Apache Airflow MCP Sunucusu Entegrasyonu

“Apache Airflow” MCP Sunucusu ne işe yarar?

Apache Airflow MCP Sunucusu, AI asistanları ile Apache Airflow örnekleri arasında köprü görevi gören bir Model Context Protocol (MCP) sunucusudur. Apache Airflow’un REST API’sini saran bu sunucu, MCP istemcilerinin ve AI ajanlarının Airflow ile standart ve programlı bir şekilde etkileşime geçmesini sağlar. Bu sunucu aracılığıyla geliştiriciler, Airflow DAG’lerini (Directed Acyclic Graphs), iş akışlarını izleyebilir, çalıştırmaları tetikleyebilir ve çeşitli iş akışı otomasyon görevlerini yerine getirebilir. Bu entegrasyon, AI destekli araçların veri boru hatlarının durumunu sorgulamasına, işleri orkestre etmesine ve iş akışı yapılandırmalarını doğrudan MCP üzerinden değiştirmesine olanak tanıyarak geliştirme süreçlerini kolaylaştırır. Sunucu, uyumluluğu sürdürmek ve AI ekosistemiyle Airflow tabanlı veri altyapısı arasında sağlam bir etkileşim sağlamak için resmi Apache Airflow istemci kütüphanesini kullanır.

Komut Listesi

Mevcut dosyalarda veya depo içeriğinde açık bir komut şablonu belgelenmemiştir.

Kaynak Listesi

Depoda veya README’de açık MCP kaynağı belgelenmemiştir.

Araçlar Listesi

• DAG’leri Listele
  Airflow örneği tarafından yönetilen tüm DAG’lerin (iş akışlarının) listesini istemcilere sunar.
• DAG Detaylarını Getir
  Belirli bir DAG’in kimliği ile ayrıntılı bilgilerini getirir.
• DAG’i Duraklat
  Belirli bir DAG’i duraklatır, planlanan çalıştırmalar başlatılmaz.
• DAG’i Devam Ettir
  Belirli bir DAG’i yeniden aktif ederek planlanan çalışmaları başlatır.
• DAG’i Güncelle
  Belirli bir DAG’in yapılandırma veya özelliklerini günceller.
• DAG’i Sil
  Belirli bir DAG’i Airflow örneğinden kaldırır.
• DAG Kaynağını Getir
  Belirtilen DAG’in kaynak kodu veya dosya içeriğini getirir.
• Birden Fazla DAG’i Güncelle (Patch)
  Birden fazla DAG üzerinde tek seferde güncelleme işlemi uygular.
• DAG Dosyasını Yeniden Tara
  Kod değişikliklerinden sonra Airflow’un DAG dosyasını yeniden okumasını tetikler.
• DAG Çalıştırmalarını Listele
  Belirli bir DAG için tüm çalıştırmaları listeler.
• DAG Çalıştırması Oluştur
  Belirli bir DAG için yeni bir çalıştırma başlatır.
• DAG Çalıştırma Detaylarını Getir
  Belirli bir DAG çalıştırması hakkında ayrıntılı bilgi alır.

Bu MCP Sunucusunun Kullanım Senaryoları

• Otomatik İş Akışı Orkestrasyonu
  Geliştiriciler, AI ajanlarını kullanarak Airflow iş akışlarını programlı olarak zamanlayabilir, tetikleyebilir ve izleyebilir; böylece manuel müdahaleyi azaltıp otomasyonu artırabilirler.
• DAG Yönetimi ve Sürüm Kontrolü
  AI asistanları DAG’leri yönetebilir, duraklatabilir, devam ettirebilir ve güncelleyebilir; bu da karmaşık boru hattı yaşam döngüsünü ve değişikliklerini kolayca yönetmenizi sağlar.
• Boru Hattı İzleme ve Uyarı
  Sunucu, AI araçlarının DAG çalıştırma durumunu sorgulamasına olanak tanır ve iş akışı başarısızlıkları veya başarıları için proaktif izleme ve uyarı sağlar.
• Dinamik DAG Değişikliği
  Gerçek zamanlı gereksinimlere göre DAG’lerde dinamik güncelleme veya yama yapmayı mümkün kılar (örn. zamanlama veya parametre değiştirme).
• Kaynak Kodu İnceleme ve Hata Ayıklama
  AI araçları, kod incelemesi, hata ayıklama veya uyumluluk kontrolleri için DAG kaynak dosyalarını doğrudan Airflow örneğinden alabilir.

Nasıl Kurulur?

Windsurf

1. Bilgisayarınızda Node.js ve Windsurf kurulu olmalı.
2. Windsurf yapılandırma dosyasını bulun (genellikle windsurf.config.json).
3. Apache Airflow MCP Sunucusunu mcpServers bölümüne ekleyin:

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

4. Yapılandırma dosyasını kaydedin.
5. Windsurf’ü yeniden başlatın ve Airflow MCP Sunucusunun başarıyla yüklendiğini doğrulayın.

API Anahtarlarını Güvenli Saklama Örneği:

{
  "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 yüklü olmalı ve Claude’un yapılandırma dosyasına erişiminiz olmalı.
2. Yapılandırma dosyasını düzenleyip Apache Airflow MCP Sunucusunu ekleyin.
3. Şu JSON parçasını kullanın:

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

4. Kaydedin ve Claude’u yeniden başlatın.
5. Bağlantı ve işlevselliği doğrulayın.

Cursor

1. Node.js kurulumunu doğrulayın.
2. Cursor’ın yapılandırma dosyasını açın.
3. Şunu ekleyin:

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

4. Kaydedin ve Cursor’ı yeniden başlatın.
5. MCP Sunucusu entegrasyonunu kontrol edin.

Cline

1. Node.js yüklü değilse yükleyin.
2. Cline’ın yapılandırma dosyasına gidin.
3. Şunu ekleyin:

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

4. Kaydedin ve Cline’ı yeniden başlatın.
5. MCP Sunucusu bağlantısını doğrulayın.

Not: Airflow API anahtarlarınızı, yukarıdaki Windsurf örneğinde olduğu gibi ortam değişkenleriyle güvenli saklayın.

Bu MCP’yi akışlarda nasıl kullanırım?

FlowHunt ile MCP Kullanımı

MCP sunucularını FlowHunt iş akışınıza entegre etmek için, akışınıza MCP bileşeni ekleyin ve AI ajanınıza bağlayın:

MCP bileşenine tıklayıp yapılandırma panelini açın. Sistem MCP yapılandırması bölümünde, MCP sunucu bilgilerinizi şu JSON formatında girin:

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

Yapılandırma tamamlandığında, AI ajanı artık bu MCP’yi, tüm işlevlerine ve kabiliyetlerine erişebileceği bir araç olarak kullanabilir. “apache-airflow” adını gerçek MCP sunucu adınız ile ve URL kısmını kendi sunucu adresinizle değiştirmeniz gerektiğini unutmayın.

Genel Bakış

Bizim görüşümüz

Apache Airflow MCP Sunucusu, iş akışı yönetimi ve otomasyonu için güçlü araçlar sunar ancak komut şablonları ve açık MCP kaynakları hakkında dokümantasyon eksiktir. Kurulumu oldukça kolaydır, MIT lisansı ve aktif geliştiriciliği artı değerlerdir. Ancak, örnekleme ve kök özellik dokümantasyonu eksikliği, ajan odaklı LLM iş akışlarında kapsamını bir miktar sınırlar.

MCP Puanı