Prefect 收购 Dagster

7月13日，Prefect 宣布收购 Dagster Labs。

两家公司都成立于 2018 年，都是 Airflow 的挑战者，都在 Python 数据编排领域竞争了七年。现在，合并后的公司将统一使用 Prefect 品牌（8月起），Dagster 保留品牌名和开源许可证独立运营。

事情是今天发生的。但我刚好发了两篇文章——《翻了70个项目，2024年后的数据工程不用Spark了》和《Airflow不再是默认选择了》——这篇文章就当是系列的一个即时更新。

● ● ●

收购了什么

• Prefect 收购 Dagster Labs，包括产品、代码库、客户关系
• Dagster 创始人 Nick Schrock 离开，CEO Pete Hunt 转任战略顾问
• 约 40 名 Dagster 员工并入 Prefect
• 财务条款未披露

● ● ●

不变的东西

Dagster OSS 继续活跃开发（不是仅维护），Apache 2.0 许可证不变。Dagster+ 品牌、定价、合同不变。已有部署完全不受影响，无需任何迁移。

Prefect CEO Jeremiah Lowin 的原话：「Dagster 和 Dagster+ 会留下来。」

● ● ●

这两个产品到底谁是谁

前两篇文章里，我重点写了 Dagster 的软件定义资产（SDA）模型——声明「应该产出什么数据」，让系统自己推导执行顺序。Prefect 的路线完全不同：它强调的是「怎么让工作流跑得稳」，动态 DAG、容错、重试、跨环境持久化。

Lowin 的说法是，这两个产品现在看更像是互补：

• Dagster 擅长「定义结果」——数据资产是什么，血缘怎么走，新鲜度怎么样
• Prefect 擅长「执行过程」——工作流怎么跑，失败了怎么恢复，动态分支怎么处理

● ● ●

还有第三个角色：FastMCP

Prefect 手里还有一张牌——FastMCP。这是 MCP（Model Context Protocol）发布当月 Prefect 就推出的 Python 框架，后来被 Anthropic 收编为官方 MCP SDK，现在下载量超过 9200 万次。

Lowin 把合并后的产品矩阵描述为三层：

1. 01Dagster = 产出层：定义 AI 工作流应该产出什么
2. 02Prefect = 执行层：实际跑这些工作流
3. 03FastMCP = 访问层：控制 Agent 能碰哪些工具和数据

这已经不是在跟 Airflow 竞争了。这是在赌 AI Agent 需要的编排基础设施——定义目标、执行任务、治理访问——需要一套完整的闭环。

● ● ●

Nick Schrock 的离开

公告里说 Schrock 和 Hunt 将留在 Prefect 担任战略顾问。但 Schrock 自己的博文不是这么写的：

「I want to share that I'll be moving on from the project and company.」

这是一封告别信。创始人离开，Dagster 的 DNA 能不能延续，是这笔交易最大的不确定因素。

● ● ●

一个句号

《Airflow不再是默认选择了》写的是 Dagster 和 Kestra 正在取代 Airflow 成为新项目的编排默认选型。《翻了70个项目，2024年后的数据工程不用Spark了》写的是 DuckDB 在取代 Spark 成为新项目的计算引擎。作为这个趋势的最新注脚——两个 Airflow 挑战者合体了，而且赌的已经不是数据管道市场。

The New Stack 的标题说得更直接：「Prefect just bought Dagster — and it's not a data pipeline story.」