fabdendev/dagster-mcp
Developer toolsこのページは AI により自動翻訳されています。技術的な詳細は原文をご確認ください。 原文を見る
Dagster GraphQL API をラップする MCP サーバー — あらゆる MCP クライアントから実行、アセット、スケジュール、センサー、およびバックフィルを監視および運用
概要
データパイプラインの SRE のような、AI エージェントが Dagster インスタンスを完全に可視化し、制御できる MCP サーバーです。 任意のMCPクライアントで動作します: クロード コード, クロード デスクトップ, カーソル, など. Dagsterは、Dagster Plus MCPサーバーを正式に開発およびサポートしています。 ドキュメントはこちら データパイプラインは、午前3時に破棄します。 サイレントストップ発射をスケジュールします。 資産は階段を行きます。 赤いダッシュボードまで目覚めさせる代わりに、AI エージェントにツールを Dagster インスタンスに自動通知します。 オートノマイズDataOpsワークフロー用に設計された6つのカテゴリにわたって27のツール: アクションは、書き込み操作を有効にするには、DAGSTER READ ONLY=false を設定します。 - Python 3.12 + - uv (推奨) または pip - 実行中のDagsterインスタンス(セルフホストまたはクラウド) DAGSTER ENVS を使用して、複数の Dagster インスタンスを 1 つのサーバーで構成します。 各ツールはオプションの env パラメータを受け付け、LM は正しいインスタンスをターゲットにすることができます.
概要（AI 翻訳）
データパイプラインの SRE のような、AI エージェントが Dagster インスタンスを完全に可視化し、制御できる MCP サーバーです。
任意のMCPクライアントで動作します: クロード コード, クロード デスクトップ, カーソル, など.
Dagsterは、Dagster Plus MCPサーバーを正式に開発およびサポートしています。 ドキュメントはこちら
なぜこれが存在しているのか
データパイプラインは、午前3時に破棄します。 サイレントストップ発射をスケジュールします。 資産は階段を行きます。 赤いダッシュボードまで目覚めさせる代わりに、AIエージェントにツールを **monitor、診断、修正 ** Dagster インスタンスを自律的に提供します。
それが何をするか
オートノマイズDataOpsワークフロー用に設計された6つのカテゴリにわたって27のツール:
| カテゴリー | ツール | エージェントができること |
お問い合わせ
| get_run_status [get_run_logs] [get_run_stats]]] 失敗を見つけ、根本原因を診断し、ログとステップのタイミングを調べる |
|アセット | [search_assets [resolve_asset_selection] [[get_asset_details]]] [[get_asset_health]]]]] | アセット、プレビュー ライン セレクション、鮮度チェック、ストールデータを検出 |
このページは AI により自動翻訳されています。技術的な詳細は原文をご確認ください。
README
以下は原文 README の抜粋です。原文を見る。
Dagster MCP
An MCP server that gives AI agents full visibility and control over your Dagster instance — like an SRE for your data pipelines.
Works with any MCP client: Claude Code, Claude Desktop, Cursor, and more.
Dagster officially develops and supports their own Dagster Plus MCP server. See the documentation here.
Why this exists
Data pipelines break at 3 AM. Schedules silently stop firing. Assets go stale. Instead of waking up to a dashboard full of red, give your AI agent the tools to monitor, diagnose, and fix your Dagster instance autonomously.
Agent: Checking instance health...
get_instance_status() -> healthy: false, daemon "SCHEDULER" unhealthy
Agent: Scheduler daemon is down. Let me check recent failures...
get_runs(statuses=["FAILURE"], limit=5) -> 3 failed runs in the last hour
Agent: Diagnosing the most recent failure...
get_run_failure_summary("run_abc123") ->
failed_steps: ["transform_orders"]
root_cause: "NullPointerError: column 'price' is null"
suggestions: ["Single step failed — consider re-running from failure"]
Agent: Re-launching the failed job...
launch_job("etl_pipeline", "my_project") -> run_id: "run_def456", status: STARTED
Agent: One sensor keeps firing on bad data. Checking its ticks...
get_tick_history("orders_sensor", "SENSOR") -> 12 consecutive FAILURE ticks
Agent: Stopping it until the upstream fix lands...
stop_sensor("orders_sensor") -> status: STOPPED
What it does
27 tools across 6 categories, designed for autonomous DataOps workflows:
| Category | Tools | What an agent can do |
|---|---|---|
| Runs | get_runs get_run_status get_run_logs get_run_stats get_run_failure_summary |
Find failures, diagnose root causes, inspect logs and step timing |
| Assets | search_assets resolve_asset_selection get_asset_details get_recent_materializations get_asset_health |
Discover assets, preview lineage selections, check freshness, detect stale data |
| Jobs | list_jobs |
Inventory jobs across code locations, with optional repository/location filters |
インストール
uvx dagster-mcp設定
{
"mcpServers": {
"dagster": {
"command": "uvx",
"args": ["dagster-mcp"],
"env": {
"DAGSTER_URL": "http://localhost:3000"
}
}
}
}