yatan model.
Perakendeden bir örnek: mağaza performans asistanı
Bir market zinciri için şöyle bir ajan düşünelim. Üç kaynak:
- Satış semantik modeli: mağaza, ürün, kategori, günlük ciro ve marj ölçüleri
- Rakip fiyat lakehouse’u: web scraper’larla toplanan rakip raf fiyatları
- Dış veri warehouse’u: TÜİK perakende satış endeksi gibi sektör verileri
Ajan talimatından bir parça:
- "Ciro" KDV hariç net satış tutarıdır; iadeler düşülmüş halidir.
- Hafta pazartesi başlar. "Geçen hafta" bir önceki pazartesi-pazar aralığıdır.
- Ciro, marj ve mağaza karşılaştırmaları için her zaman Satış semantik modelini kullan.
- Rakip fiyat sorularında yalnızca son 7 günün en güncel fiyatını dikkate al.
- Sektörle karşılaştırma istenirse TÜİK endeksini kullan ve endeksin aylık olduğunu belirt.Rakip fiyat lakehouse’u için bir örnek soru-sorgu çifti:
-- Soru: "Ayçiçek yağı 5L'de en ucuz rakip kim?"
SELECT TOP 1 rakip, fiyat, tarih
FROM rakip_fiyat
WHERE urun_adi LIKE '%ayçiçek yağı%' AND ambalaj = '5 L'
AND tarih >= DATEADD(day, -7, CAST(GETDATE() AS date))
ORDER BY fiyat ASC, tarih DESC;Bu ajan Teams’e yayınlandığında bölge müdürü “Geçen hafta İzmir bölgesinde marjı en çok düşen kategori hangisi ve o kategoride rakiplerle fiyat farkımız ne?” gibi iki kaynağı birleştiren bir soruyu tek mesajla sorabiliyor.
Canlıya almadan önce dikkat edilmesi gerekenler
User mı, Maker mı? Copilot Studio, data agent’ı iki şekilde çağırabiliyor. User modunda sorgu, sohbet eden kişinin yetkileriyle çalışıyor; RLS herkes için ayrı ayrı uygulanıyor. Maker modunda ise herkes ajanı kuran kişinin yetkileriyle veri görüyor. Kurucu tüm bölgeleri görebiliyorsa, Teams’te ajana ulaşan herkes de görebiliyor. Varsayılan tercihiniz User olmalı; Maker’ı yalnızca gerçekten herkese açık veriler için, veri sahibinin onayıyla kullanın.
Cevap boyutu sınırlı. Belgelere göre bir cevap en fazla 25 satır ve 25 sütun dönüyor (yeni ön sürüm çalışma zamanında özet artı 1.000 satıra kadar önizleme var). Data agent soru cevaplamak için var, veri dışa aktarmak için değil.
Veri sınırın dışına çıkabilir. Copilot Studio’ya dönen cevaplar Fabric’in uyumluluk sınırı ve coğrafi bölgesi dışında işlenebiliyor ve Copilot Studio’nun koşullarına tabi oluyor. Kişisel veri içeren tabloları ajana açmadan önce bu kararı yazılı hale getirin.
Bölge uyumu. Ajan, kendi kapasitesinden farklı bölgedeki bir kapasiteye bağlı çalışma alanındaki kaynağı sorgulayamıyor. Çok bölgeli bir yapı kuruyorsanız bunu tasarım aşamasında kontrol edin.
En büyük risk modelin kendisi. Ajan, verdiğiniz tanımlar kadar iyi. İki departman marjı farklı hesaplıyorsa, ajan birini seçip son derece emin bir şekilde cevap verir. Ölçü isimleri, açıklamalar ve tek bir “doğru” tanım bu projenin gerçek iş yükü.
Nereden başlamalı?
- Kullanıcıların BI ekibine en sık sorduğu 20 soruyu toplayın. Bu liste hem kapsamınız hem test setiniz olacak.
- Tek bir iş alanıyla (örneğin satış) ve tek bir semantik modelle başlayın.
- Ölçülere ve tablolara açıklama ekleyin; anlamsız kolon isimlerini düzeltin.
- Talimatları ve örnek sorguları yazın, test setiyle doğruluğu ölçün.
- Küçük bir pilot grupla Teams’te deneyin, User modunda ve gerçek kullanıcı hesaplarıyla.
- Finans, stok gibi yeni alanları ayrı, iyi tanımlanmış ajanlar olarak ekleyin. Her şeyi bilen tek bir ajan yerine net görevli birkaç ajan daha doğru yönlendiriliyor.
Sonuç
Fabric data agent’ların Teams’e gelmesi, BI’ın kullanıcıya gittiği yeri değiştiriyor: rapor sayfası yerine sohbet penceresi. Ama teknoloji kolay kısım; kurulum gerçekten dakikalar sürüyor. Zor olan, ajanın güvenilir cevap vermesini sağlayacak tanımları, yetkileri ve test disiplinini kurmak.
Benim gözlemim şu: 2026’da iyi bir semantik model artık sadece iyi bir rapor demek değil, yapay zekânın konuşabileceği bir şirket dili demek. Siz kullanıcılarınızın ilk hangi soruyu Teams’te soracağını düşünüyorsunuz?
Kaynaklar
- Fabric data agent kavramları ve sınırlamaları (Microsoft Learn)
- Fabric data agent tenant ayarları (Microsoft Learn)
- Fabric Data Agents in Microsoft Copilot Studio (Generally Available) – Fabric Updates Blog
- Fabric Data Agents in Copilot Studio: Setup Guide – Solv Systems
- FabCon Europe 2026: 4 announcements – Data Mozart
- FabCon Europe 2026: the key Microsoft Fabric updates – Bitmetric
HABERDAR OL
Yeni rehberler, kategorilere ayrılmış tek bir e-postada.
Her pazartesi, o hafta yayımlanan yazılar konu başlıklarına göre derlenmiş olarak gelen kutunda. Yeni yazı yoksa e-posta da yok.