Skip to main content
Glama
deenesjakoruzh

MCP Server for Apache Airflow

by yangkyeongmo
GitHub
Python
MIT License
96
  • Apple
  • Linux
OverviewInspectNewEndpointsSchemaRelated ServersReviewsScore
Need Help?View Source CodeReport Issue

mcp-server-apache-airflow

Schmiedeabzeichen

Eine Model Context Protocol (MCP)-Serverimplementierung für Apache Airflow ermöglicht die nahtlose Integration mit MCP-Clients. Dieses Projekt bietet eine standardisierte Möglichkeit zur Interaktion mit Apache Airflow über das Model Context Protocol.

Um

Dieses Projekt implementiert einen Model Context Protocol -Server, der die REST-API von Apache Airflow umschließt und MCP-Clients eine standardisierte Interaktion mit Airflow ermöglicht. Es verwendet die offizielle Apache Airflow-Clientbibliothek, um Kompatibilität und Wartbarkeit zu gewährleisten.

Status der Funktionsimplementierung

Besonderheit

API-Pfad

Status

DAG-Verwaltung

DAGs auflisten

/api/v1/dags

✅

DAG-Details abrufen

/api/v1/dags/{dag_id}

✅

DAG anhalten

/api/v1/dags/{dag_id}

✅

DAG fortsetzen

/api/v1/dags/{dag_id}

✅

DAG aktualisieren

/api/v1/dags/{dag_id}

✅

DAG löschen

/api/v1/dags/{dag_id}

✅

DAG-Quelle abrufen

/api/v1/dagSources/{file_token}

✅

Mehrere DAGs patchen

/api/v1/dags

✅

DAG-Datei erneut analysieren

/api/v1/dagSources/{file_token}/reparse

✅

DAG-Läufe

DAG-Läufe auflisten

/api/v1/dags/{dag_id}/dagRuns

✅

DAG-Ausführung erstellen

/api/v1/dags/{dag_id}/dagRuns

✅

DAG-Ausführungsdetails abrufen

/api/v1/dags/{dag_id}/dagRuns/{dag_run_id}

✅

DAG-Ausführung aktualisieren

/api/v1/dags/{dag_id}/dagRuns/{dag_run_id}

✅

DAG-Ausführung löschen

/api/v1/dags/{dag_id}/dagRuns/{dag_run_id}

✅

DAG-Runs-Batch abrufen

/api/v1/dags/~/dagRuns/list

✅

DAG-Lauf löschen

/api/v1/dags/{dag_id}/dagRuns/{dag_run_id}/clear

✅

DAG-Ausführungsnotiz festlegen

/api/v1/dags/{dag_id}/dagRuns/{dag_run_id}/setNote

✅

Upstream-Dataset-Ereignisse abrufen

/api/v1/dags/{dag_id}/dagRuns/{dag_run_id}/upstreamDatasetEvents

✅

Aufgaben

DAG-Aufgaben auflisten

/api/v1/dags/{dag_id}/tasks

✅

Aufgabendetails abrufen

/api/v1/dags/{dag_id}/tasks/{task_id}

✅

Taskinstanz abrufen

/api/v1/dags/{dag_id}/dagRuns/{dag_run_id}/taskInstances/{task_id}

✅

Aufgabeninstanzen auflisten

/api/v1/dags/{dag_id}/dagRuns/{dag_run_id}/taskInstances

✅

Taskinstanz aktualisieren

/api/v1/dags/{dag_id}/dagRuns/{dag_run_id}/taskInstances/{task_id}

✅

Aufgabeninstanzen löschen

/api/v1/dags/{dag_id}/clearTaskInstances

✅

Status der Taskinstanzen festlegen

/api/v1/dags/{dag_id}/updateTaskInstancesState

✅

Variablen

Listenvariablen

/api/v1/variables

✅

Variable erstellen

/api/v1/variables

✅

Variable abrufen

/api/v1/variables/{variable_key}

✅

Variable aktualisieren

/api/v1/variables/{variable_key}

✅

Variable löschen

/api/v1/variables/{variable_key}

✅

Anschlüsse

Verbindungen auflisten

/api/v1/connections

✅

Verbindung erstellen

/api/v1/connections

✅

Verbindung herstellen

/api/v1/connections/{connection_id}

✅

Verbindung aktualisieren

/api/v1/connections/{connection_id}

✅

Verbindung löschen

/api/v1/connections/{connection_id}

✅

Verbindung testen

/api/v1/connections/test

✅

Schwimmbäder

Pools auflisten

/api/v1/pools

✅

Pool erstellen

/api/v1/pools

✅

Pool abrufen

/api/v1/pools/{pool_name}

✅

Updatepool

/api/v1/pools/{pool_name}

✅

Pool löschen

/api/v1/pools/{pool_name}

✅

XComs

Liste XComs

/api/v1/dags/{dag_id}/dagRuns/{dag_run_id}/taskInstances/{task_id}/xcomEntries

✅

Holen Sie sich den XCom-Eintrag

/api/v1/dags/{dag_id}/dagRuns/{dag_run_id}/taskInstances/{task_id}/xcomEntries/{xcom_key}

✅

Datensätze

Datensätze auflisten

/api/v1/datasets

✅

Datensatz abrufen

/api/v1/datasets/{uri}

✅

Abrufen von Dataset-Ereignissen

/api/v1/datasetEvents

✅

Ereignis „Dataset erstellen“

/api/v1/datasetEvents

✅

DAG-Dataset-Warteschlangenereignis abrufen

/api/v1/dags/{dag_id}/dagRuns/queued/datasetEvents/{uri}

✅

Abrufen von DAG-Dataset-Warteschlangenereignissen

/api/v1/dags/{dag_id}/dagRuns/queued/datasetEvents

✅

Ereignis „DAG-Dataset in der Warteschlange löschen“

/api/v1/dags/{dag_id}/dagRuns/queued/datasetEvents/{uri}

✅

Löschen von in die Warteschlange gestellten DAG-Dataset-Ereignissen

/api/v1/dags/{dag_id}/dagRuns/queued/datasetEvents

✅

Abrufen von Dataset-Warteschlangenereignissen

/api/v1/datasets/{uri}/dagRuns/queued/datasetEvents

✅

Ereignisse aus der Warteschlange des Datensatzes löschen

/api/v1/datasets/{uri}/dagRuns/queued/datasetEvents

✅

Überwachung

Gesundheit bekommen

/api/v1/health

✅

DAG-Statistiken

DAG-Statistiken abrufen

/api/v1/dags/statistics

✅

Konfiguration

Konfiguration abrufen

/api/v1/config

✅

Plugins

Plugins herunterladen

/api/v1/plugins

✅

Anbieter

Anbieter auflisten

/api/v1/providers

✅

Ereignisprotokolle

Ereignisprotokolle auflisten

/api/v1/eventLogs

✅

Ereignisprotokoll abrufen

/api/v1/eventLogs/{event_log_id}

✅

System

Importfehler abrufen

/api/v1/importErrors

✅

Details zu Importfehlern abrufen

/api/v1/importErrors/{import_error_id}

✅

Gesundheitsstatus abrufen

/api/v1/health

✅

Version abrufen

/api/v1/version

✅

Aufstellen

Abhängigkeiten

Dieses Projekt basiert auf der offiziellen Apache Airflow-Clientbibliothek ( apache-airflow-client ). Sie wird automatisch installiert, wenn Sie dieses Paket installieren.

Umgebungsvariablen

Legen Sie die folgenden Umgebungsvariablen fest:

AIRFLOW_HOST=<your-airflow-host> AIRFLOW_USERNAME=<your-airflow-username> AIRFLOW_PASSWORD=<your-airflow-password> AIRFLOW_API_VERSION=v1 # Optional, defaults to v1

Verwendung mit Claude Desktop

Fügen Sie zu Ihrer claude_desktop_config.json hinzu:

{ "mcpServers": { "mcp-server-apache-airflow": { "command": "uvx", "args": ["mcp-server-apache-airflow"], "env": { "AIRFLOW_HOST": "https://your-airflow-host", "AIRFLOW_USERNAME": "your-username", "AIRFLOW_PASSWORD": "your-password" } } } }

Alternative Konfiguration mit uv :

{ "mcpServers": { "mcp-server-apache-airflow": { "command": "uv", "args": [ "--directory", "/path/to/mcp-server-apache-airflow", "run", "mcp-server-apache-airflow" ], "env": { "AIRFLOW_HOST": "https://your-airflow-host", "AIRFLOW_USERNAME": "your-username", "AIRFLOW_PASSWORD": "your-password" } } } }

Ersetzen Sie /path/to/mcp-server-apache-airflow durch den tatsächlichen Pfad, in den Sie das Repository geklont haben.

Auswählen der API-Gruppen

Sie können die API-Gruppen auswählen, die Sie verwenden möchten, indem Sie das Flag --apis setzen.

uv run mcp-server-apache-airflow --apis "dag,dagrun"

Standardmäßig werden alle APIs verwendet.

Zulässige Werte sind:

  • Konfiguration

  • Anschlüsse

  • Tag

  • dagrun

  • dagstats

  • Datensatz

  • Ereignisprotokoll

  • Importfehler

  • Überwachung

  • Plugin

  • Pool

  • Anbieter

  • Taskinstanz

  • Variable

  • xcom

Manuelle Ausführung

Sie können den Server auch manuell ausführen:

make run

make run akzeptiert folgende Optionen:

Optionen:

  • --port : Port, auf dem auf SSE gewartet wird (Standard: 8000)

  • --transport : Transporttyp (stdio/sse, Standard: stdio)

Oder Sie können den SSE-Server direkt ausführen, der dieselben Parameter akzeptiert:

make run-sse

Installation über Smithery

So installieren Sie den Apache Airflow MCP Server für Claude Desktop automatisch über Smithery :

npx -y @smithery/cli install @yangkyeongmo/mcp-server-apache-airflow --client claude

Beitragen

Beiträge sind willkommen! Senden Sie gerne einen Pull Request.

Lizenz

MIT-Lizenz

Deploy Server
A
security – no known vulnerabilities
A
license - permissive license
A
quality - confirmed to work

How are these scores calculated?

remote-capable server

The server can be hosted and run remotely because it primarily relies on remote services or has no dependency on the local environment.

Tools

View all tools

Bietet MCP-Clients eine standardisierte Möglichkeit zur Interaktion mit der REST-API von Apache Airflow und unterstützt Vorgänge wie die DAG-Verwaltung und die Überwachung der Systemintegrität von Airflow.

  1. Um
    1. Status der Funktionsimplementierung
      1. Aufstellen
        1. Abhängigkeiten
        2. Umgebungsvariablen
        3. Verwendung mit Claude Desktop
        4. Auswählen der API-Gruppen
        5. Manuelle Ausführung
        6. Installation über Smithery
      2. Beitragen
        1. Lizenz

          Related Resources

          Related MCP Servers

          • MCP Server for Apache Airflow

            tomnagengast
            -
            security
            A
            license
            -
            quality
            Provides integration with Apache Airflow's REST API, allowing AI assistants to programmatically interact with Airflow workflows, monitor DAG runs, and manage tasks.
            Last updated -
            MIT License

          • Aviationstack MCP Server

            Pradumnasaraf
            A
            security
            A
            license
            A
            quality
            An MCP server using the AviationStack API to fetch real-time flight data, including airline flights, airport schedules, future flights and aircraft types.
            Last updated -
            7
            9
            MIT License

          • MCP-Airflow-API

            call518
            A
            security
            A
            license
            A
            quality
            Monitor and manage Apache Airflow clusters through natural language queries via MCP tools: DAG inspection, task monitoring, health checks, and cluster analytics without API complexity. * Guide: https://call518.medium.com/mcp-airflow-api-a-model-context-protocol-mcp-server-for-apache-airflow-5dfdfb2
            Last updated -
            34
            41
            MIT License

          View all related MCP servers

          Appeared in Searches

          New MCP Servers

          MCP directory API

          We provide all the information about MCP servers via our MCP API.

          curl -X GET 'https://glama.ai/api/mcp/v1/servers/yangkyeongmo/mcp-server-apache-airflow'

          If you have feedback or need assistance with the MCP directory API, please join our Discord server