Descripción general de las capacidades de los agentes en Managed Airflow

Managed Airflow (Gen 3) | Managed Airflow (Gen 2) | Managed Airflow (Legacy Gen 1)

Las capacidades de agente en Managed Airflow te permiten obtener estadísticas sobre el estado y las métricas del entorno, diagnosticar y resolver flujos de trabajo con errores, conectar agentes externos para desarrolladores a entornos con el Protocolo de contexto del modelo (MCP) y aplicar recomendaciones y migraciones de telemetría automatizadas.

Agente de Managed Airflow

El diálogo de Ask Agent muestra al agente de Managed Airflow respondiendo la pregunta "¿Por qué mi entorno no está en buen estado?". La respuesta indica que no se pudo crear el entorno.
Figura 1. Conversación con el agente de Managed Airflow (haz clic para ampliar)

El agente de Managed Airflow puede ayudarte a hacer lo siguiente:

  • Identifica problemas o cuellos de botella existentes o potenciales, y optimiza el rendimiento de tu entorno.
  • Comprende, diagnostica y resuelve problemas relacionados con tareas de Airflow y ejecuciones de DAG con errores. Analizar la ejecución de tareas
  • Obtén estadísticas sobre las métricas y la información de supervisión del entorno.

Para investigar las ejecuciones de DAG y las instancias de tareas con errores, inicia una conversación con el agente de Managed Airflow en la consola de Google Cloud . Para iniciar una investigación directa de la causa raíz, haz clic en el botón Investigar en las ejecuciones de DAG y las instancias de tareas con errores.

El agente de Managed Airflow proporciona informes de diagnóstico estructurados, que incluyen lo siguiente:

  • Un planteamiento del problema
  • Evidencia con fragmentos de registros y marcas de tiempo
  • Recomendaciones prácticas para la corrección

Servidor remoto del Protocolo de contexto del modelo (MCP)

El servidor del Protocolo de contexto del modelo (MCP) proporciona una interfaz JSON-RPC de estándar abierto que permite que los agentes externos para desarrolladores, como Gemini Code Assist, Gemini CLI, ChatGPT, Claude, Cursor, Goose o herramientas personalizadas, interactúen con los entornos de Managed Airflow.

El servidor de MCP remoto proporciona las siguientes capacidades y herramientas:

  • Operaciones del ciclo de vida del entorno: Crea y borra entornos, enumera entornos, obtén detalles del entorno y, luego, instala paquetes de PyPI.
  • Operaciones del DAG: Enumera los DAG, activa las ejecuciones del DAG y verifica el estado de ejecución del DAG y de las tareas.
  • Recuperación de diagnóstico: Recupera registros de tareas y examina errores de ejecución.

Es posible que desees permitir solo herramientas de solo lectura en ciertos entornos a través de tu política de la organización. Las herramientas de MCP que son de solo lectura tienen el atributo mcp.tool.isReadOnly de MCP establecido como verdadero.

Optimización del entorno basada en telemetría

Para optimizar los entornos en función de los datos de telemetría, usa la habilidad de recomendaciones del kit de Data Agent (gcp-managed-airflow-recommendations).

La habilidad de recomendaciones proporciona un análisis de telemetría automatizado de las siguientes métricas:

  • Utilización de CPU y memoria de la carga de trabajo
  • Frecuencias de reinicio del trabajador y del programador
  • Es la latencia del análisis del DAG.
  • Higiene del bucket de Cloud Storage

Según el análisis de telemetría, la habilidad ofrece orientación prescriptiva para ajustar las opciones de configuración de Airflow, optimizar el escalado automático del trabajador y el programador, y abordar los cuellos de botella de recursos.

Asistencia para la migración de DAG

Para automatizar las migraciones y actualizaciones de flujos de trabajo, usa la habilidad de migraciones del kit de Data Agent (gcp-managed-airflow-migrations).

La skill de migraciones ejecuta un flujo de trabajo de actualización de cuatro fases:

  1. Análisis de compatibilidad y dependencias estáticas: Analiza el código con herramientas como las reglas de lint de Ruff para Airflow.
  2. Recetas de corrección automatizadas: Genera correcciones para las bajas y las actualizaciones de proveedores, como las actualizaciones de paquetes de proveedores de Google.
  3. Refactorización de código de DAG: Refactoriza automáticamente el código de DAG.
  4. Verificación y validación: Verifica la corrección de los flujos de trabajo migrados.

Limitaciones

Las capacidades de agente en Managed Airflow tienen las siguientes limitaciones.

Residencia de datos y procesamiento conversacional:

  • El agente de Managed Airflow en la consola funciona con la API de Conversational Analytics, que opera según su propia política de residencia de datos.
  • Las conversaciones y las instrucciones de chat se pueden procesar en una región geográfica o multirregional diferente de la ubicación de tu entorno y datos de Managed Airflow.

Roles y autenticación de IAM:

  • El uso del servidor de MCP remoto requiere roles de IAM explícitos: roles/serviceusage.serviceUsageAdmin para habilitar el servicio y roles/mcp.toolUser para ejecutar llamadas a herramientas.

  • Te recomendamos que uses identidades de servicio dedicadas para los agentes externos (como Gemini Code Assist, Gemini CLI, ChatGPT, Claude, Cursor y Goose) para auditar y restringir acciones.

  • El acceso se limita según las credenciales de OAuth, que distinguen el acceso completo (https://www.googleapis.com/auth/composer) del acceso de solo lectura (https://www.googleapis.com/auth/composer.readonly).

Alcance operativo y barreras de seguridad del MCP:

  • Las operaciones destructivas y de mutación están sujetas a las restricciones de la política de la organización y a las políticas de denegación de IAM.

Recomendaciones de telemetría y habilidades de migración:

  • La habilidad de recomendaciones (gcp-managed-airflow-recommendations) analiza la telemetría (uso de CPU y memoria, reinicios del trabajador y del programador, latencia del análisis del DAG y mantenimiento del bucket de Cloud Storage) y proporciona sugerencias de ajuste, pero no aplica cambios en la infraestructura de forma automática.
  • La habilidad de migraciones (gcp-managed-airflow-migrations) automatiza el análisis de dependencias y la refactorización de código para Airflow 2.11.1 y Airflow 3, pero los cambios que generan interrupciones requieren verificación manual y validación de pruebas.

Términos y ANS de la versión preliminar:

  • Las capacidades en versión preliminar o que usan parámetros de modelos en versión preliminar operan según las Condiciones de las Ofertas Previas a la DG y no incluyen acuerdos de nivel de servicio (ANS) de DG.

¿Qué sigue?