data
Apache Airflow と Astronomer のためのデータエンジニアリング。ベストプラクティスに沿った DAG 作成、パイプライン障害のデバッグ、データリネージの追跡、テーブルのプロファイリング、Airflow 2 から 3 への移行、ローカルとクラウドのデプロイ管理。
導入
公式マーケットプレイスが未追加なら先に実行
- カテゴリ
- 開発
- GitHub
- astronomer/agents
こんな用途に
- ベストプラクティスに沿って Airflow の DAG を書く
- パイプラインの失敗を調査し、データリネージを追う
- テーブルをプロファイルし、SQL でビジネス上の問いに答える
- Airflow 2 から 3 へ移行し、ローカルとクラウドのデプロイを管理する
始め方
- /plugin install data@claude-plugins-official を実行する
- セルフホストの Airflow なら AIRFLOW_API_URL にインスタンスを設定する
- 作りたい、または調べたい DAG を Claude に説明する
導入前に
同梱の Airflow MCP サーバーは PyPI から uvx で実行され、Airflow 2.x/3.x の REST API に対応します。データウェアハウスへのクエリはバックグラウンドの Jupyter カーネルで行います。
プロジェクトの説明をもとに AI がまとめました。利用前に公式ドキュメントをご確認ください。
似たツール
- agentforce-adlc公式プラグイン · 開発
Agentforce のエージェント開発ライフサイクル。.agent ファイルの作成、検出、スキャフォールド、デプロイ、テスト、最適化。
- astronomer-data-agents公式プラグイン · 開発
Apache Airflow と Astronomer のためのデータエンジニアリング。ベストプラクティスに沿った DAG 作成、パイプライン障害のデバッグ、データリネージの追跡、テーブルのプロファイリング、Airflow 2 から 3 への移行、ローカルとクラウドのデプロイ管理。
- atomic-agents公式プラグイン · 開発
Atomic Agents フレームワークで AI エージェントを構築するための開発ワークフロー。スキーマ設計、アーキテクチャ計画、コードレビュー、ツール開発の専用エージェント、ガイド付きワークフロー、段階的開示型スキル、ベストプラクティス検証を含む。
- aws-amplify公式プラグイン · 開発
AWS Amplify Gen 2 でフルスタックアプリを構築。認証、データモデル、ストレージ、GraphQL API、Lambda 関数のガイド付きワークフロー。
- aws-serverless公式プラグイン · 開発
AWS のサーバーレスサービスでサーバーレスアプリケーションを設計・構築・デプロイ・テスト・デバッグ。
出典 anthropics/claude-plugins-official · 更新日 2026年10月11日 · 著作権は各作者に帰属します