mcp-server-python - Kestra Python MCP Server支持多環境運行，集成流程管理等工具功能的Beta版服務器

探索

MCP Server Python

Kestra Python MCP Server是一個Beta版的工具服務器，用於與Kestra工作流平臺交互，支持通過Docker容器或本地開發環境運行，提供多種工具功能如流程管理、執行控制等。

開發者工具雲平臺 #工作流工具 #Python服務 #Docker部署 .Python

評分 : 2分

下載量 : 5.8K

更新時間 : 2025-07-24

打開站點

什麼是 Kestra Python MCP Server?

Kestra Python MCP Server 是一個用於與 Kestra 平臺交互的工具服務器，允許用戶通過命令行或 IDE（如 VS Code、Cursor）調用 Kestra 的功能，例如管理流程、執行任務、查看日誌等。

如何使用 Kestra Python MCP Server?

Kestra Python MCP Server 可以通過 Docker 容器運行，也可以在本地開發環境中啟動。用戶可以通過配置文件設置環境變量，並在 IDE 中集成該服務器以直接與 Kestra 交互。

適用場景

適用於需要與 Kestra 流程平臺進行交互的開發者，包括流程管理、任務執行、日誌查看、依賴分析等場景。

主要功能

流程管理

可以創建、更新、刪除、執行和查看流程。

任務執行

支持執行特定任務，並提供執行狀態和日誌信息。

依賴分析

能夠展示流程之間的依賴關係，幫助理解整個工作流結構。

日誌查看

提供對流程和任務執行日誌的訪問和查看功能。

多平臺支持

支持在 VS Code、Cursor、Claude 等多種開發環境中集成使用。

優勢

簡化了與 Kestra 平臺的交互方式

支持多種開發環境，便於集成

提供了豐富的命令和功能，滿足日常開發需求

侷限性

目前處於 Beta 階段，可能存在不穩定性

部分高級功能僅在企業版中可用

需要一定的配置和環境設置

如何使用

安裝依賴

確保已安裝 uv 和 Python 3.13，然後創建虛擬環境並安裝依賴。

配置環境變量

根據使用的 Kestra 版本（OSS 或 EE），設置相應的環境變量。

運行 MCP Server

使用 uv 運行 server.py 文件來啟動 MCP 服務器。

在 IDE 中集成

在 VS Code、Cursor 等 IDE 中配置 MCP 服務器路徑和參數，即可開始使用。

使用案例

列出流程依賴關係

用戶想要了解某個命名空間下的流程依賴結構，以便優化工作流設計。

重新執行失敗任務

用戶發現某個任務執行失敗，希望重新運行該任務。

查看流程日誌

用戶需要查看某次流程執行的日誌，以便排查問題。

常見問題

是否需要手動啟動 MCP 服務器？

MCP 服務器是否支持企業版功能？

如何解決 Docker 容器無法連接到 Kestra API 的問題？

MCP 服務器的性能如何？

安裝

複製以下命令到你的Client進行配置

{
  "mcpServers": {
    "kestra": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "--pull",
        "always",
        "-e", "KESTRA_BASE_URL",
        "-e", "KESTRA_TENANT_ID",
        "-e", "KESTRA_MCP_DISABLED_TOOLS",
        "ghcr.io/kestra-io/mcp-server-python:latest"
      ],
      "env": {
        "KESTRA_BASE_URL": "http://host.docker.internal:8080/api/v1",
        "KESTRA_TENANT_ID": "main",
        "KESTRA_MCP_DISABLED_TOOLS": "ee"
      }
    }
  }
}

{
  "mcpServers": {
    "kestra": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "--pull",
        "always",
        "-e",
        "KESTRA_MCP_DISABLED_TOOLS",
        "-e",
        "KESTRA_BASE_URL",
        "-e",
        "KESTRA_TENANT_ID",
        "-e",
        "KESTRA_USERNAME",
        "-e",
        "KESTRA_PASSWORD",
        "ghcr.io/kestra-io/mcp-server-python:latest"
      ],
      "env": {
        "KESTRA_BASE_URL": "http://host.docker.internal:8080/api/v1",
        "KESTRA_TENANT_ID": "main",
        "KESTRA_MCP_DISABLED_TOOLS": "ee",
        "KESTRA_USERNAME": "admin@kestra.io",
        "KESTRA_PASSWORD": "your_password"
      }
    }
  }
}

{
  "mcpServers": {
    "kestra": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "--pull",
        "always",
        "-e", "KESTRA_BASE_URL",
        "-e", "KESTRA_API_TOKEN",
        "-e", "KESTRA_TENANT_ID",
        "-e", "KESTRA_MCP_DISABLED_TOOLS",
        "ghcr.io/kestra-io/mcp-server-python:latest"
      ],
      "env": {
        "KESTRA_BASE_URL": "http://host.docker.internal:8080/api/v1",
        "KESTRA_API_TOKEN": "<your_kestra_api_token>",
        "KESTRA_TENANT_ID": "main"
      }
    }
  }
}

{
  "mcpServers": {
    "kestra": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "--pull",
        "always",
        "-e", "KESTRA_BASE_URL",
        "-e", "KESTRA_API_TOKEN",
        "-e", "KESTRA_TENANT_ID",
        "-e", "KESTRA_USERNAME",
        "-e", "KESTRA_PASSWORD",
        "-e", "KESTRA_MCP_DISABLED_TOOLS",
        "ghcr.io/kestra-io/mcp-server-python:latest"
      ],
      "env": {
        "KESTRA_BASE_URL": "http://host.docker.internal:8080/api/v1",
        "KESTRA_API_TOKEN": "<your_kestra_api_token>",
        "KESTRA_TENANT_ID": "main",
        "KESTRA_USERNAME": "admin",
        "KESTRA_PASSWORD": "admin",
        "KESTRA_MCP_DISABLED_TOOLS": "ee"
      }
    }
  }
}

{
  "mcpServers": {
    "kestra": {
      "command": "/Users/annageller/.local/bin/uv",
      "args": [
        "--directory",
        "/Users/annageller/gh/mcp-server-python/src",
        "run",
        "server.py"
      ]
    }
  }
}

注意：您的密鑰屬於敏感信息，請勿與任何人分享。

🚀 Kestra Python MCP Server

Kestra Python MCP Server 是一個用於 Kestra 的工具，可在 Docker 容器中運行，為用戶提供便捷的任務處理和管理功能。它支持不同版本的 Kestra，包括開源版（OSS）和企業版（EE），並提供了豐富的工具集，方便用戶進行任務回填、執行、文件管理等操作。

🚀 快速開始

你可以在 Docker 容器中運行 MCP 服務器。如果你想避免在本地機器上管理 Python 環境或依賴項，這將非常有用。

📦 安裝指南

OSS 用戶的最小配置

將以下配置粘貼到你的 MCP 設置中（例如 Cursor、Claude 或 VS Code）：

{
  "mcpServers": {
    "kestra": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "--pull",
        "always",
        "-e", "KESTRA_BASE_URL",
        "-e", "KESTRA_TENANT_ID",
        "-e", "KESTRA_MCP_DISABLED_TOOLS",
        "ghcr.io/kestra-io/mcp-server-python:latest"
      ],
      "env": {
        "KESTRA_BASE_URL": "http://host.docker.internal:8080/api/v1",
        "KESTRA_TENANT_ID": "main",
        "KESTRA_MCP_DISABLED_TOOLS": "ee"
      }
    }
  }
}

如果你啟用了基本身份驗證，請使用：

{
  "mcpServers": {
    "kestra": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "--pull",
        "always",
        "-e",
        "KESTRA_MCP_DISABLED_TOOLS",
        "-e",
        "KESTRA_BASE_URL",
        "-e",
        "KESTRA_TENANT_ID",
        "-e",
        "KESTRA_USERNAME",
        "-e",
        "KESTRA_PASSWORD",
        "ghcr.io/kestra-io/mcp-server-python:latest"
      ],
      "env": {
        "KESTRA_BASE_URL": "http://host.docker.internal:8080/api/v1",
        "KESTRA_TENANT_ID": "main",
        "KESTRA_MCP_DISABLED_TOOLS": "ee",
        "KESTRA_USERNAME": "admin@kestra.io",
        "KESTRA_PASSWORD": "your_password"
      }
    }
  }
}

EE 用戶的最小配置

{
  "mcpServers": {
    "kestra": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "--pull",
        "always",
        "-e", "KESTRA_BASE_URL",
        "-e", "KESTRA_API_TOKEN",
        "-e", "KESTRA_TENANT_ID",
        "-e", "KESTRA_MCP_DISABLED_TOOLS",
        "ghcr.io/kestra-io/mcp-server-python:latest"
      ],
      "env": {
        "KESTRA_BASE_URL": "http://host.docker.internal:8080/api/v1",
        "KESTRA_API_TOKEN": "<your_kestra_api_token>",
        "KESTRA_TENANT_ID": "main"
      }
    }
  }
}

使用 Docker 的詳細配置

{
  "mcpServers": {
    "kestra": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "--pull",
        "always",
        "-e", "KESTRA_BASE_URL",
        "-e", "KESTRA_API_TOKEN",
        "-e", "KESTRA_TENANT_ID",
        "-e", "KESTRA_USERNAME",
        "-e", "KESTRA_PASSWORD",
        "-e", "KESTRA_MCP_DISABLED_TOOLS",
        "ghcr.io/kestra-io/mcp-server-python:latest"
      ],
      "env": {
        "KESTRA_BASE_URL": "http://host.docker.internal:8080/api/v1",
        "KESTRA_API_TOKEN": "<your_kestra_api_token>",
        "KESTRA_TENANT_ID": "main",
        "KESTRA_USERNAME": "admin",
        "KESTRA_PASSWORD": "admin",
        "KESTRA_MCP_DISABLED_TOOLS": "ee"
      }
    }
  }
}

⚠️ 重要提示

請將 <your_kestra_api_token>、<your_google_api_key> 和 <your_helicone_api_key> 替換為你實際的憑證。

對於 OSS 安裝，你可以使用 KESTRA_USERNAME 和 KESTRA_PASSWORD 代替 KESTRA_API_TOKEN。

要在 OSS 中禁用企業版工具，請設置 KESTRA_MCP_DISABLED_TOOLS=ee。

host.docker.internal 主機名允許 Docker 容器訪問運行在你主機上的服務（例如端口 8080 上的 Kestra API 服務器）。這在 macOS 和 Windows 上有效。在 Linux 上，你可能需要使用主機網絡模式或設置自定義橋接。

-e 標誌將 MCP 配置中的環境變量傳遞到 Docker 容器中。

✨ 主要特性

可用工具

🔄 backfill：回填任務
⚙️ ee（企業版工具）
▶️ execution：執行任務
📁 files：文件管理
🔀 flow：流程管理
🗝️ kv：鍵值存儲
🌐 namespace：命名空間管理
🔁 replay：重放任務
♻️ restart：重啟任務
⏸️ resume：恢復任務

⚠️ 重要提示

ee 工具組包含企業版特定功能，僅在 EE/Cloud 版本中可用。對於 OSS 用戶，你可以通過在 .env 文件中添加 KESTRA_MCP_DISABLED_TOOLS=ee 來禁用 EE 工具。

你可以選擇在 .env 文件中包含 KESTRA_MCP_DISABLED_TOOLS，列出你想要禁用的工具。例如，如果你想禁用命名空間文件工具，請在 .env 文件中添加：

KESTRA_MCP_DISABLED_TOOLS=files

要禁用多個工具，請用逗號分隔：

KESTRA_MCP_DISABLED_TOOLS=ee

💻 使用示例

本地開發

要在本地運行 Kestra 的 MCP 服務器（例如，如果你想使用新工具擴展它），請確保首先創建一個虛擬環境：

uv venv --python 3.13
uv pip install -r requirements.txt

在項目的根目錄下創建一個 .env 文件，類似於 .env_example 文件。對於 OSS 安裝，你可以使用 KESTRA_USERNAME 和 KESTRA_PASSWORD 進行基本身份驗證。對於 EE/Cloud 安裝，請使用 KESTRA_API_TOKEN。要在 OSS 中禁用企業版工具，請在 .env 文件中添加 KESTRA_MCP_DISABLED_TOOLS=ee。

在 Cursor、Windsurf、VS Code 或 Claude Desktop 中使用

要在 Claude 或現代 IDE 中使用 Python MCP 服務器，首先檢查你機器上 uv 的路徑：

which uv

複製 which uv 返回的路徑，並將其粘貼到 command 部分。然後，將 --directory 替換為你克隆 Kestra MCP 服務器存儲庫的路徑。例如：

{
  "mcpServers": {
    "kestra": {
      "command": "/Users/annageller/.local/bin/uv",
      "args": [
        "--directory",
        "/Users/annageller/gh/mcp-server-python/src",
        "run",
        "server.py"
      ]
    }
  }
}

你可以將其粘貼到 Cursor MCP 設置或 Claud 開發者設置中。

VS Code 設置

在你的 VS Code 項目目錄中，添加一個 .vscode 文件夾，並在該文件夾中創建一個名為 mcp.json 的文件。將你的 MCP 配置粘貼到該文件中（注意，在 VS Code 中，鍵是 servers 而不是 mcpServers）：

{
  "servers": {
    "kestra": {
      "command": "/Users/annageller/.local/bin/uv",
      "args": [
        "--directory",
        "/Users/annageller/gh/mcp-server-python/src",
        "run",
        "server.py"
      ]
    }
  }
}

會出現一個小的 Start 按鈕，點擊它啟動服務器。如果你現在導航到 GitHub Copilot 選項卡並切換到代理模式，你將能夠直接與 Kestra MCP 服務器工具進行交互。例如，嘗試輸入提示：“列出教程命名空間中的所有流程”。如果你點擊繼續，你將在輸出窗口中看到命令的結果。

使用 Kestra MCP 服務器與 Google Agent SDK (ADK)

要啟動 Agent Development UI，請運行以下命令：

source .venv/bin/activate  
cd agents/
adk web

然後，從代理下拉列表中選擇 google-mcp-client 並開始發送提示以與 Kestra MCP 服務器進行交互。

建議啟用 “Token Streaming” 切換開關，以便在生成響應時進行流式傳輸。

如需更多信息，請查看官方 adk-python 存儲庫。對於 Java 開發者，有一個等效的 adk-java。

使用 Kestra MCP 服務器與 OpenAI Agent SDK

假設在 company 命名空間中有以下 Kestra 流程：你可以從項目根目錄運行以下命令，將所有這些依賴項可視化為 ASCII 圖：

uv run agents/openai-mcp-client/agent.py -p 'List dependencies for the namespace company'

你應該會看到類似的輸出：

Here's the dependency graph for the namespace `company`:

flow1 ────▶ flow2
            flow2 ────▶ flow3b
                        flow3b ────▶ flow4
                                     flow4 ────▶ flow5
                                                 flow5 ────▶ flow6
                                                             flow6
            flow2 ────▶ flow3c
                        flow3c ────▶ flow4
                        flow3c ====▶ flow3
                                     flow3
            flow2 ────▶ flow3a
                        flow3a ────▶ flow4
goodbye
hello
scheduled_flow

**Legend:**
- `────▶` FLOW_TRIGGER  (基於流程觸發的依賴)
- `====▶` FLOW_TASK     (基於子流程任務的依賴)

沒有箭頭列出的流程在此命名空間中沒有依賴項。

📚 詳細文檔

常見問題解答

問題：我是否需要手動將服務器作為始終運行的進程啟動？ 不需要，當使用 stdio 傳輸時，AI IDE/聊天界面（Cursor、Windsurf、VS Code 或 Claude Desktop）會將 MCP 服務器作為子進程啟動。這個子進程通過標準輸入和輸出流上的 JSON-RPC 消息與 AI IDE 進行通信。服務器通過 stdin 接收消息並通過 stdout 發送響應。

問題：我是否需要手動激活 MCP 服務器的虛擬環境？ 不需要，因為我們使用 uv。與傳統的 Python 包管理器不同，傳統的虛擬環境激活會修改 PATH 等 shell 變量，而 uv 直接使用 .venv 目錄中的 Python 解釋器和包，無需先設置環境變量。只需確保你已經使用 uv venv 創建了 uv 虛擬環境，並使用 uv pip install 安裝了所需的包，如前面部分所述。