fabdendev/dagster-mcp
Developer tools이 페이지는 AI로 자동 번역되었습니다. 기술적인 세부 사항은 원문을 확인하세요. 원문 보기
Dagster GraphQL API를 감싸는 MCP 서버 - 모니터 및 동작, 자산, 일정, 센서 및 모든 MCP 클라이언트에서 백필
개요
MCP 서버는 데이터 파이프라인에 대한 SRE와 같은 Dagster 인스턴스를 통해 AI 에이전트 전체 가시성을 제공하고 제어합니다. 모든 MCP 클라이언트와 함께 작동 : Claude Code, Claude Desktop, Cursor 등. Dagster는 공식적으로 개발 및 자체 Dagster Plus MCP 서버를 지원합니다. 문서 참조. 데이터 파이프라인은 오전 3시에 휴식. 자주 묻는 질문 자산 이동 stale. Red의 대시보드에 백업하는 대신 AI 에이전트를 Dagster 인스턴스에게 자율적으로 제공합니다. 6가지 범주의 27가지 도구, 자율 DataOps 워크플로우를 위해 설계된: 동작은 opt-in: DAGSTER READ ONLY=false를 설정하여 작업을 작성할 수 있습니다. - Python 3.12+ - uv (recommended) 또는 pip - Dagster 인스턴스 실행 (self-hosted 또는 Cloud) DAGSTER ENVS를 사용하여 하나의 서버에서 여러 Dagster 인스턴스를 구성합니다. 모든 도구는 옵션 env 매개 변수를 수락하므로 LLM은 올바른 인스턴스를 대상으로 할 수 있습니다.
개요(AI 번역)
MCP 서버는 데이터 파이프라인에 대한 SRE와 같은 Dagster 인스턴스를 통해 AI 에이전트 전체 가시성을 제공하고 제어합니다.
모든 MCP 클라이언트와 함께 작동 : Claude Code, Claude Desktop, Cursor 등.
Dagster는 공식적으로 개발 및 자체 Dagster Plus MCP 서버를 지원합니다. 문서 참조.
왜 이 존재
데이터 파이프라인은 오전 3시에 휴식. 자주 묻는 질문 자산 이동 stale. 적색의 대시보드에 마우스링 대신 AI 에이전트를 **monitor, 진단 및 수정 ** Dagster 인스턴스를 자율적으로 제공합니다.
무엇 그것
6가지 범주의 27가지 도구, 자율 DataOps 워크플로우를 위해 설계된:
| 도구 | 어떤 에이전트를 할 수 있습니다 |
|----------|-------|---------------------|
|Runs | [T0]] get_run_status [T2]] [T3]] [T4] | 실패를 찾기, 루트 원인 진단, 로그와 단계 타이밍 검사|
인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션 인포메이션
이 페이지는 AI로 자동 번역되었습니다. 기술적인 세부 사항은 원문을 확인하세요.
README
원문 README의 일부입니다. 원문 보기.
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 |
설치
uvx dagster-mcp설정
{
"mcpServers": {
"dagster": {
"command": "uvx",
"args": ["dagster-mcp"],
"env": {
"DAGSTER_URL": "http://localhost:3000"
}
}
}
}