mcp-server-apache-airflowEste servidor conecta ferramentas de IA diretamente ao Apache Airflow, permitindo que você gerencie fluxos de trabalho e tarefas por meio de conversação. Você pode visualizar o status do pipeline, acionar execuções, verificar logs e atualizar configurações sem precisar de programação.

— (0)

Avaliado por Daniel Nikulshyn·Atualizado julho de 2026

Visão geral

Este projeto implementa um servidor Model Context Protocol para o Apache Airflow, permitindo integração perfeita com clientes MCP. Ele permite que clientes MCP interajam com o Airflow de forma padronizada, usando a biblioteca cliente oficial do Apache Airflow para garantir compatibilidade e facilitar a manutenção. O projeto fornece rotas de API para gerenciamento de DAGs, incluindo listagem, obtenção de detalhes, pausa, retomada, atualização e exclusão de DAGs. Também inclui rotas de API para execuções de DAG, como listagem, criação, obtenção de detalhes, atualização e exclusão de execuções de DAG. Além disso, o projeto inclui endpoints de API para tarefas, variáveis, conexões, pools, XComs e conjuntos de dados. Esses endpoints permitem que os clientes MCP visualizem o status do pipeline, acionem execuções, verifiquem logs e atualizem configurações por meio de conversas. Este projeto fornece uma maneira padronizada de interagir com o Apache Airflow, simplificando fluxos de trabalho e facilitando o gerenciamento de tarefas, variáveis, conexões e conjuntos de dados por meio de conversação.

Funcionalidades principais

Gerenciamento de DAGs
Execuções de DAGs
Gerenciamento de Tarefas
Gerenciamento de Variáveis
Gerenciamento de Conexões
Gerenciamento de Pools

Preços

Modelo: Free
Categoria: Servidores MCP
Avaliação: Ainda sem avaliações

Casos de uso

Automação de Fluxo de Trabalho

O servidor MCP permite a automação de fluxos de trabalho, permitindo que os clientes MCP interajam com o Apache Airflow de forma padronizada, tornando mais fácil gerenciar fluxos de trabalho complexos.

Integração de Ferramentas de IA

O servidor permite que ferramentas de IA se conectem diretamente ao Apache Airflow, permitindo que os usuários gerenciem fluxos de trabalho e tarefas por meio de conversação, visualizando o status do pipeline, acionando execuções, verificando logs e atualizando configurações.

Prós e contras

Prós

Interação padronizada com o Apache Airflow
Integração perfeita com clientes MCP
Compatibilidade com a API REST do Airflow
Manutenibilidade por meio da biblioteca de cliente oficial do Airflow

Contras

Dependente do Apache Airflow e sua API REST
Limitado a interações de clientes MCP

Avaliações

Entra para deixar uma avaliação.

Ainda sem avaliações. Sê o primeiro!

Perguntas e respostas

Is there a learning curve for developers to use this server?

Because it follows Airflow’s standard API conventions and relies on the official client library, developers familiar with Airflow’s REST endpoints will adapt quickly, with minimal extra configuration beyond deploying the MCP server.

Asked by Sofia Lindqvist · Dec 25, 2025

Are there any limitations to using this server?

It is only functional when an Apache Airflow instance and its REST API are available. It also supports interaction exclusively via MCP clients; other non‑MCP tools would need additional wrappers.

Asked by Qiu Yan · Dec 11, 2025

What can I do with the API paths for DAG runs?

The server allows you to list, create, retrieve details, update, and delete DAG runs. You can also trigger runs and view their status directly through MCP client conversations.

Asked by Amara Chukwu · Nov 4, 2025

How does mcp-server-apache-airflow integrate with existing Airflow setups?

It uses the official Apache Airflow client library, exposing REST‑style API paths for DAGs, runs, tasks, variables, connections, pools, XComs, and datasets. Clients can then call these endpoints to manage workflows just as if they were using Airflow’s native REST API.

Asked by Sven Bergqvist · Sep 18, 2025