fabdendev/dagster-mcp

Эта страница переведена автоматически. Технические детали смотрите в оригинале. Открыть оригинал

18 stars 12 forks Качество 79 Тренд 30MIT

MCP-сервер, который обертывает Dagster GraphQL API — отслеживает и управляет запусками, активами, графиками, датчиками и заправками от любого клиента MCP

Обзор

Сервер MCP, который дает агентам ИИ полную видимость и контроль над вашим экземпляром Dagster — как SRE для ваших конвейеров данных. Работает с любым клиентом MCP: Claude Code, Claude Desktop, Cursor и др. Dagster разрабатывает и поддерживает собственный MCP-сервер Dagster Plus. Смотрите документацию здесь. Трубопроводы данных разрываются в 3 часа ночи. Графики молча прекращают огонь. Активы становятся несвежими. Вместо того, чтобы просыпаться на приборной панели, полной красного цвета, дайте своему агенту ИИ инструменты для вашего экземпляра Dagster автономно. 27 инструментов в 6 категориях, предназначенных для автономных рабочих процессов DataOps: Действия включают опцию: установите DAGSTER READ ONLY=false, чтобы включить операции записи. Python 3.12 + - uv (рекомендуется) или pip - запущенный экземпляр Dagster (самостоятельный или облачный) Используйте DAGSTER ENVS для настройки нескольких экземпляров Dagster на одном сервере. Затем каждый инструмент принимает дополнительный параметр env, чтобы LLM мог нацелиться на правильный экземпляр.

Обзор (машинный перевод)

Сервер MCP, который дает агентам ИИ полную видимость и контроль над вашим экземпляром Dagster — как SRE для ваших конвейеров данных.

Работает с любым клиентом MCP: Claude Code, Claude Desktop, Cursor и др.

Dagster разрабатывает и поддерживает собственный MCP-сервер Dagster Plus. Смотрите документацию здесь.

Почему это существует

Трубопроводы данных разрываются в 3 часа ночи. Графики молча прекращают огонь. Активы становятся несвежими. Вместо того, чтобы просыпаться на приборной панели, полной красного цвета, дайте своему агенту ИИ инструменты для мониторинга, диагностики и исправления вашего экземпляра Dagster автономно.

Что он делает

27 инструментов в 6 категориях, предназначенных для автономных рабочих процессов DataOps:

| Категория | Инструменты Что может сделать агент

[[Т1]] [[Т2]] [[Т3]][[Т4]][[Т1]][[Т2]][[Т3]][[Т4]] Найти сбои, диагностировать первопричины, проверить журналы и время шага search_assets resolve_asset_selection get_asset_details get_recent_materializations get_asset_health | Обнаружение активов, выбор линии предварительного просмотра, проверка свежести, обнаружение устаревших данных |

Эта страница переведена автоматически. Технические детали смотрите в оригинале.

README

Показан фрагмент оригинального README. Открыть оригинал.

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

Открыть полный README на GitHub

Установка

uvx dagster-mcp

Новичок в MCP? Начните с руководства на mcpskill.org →

Конфигурация

{
  "mcpServers": {
    "dagster": {
      "command": "uvx",
      "args": ["dagster-mcp"],
      "env": {
        "DAGSTER_URL": "http://localhost:3000"
      }
    }
  }
}