• SCHEMA
  • SOURCE
  • VECTOR
  • HUMAN

RAG-Retrieval-Pipelines mit deiner KI debuggen

Verbinde deine KI einmal mit Azure AI Search. Danach kann dein Agent deine Indexstrukturen und Datenverbindungen direkt prüfen.

Fragen Sie die KI zu dieser Seite

Kurzantwort

Wie kann ich meine KI für das RAG-Debugging nutzen?

Deine KI ruft deine Index-Schemata und Datenquellen-Konfigurationen ab, um Unstimmigkeiten in Vektorfeldern oder fehlerhafte Datenpfade zu finden. Du erhältst eine klare Liste der Konfigurationsfehler, die du beheben musst.

Ergebnisse der Analyse

Wo deine Ergebnisse landen.

Die KI kategorisiert ihre Erkenntnisse danach, wo der Konfigurationsfehler liegt.

SCHEMA

Indexstruktur-Fehler

Die KI identifiziert fehlende Vektorfelder oder falsche Dimensionen. Du erhältst einen Bericht darüber, wie das Index-Schema von deinen RAG-Anforderungen abweicht.

SOURCE

Datenquellen-Fehler

Die KI prüft, ob deine Datenquellen korrekt gemappt sind. Sie markiert Verbindungsprobleme zwischen deinen Rohdaten und dem Suchindex.

VECTOR

Embedding-Probleme

Die KI verifiziert, ob Vektorfelder für Ähnlichkeitssuchen richtig konfiguriert sind. Sie zeigt Felder auf, denen die notwendigen Vektoreigenschaften fehlen.

HUMAN

Manuelle Korrekturen

Die KI erkennt spezifische Einstellungen, die du manuell im Azure Portal aktualisieren musst. Sie sagt dir genau, welche Parameter du ändern musst.

Der Ablauf

Was deine KI tut, wenn die Anfrage eingeht.

Die KI navigiert durch deine Azure-Umgebung, um die für die Analyse benötigten Metadaten abzurufen.

  1. Indizes auflisten

    Die KI scannt deine Umgebung, um alle verfügbaren Suchindizes zu finden. So stellt sie sicher, dass sie die richtigen Ziele für deine RAG-Pipeline prüft.

    list_indexes

  2. Spezifischen Index prüfen

    Die KI ruft das vollständige Schema eines bestimmten Index ab. Sie analysiert Feldtypen, Dimensionen und Vektorkonfigurationen.

    get_index

  3. Datenquellen verifizieren

    Die KI prüft die zugrunde liegenden Datenquellen auf Übereinstimmung mit den Index-Anforderungen. Sie sucht nach Verbindungs- und Mapping-Fehlern.

    list_datasources

  4. Unstimmigkeiten finden

    Die KI vergleicht das abgerufene Schema mit deinem geplanten RAG-Setup. Sie markiert jedes Feld, das das Retrieval verhindern könnte.

    get_index

Probieren Sie es

Kopiere diese Vorlagen zum Start.

Nutze diese Prompts, um deine Debugging-Sitzung zu beginnen.

Startpunkte

Ersetze die Indexnamen und Datenquellen-Namen durch deine tatsächlichen Azure-Ressourcen-IDs.

Azure AI Search Connector

Alles bereit. Wählen Sie Ihren MCP-Client und folgen Sie den Einrichtungsschritten.

Connector-Linkhttps://edge.vinkius.com/vk_preview_UGnljcexY2MC0gUzqrUAvXNWXI0LuEzLwo7dKO1k/mcp

Claude Desktop

Folgen Sie den Schritten unten, um sich in Sekunden zu verbinden.

  1. 1In Claude Desktop, open Settings → Connectors.
  2. 2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
  3. 3Click Add and start a new chat — Azure AI Search capabilities are ready to use.
Konfiguration · claude_desktop_config.jsonKopieren
{
  "mcpServers": {
    "azure-ai-search-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_UGnljcexY2MC0gUzqrUAvXNWXI0LuEzLwo7dKO1k/mcp"
    }
  }
}
In den Chat kopieren04

  • Liste alle meine Indizes auf und sag mir, welche Vektorfelder aktiviert haben.

  • Rufe das Schema für 'products-index' ab und prüfe, ob die Vektordimensionen zu einem 1536-Embedding-Modell passen.

  • Liste meine Datenquellen auf und prüfe, ob 'blob-storage-source' korrekt mit meinem aktuellen Index verknüpft ist.

  • Prüfe das Schema des 'customer-docs' Index auf fehlende Felder, die mein RAG-Retrieval unterbrechen könnten.

  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Starten Sie hier

Einmal mit Azure AI Search verbinden, dann fragen.

Du musst deine Zugangsdaten nur einmal angeben. Die Verbindung ist verschlüsselt und du kannst sofort damit beginnen, deine KI zur Analyse deines Search-Setups zu nutzen.

Azure AI Search mit deiner KI verbinden

FAQ

Verhalten der Aufgabe.

  • 01

    Kann die KI mein Index-Schema automatisch korrigieren?

    Nein. Die KI kann deine Konfiguration nur lesen und inspizieren. Änderungen musst du manuell im Azure Portal vornehmen.

  • 02

    Kann die KI meine Indizes löschen?

    Nein. Die bereitgestellten Tools erlauben der KI nur das Auflisten und Abrufen von Informationen. Sie kann keine Daten oder Strukturen löschen oder verändern.

  • 03

    Benötigt die KI Admin-Berechtigungen?

    Die KI benötigt Berechtigungen, um die Metadaten des Index und der Datenquellen zu lesen. Schreib- oder Löschrechte sind nicht erforderlich.

  • 04

    Kann die KI den eigentlichen Inhalt meiner Dokumente prüfen?

    Nein. Die KI untersucht nur das Index-Schema und die Konfigurationen der Datenquellen, nicht die einzelnen darin gespeicherten Dokumente.

  • 05

    Woher weiß die KI, ob mein Vektorfeld falsch ist?

    Die KI vergleicht die über das Index-Schema gefundenen Feldeigenschaften mit den spezifischen Vektor-Anforderungen, die du in deinem Prompt beschreibst.

  • Weitere Fragen zu Azure AI Search? Die Connector-Seite liefert Antworten. Alle Funktionen des Azure AI Search Connectors ansehen

Verbinde Azure AI Search mit Claude, Cursor, ChatGPT & mehr