Apache Airflow MCPサーバー統合

「Apache Airflow」MCPサーバーとは何をするものですか？

Apache Airflow MCPサーバーは、AIアシスタントとApache Airflowインスタンスの橋渡しをするModel Context Protocol（MCP）サーバーです。Apache AirflowのREST APIをラップすることで、MCPクライアントやAIエージェントが標準化された方法でAirflowとプログラム的にやりとりできるようになります。このサーバーを通じて、開発者はAirflowのDAG（有向非巡回グラフ）管理、ワークフローの監視、ジョブのトリガー、さまざまなワークフロー自動化が可能です。この統合により、AI駆動ツールがデータパイプラインの状態を照会したり、ジョブをオーケストレーションしたり、ワークフロー設定を直接MCP経由で変更したりでき、開発ワークフローが効率化されます。サーバーは公式Apache Airflowクライアントライブラリを利用して互換性と堅牢な相互運用性を確保しています。

プロンプト一覧

利用可能なファイルやリポジトリ内容には明示的なプロンプトテンプレートは記載されていません。

リソース一覧

リポジトリ内容やREADMEには明示的なMCPリソースは記載されていません。

ツール一覧

• DAG一覧
  Airflowインスタンスで管理されているすべてのDAG（ワークフロー）を取得します。
• DAG詳細取得
  指定したDAGの詳細情報をIDで取得します。
• DAG一時停止
  指定したDAGを一時停止し、再開されるまで定期実行を停止します。
• DAG再開
  指定したDAGの定期実行を再開します。
• DAG更新
  指定したDAGの設定やプロパティを更新します。
• DAG削除
  指定したDAGをAirflowインスタンスから削除します。
• DAGソース取得
  指定したDAGのソースコードやファイル内容を取得します。
• 複数DAGのパッチ適用
  複数のDAGにまとめて更新を適用します。
• DAGファイル再パース
  コード変更後などにAirflowにDAGファイルの再パースを指示します。
• DAG実行一覧
  指定したDAGの全実行履歴を一覧表示します。
• DAG実行作成
  指定したDAGの新しい実行をトリガーします。
• DAG実行詳細取得
  特定のDAG実行に関する詳細情報を取得します。

このMCPサーバーのユースケース

• 自動ワークフローオーケストレーション
  開発者はAIエージェントを使ってAirflowワークフローのスケジューリング・トリガー・監視をプログラム的に行い、手作業を減らして自動化を促進できます。
• DAG管理とバージョンコントロール
  AIアシスタントがDAGの管理・一時停止・再開・更新をサポートし、複雑なパイプラインのライフサイクルや変更管理を容易にします。
• パイプライン監視とアラート
  サーバーを介してAIツールがDAG実行の状態を照会でき、ワークフロー失敗や成功時の監視・アラートが可能です。
• 動的DAG修正
  スケジュールやパラメータ変更などリアルタイム要件に応じてDAGを動的に更新・パッチできます。
• ソースコード検査とデバッグ
  AIツールがAirflowインスタンスからDAGソースファイルを取得し、コードレビューやデバッグ、コンプライアンスチェックを実施できます。

セットアップ方法

Windsurf

1. ご利用のマシンにNode.jsとWindsurfがインストールされていることを確認してください。
2. Windsurfの設定ファイル（通常はwindsurf.config.json）を探します。
3. mcpServersセクションにApache Airflow MCPサーバーを追加します:

   {
     "mcpServers": {
       "apache-airflow": {
         "command": "npx",
         "args": ["@yangkyeongmo/mcp-server-apache-airflow@latest"]
       }
     }
   }
   

4. 設定ファイルを保存します。
5. Windsurfを再起動し、Airflow MCPサーバーが正常に読み込まれることを確認します。

APIキーのセキュリティ例:

{
  "mcpServers": {
    "apache-airflow": {
      "command": "npx",
      "args": ["@yangkyeongmo/mcp-server-apache-airflow@latest"],
      "env": {
        "AIRFLOW_API_KEY": "your-airflow-key"
      },
      "inputs": {
        "api_url": "https://your-airflow-instance/api/v1/"
      }
    }
  }
}

Claude

1. Node.jsがインストール済み、かつClaudeの設定ファイルへアクセスできることを確認します。
2. 設定ファイルを編集し、Apache Airflow MCPサーバーを追加します。
3. 次のJSONスニペットを使用します:

   {
     "mcpServers": {
       "apache-airflow": {
         "command": "npx",
         "args": ["@yangkyeongmo/mcp-server-apache-airflow@latest"]
       }
     }
   }
   

4. 保存後、Claudeを再起動します。
5. 接続と機能を確認します。

Cursor

1. Node.jsがインストール済みであることを確認します。
2. Cursorの設定ファイルを開きます。
3. 以下を追加します:

   {
     "mcpServers": {
       "apache-airflow": {
         "command": "npx",
         "args": ["@yangkyeongmo/mcp-server-apache-airflow@latest"]
       }
     }
   }
   

4. 保存後、Cursorを再起動します。
5. MCPサーバー統合を確認します。

Cline

1. Node.jsが未導入の場合はインストールします。
2. Clineの設定ファイルに移動します。
3. 以下を挿入します:

   {
     "mcpServers": {
       "apache-airflow": {
         "command": "npx",
         "args": ["@yangkyeongmo/mcp-server-apache-airflow@latest"]
       }
     }
   }
   

4. 保存後、Clineを再起動します。
5. MCPサーバーの接続を確認します。

注意: Windsurf例のように、環境変数を使ってAirflow APIキーを安全に管理してください。

フロー内でこのMCPを使う方法

FlowHuntでのMCPの利用

FlowHuntのワークフローにMCPサーバーを統合するには、まずMCPコンポーネントをフローに追加し、それをAIエージェントに接続します。

MCPコンポーネントをクリックして設定パネルを開き、system MCP設定セクションで以下のJSON形式でMCPサーバー情報を入力します:

{
  "apache-airflow": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

設定が完了すると、AIエージェントはこのMCPをツールとして使い、その全機能・能力にアクセスできるようになります。“apache-airflow"はご自身のMCPサーバー名に、URLはご自身のサーバーのURLに置き換えてください。

概要

所感

Apache Airflow MCPサーバーはワークフロー管理と自動化に強力なツールを提供していますが、プロンプトテンプレートや明示的なMCPリソースのドキュメントが不足しています。セットアップはシンプルで、MITライセンス・活発な開発状況も好印象です。ただし、サンプリングやroots機能に関する記載がない点は、エージェント型LLMワークフロー用途ではやや制限となるかもしれません。

MCPスコア