Pbix Atlas

io.github.fabienfrfr由 GitHub 账号 fabienfrfr 发布v1.0.0更新于 Oct 24, 2026

Bidirectional data lineage graph for Power BI (.pbix) files, from source to display

发布方自己的服务：Red Atlas Api

已验证STDIO仅桌面开发者工具数据与分析

服务详情

标识符: io.github.fabienfrfr/pbix-atlas
传输: STDIO
运行时: Desktop only
信任: Verified
发布于: Sep 16, 2026

安全提示

MCP 服务会接收对话中的工具调用请求，并可能执行外部操作。启用前请先了解该服务能做什么，并只授予它所需的权限。

注册中心已验证此条目所属的 GitHub 账号 fabienfrfr。这并不表明该账号就是产品方。

SourceWeft 的检查只涵盖条目是否完整、端点是否响应；不审查服务器的代码，也不审查其工具的行为。

在 README 中添加徽章

向读者展示该 MCP 服务已收录于 SourceWeft，徽章链接到本页。

[![Listed on SourceWeft](https://sourceweft.com/badge/mcp/io.github.fabienfrfr%2Fpbix-atlas.svg)](https://sourceweft.com/mcp/io.github.fabienfrfr%2Fpbix-atlas?utm_source=readme&utm_medium=badge)

概览

AI 生成的概览

为 Power BI .pbix 文件构建可遍历的数据血缘图，从数据源经 Power Query 与 DAX 一直追踪到报表视觉对象字段。

可以做什么: PbixAtlas 解析 Power BI .pbix 文件并构建双向血缘图，连接物理数据源（HTTP、OData、SQL、文件）、Power Query（M）步骤、列、计算列、DAX 度量值以及报表视觉对象中显示的字段。它提供搜索、上游与下游遍历、树形打印，以及导出为 GraphML 或节点/边 CSV。它还能生成独立的 Python 流水线，复现从数据源到 Vizro 仪表板的完整链路，并用内置解释器执行 M 源码。
适用场景: 适合需要理解或记录 Power BI 报表数据来源、评估数据源或度量值变更影响，或把报表逻辑转成 Python 流水线的场景。面向审计 Power BI 模型的分析师和工程师，而非通用 BI 查询。
运行要求: 作为本地 Python 包运行（pip install pbix-atlas 或 uv add pbix-atlas）；HTTP/MCP 服务器通过 uv run pbix-atlas 启动，绑定 PBIX_LINEAGE_HOST 与 PBIX_LINEAGE_PORT。代码生成需要 codegen 附加组件。仅限桌面端；未声明身份验证。

安装前请注意

该服务器读取 .pbix 文件，其中数据源可能内嵌凭据或连接字符串，因此生成的血缘图和导出文件可能暴露数据源端点与模型细节。代码生成功能会在运行时通过内置解释器执行 M 源码，生成的流水线应作为代码先行审查再运行。

安装

在 SourceWeft 中

打开控制台中的 Pbix Atlas，将其添加到工作区。
为需要使用其工具的对话启用该服务。

Desktop only，通过 STDIO。 STDIO 服务会启动本地进程，因此需要 SourceWeft 桌面宿主。

其他 MCP 客户端

参照仓库中的启动说明。

README

🌐 PBIX‑Atlas

[PyPI] [GitHub] [CI] [MCP Registry]

Full lineage graph for Power BI — from source to visual field

PbixAtlas is an Universal lineage graph for Power BI .pbix files: source to visual field in one traversable graph.

source (HTTP, OData, SQL, file...) --> Power Query (M)    --> column / calculated column --> measure (DAX)        --> field displayed in a report visual

source (HTTP, OData, SQL, file...) --> Power Query (M)    --> column / calculated column --> measure (DAX)        --> field displayed in a report visual

Install

Quick start

python

from pbix_atlas import LineageGraphBuilder, upstream, downstream, print_tree, find_nodes
graph = LineageGraphBuilder().build("my_report.pbix")
find_nodes(graph, "customer_name")print_tree(graph, "visual_field::my_report.pbix::Page1::16::customer_name", direction="upstream")print_tree(graph, "source::odata::example.com/odata/", direction="downstream")

from pbix_atlas import LineageGraphBuilder, upstream, downstream, print_tree, find_nodes
graph = LineageGraphBuilder().build("my_report.pbix")
find_nodes(graph, "customer_name")print_tree(graph, "visual_field::my_report.pbix::Page1::16::customer_name", direction="upstream")print_tree(graph, "source::odata::example.com/odata/", direction="downstream")

Export

python

from pbix_atlas import export_graphml, export_nodes_csv, export_edges_csv, graph_summary
graph_summary(graph)  # {'query': 70, 'column': 183, ...}export_graphml(graph, "lineage.graphml")  # Gephi / yEdexport_nodes_csv(graph, "nodes.csv")export_edges_csv(graph, "edges.csv")

from pbix_atlas import export_graphml, export_nodes_csv, export_edges_csv, graph_summary
graph_summary(graph)  # {'query': 70, 'column': 183, ...}export_graphml(graph, "lineage.graphml")  # Gephi / yEdexport_nodes_csv(graph, "nodes.csv")export_edges_csv(graph, "edges.csv")

Codegen — standalone Python pipeline

Generates a single Python file reproducing a report's full chain: source → extraction → Power Query → semantic model → Vizro dashboard. The M source is executed at runtime by the built-in interpreter, not pattern-matched. Unimplemented functions raise MRuntimeError (no silent stubs).

python

from pbix_atlas import generate_python_pipeline
generate_python_pipeline("my_report.pbix", "pipeline.py")

from pbix_atlas import generate_python_pipeline
generate_python_pipeline("my_report.pbix", "pipeline.py")

HTTP API / MCP server

REST: POST /graphs, /search, /upstream, /downstream, /tree, /export, /codegen
MCP (streamable HTTP): http://127.0.0.1:8080/mcp/
Env vars: PBIX_LINEAGE_HOST, PBIX_LINEAGE_PORT

Architecture

Module	Responsibility
`models.py`	Node/edge types and shared data structures
`sources.py`	Physical source detection (configurable patterns)
`pbix_model.py`	Adapter isolating from `pbixray`
`m_lexer.py` / `m_parser.py`	Built-in M tokenizer and parser
`m_interpreter.py`	M runtime interpreter + stdlib
`dax_translate.py`	DAX → Python (supported subset)
`dax.py`	DAX reference parsing
`mquery.py`	Power Query dependencies (table-level)
`layout.py`	Internal `Report/Layout` format parsing
`graph_builder.py`	Orchestrator: builds the `networkx.DiGraph`
`navigation.py`	Upstream/downstream traversal, search, export
`codegen.py`	Python pipeline code generation
`api/app.py`	FastAPI + MCP mount (FastMCP)