mcp-server-apache-airflow此服务器直接连接 AI 工具与 Apache Airflow，让您通过对话管理工作流程和任务。

— (0)

审阅者 Daniel Nikulshyn·更新 2026年7月

概览

本项目实现了用于 Apache Airflow 的 Model Context Protocol（MCP）服务器，支持与 MCP 客户端的无缝集成。通过使用官方 Apache Airflow 客户端库，MCP 客户端可以以标准化方式与 Airflow 交互，确保兼容性和可维护性。该项目提供了用于 DAG 管理的 API 路径，涵盖列出、获取详情、暂停、恢复、更新和删除 DAG 的功能。它还提供了用于 DAG 运行的 API 路径，包括列出、创建、获取详情、更新和删除 DAG 运行。此外，项目还包含用于任务、变量、连接、池、XComs 和数据集的 API 路径。这些路径使 MCP 客户端能够通过对话查看流水线状态、触发运行、检查日志以及更新设置。本项目提供了一种标准化方式与Apache Airflow进行交互，简化工作流，并通过对话更轻松地管理任务、变量、连接和数据集。

主要功能

DAG 管理
DAG 运行
任务管理
变量管理
连接管理
池管理

价格

模型: Free
分类: 服务配缩器
评分: 暂无评价

使用场景

工作流程自动化

MCP 服务器使工作流程自动化成为可能，它允许 MCP 客户端以标准化的方式与 Apache Airflow interaction，极大地简化了对复杂工作流程的管理。

AI 工具整合

该服务器允许 AI 工具直接连接到 Apache Airflow，从而使用户能够通过对话管理工作流程和任务，查看管道状态，触发运行，检查日志和更新设置。

优点 & 缺点

优点

标准化与 Apache Airflow 的 interaction
与 MCP 客户端无缝整合
兼容 Airflow 的 REST API
通过官方 Airflow 客户端库实现 maintainability

缺点

依赖 Apache Airflow 和其 REST API
仅限 MCP 客户端 interaction

评测

登录以留下评测。

暂无评测。来当第一个吧!

问答

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