AirTrack

AirTrack

一个用于 Apache Airflow 的模型上下文协议（MCP）服务，可标准化访问 DAG 元数据、运行状态和任务洞察，方便与 MCP 客户端无缝集成，用于监控和自动化。

关于

本项目实现了一个模型上下文协议服务，封装 Apache Airflow 的 REST API，使 MCP 客户端能够以标准化方式与 Airflow 交互。它使用 Apache Airflow 官方客户端库，以确保兼容性和可维护性。

项目结构

combined_project/
├── airflow/           # Airflow project files
│   ├── dags/         # Airflow DAG definitions
│   ├── logs/         # Airflow logs
│   ├── plugins/      # Airflow plugins
│   └── Docker-compose.yaml  # Docker compose file for Airflow
│
└── mpc/              # MPC application files
    ├── utils/        # Utility functions
    ├── server.py     # Main server file
    └── main.py       # Entry point

运行项目

要求

• 用于 Airflow 的 Docker 和 Docker Compose
• MPC 应用需要 Python 3.8+
• MPC 应用需要虚拟环境

Airflow

1. 进入 airflow 目录：

   cd airflow
   

2. 使用 Docker Compose 启动 Airflow：

   docker-compose up 
   

3. 访问 Airflow Web 界面：http://localhost:8181

   用户名： admin 密码： airflow

MPC 应用

1. 进入 mpc 目录：

   cd mpc
   

2. 创建并激活虚拟环境：

   python -m venv .venv
   .venv\Scripts\activate  # On Windows
   source .venv/bin/activate  # On Unix/MacOS
   

3. 安装依赖项：

   pip install -r requirements.txt
   

4. 运行 MPC 服务：

   python server.py
   

在 Claude Desktop 中使用

{
  "mcpServers": {
    "FlowPredictor": {
   "command": "D:\\Apps\\conda\\Scripts\\uv.EXE",
   "args": [
     "run",
     "--with",
     "mcp[cli]",
     "mcp",
     "run",
     "<---PATH OF YOUR SERVER FILE eg(C:\\Users\\..\\..\\..\\server.py) --->"
   ]
 }
   }
}

集成

Airflow DAG 可以通过 API 调用与 MPC 应用交互。执行需要 MPC 功能的工作流时，请确保两个服务都在运行。

后续开发

• 🔄 实时更新 – 通过 WebSocket 或 SSE 流式传输 DAG/任务状态。

• 🔐 安全性 – 添加 OAuth2、API 密钥和基于角色的访问控制。

• ⚡ 事件触发 – 在 DAG 事件发生时自动触发 Agent。

• A📊 分析 – 提供 DAG 性能和趋势仪表板。

• 🤖 AI 故障排查 – 使用大模型分析问题并提供修复方案。

• 与 OpenWebUi 集成

• 1. 安装 MCPO

  pip install mcpo
  

2. 在 mcp 文件夹中创建 config.js

{
  "mcpServers": {
   "airflow-mcp-server": {
      "command": "C:\\Users\\RakeshReddyBijjam\\pipx\\venvs\\meltano\\Scripts\\uv.EXE",
      "args": [
        "run",
        "--with",
        "mcp[cli]",
        "mcp",
        "run",
        "C:\\Users\\RakeshReddyBijjam\\Desktop\\claude_sam\\AirTrack\\mcp\\server.py"
      ]
    }
  }
}

3. 运行服务

   uvx mcpo --config config.json --port 8001