用途：为 Managed Service for Apache Airflow（MSAA，原 Cloud Composer）环境提供创建、配置、调优与优化方面的建议和最佳实践，角色定位为 Composer 与 Airflow 性能专家。
主要能力：通过 scripts/ 下的 Python 脚本采集遥测数据：dag_parsing_stats.py 分析 DAG 解析时间与效率；environment_health.py 获取环境健康状态；workload_cpu_usage.py、workload_disk_usage.py、workload_memory_usage.py 分别采集工作负载的 CPU、磁盘和内存指标以定位 OOM；workload_restarts.py 获取组件重启次数以识别不稳定负载。references/gcloud_reference.md 提供用于查看 Cloud Composer 环境配置的 gcloud 命令参考。
使用方式：先确定目标环境（环境名、项目 ID、区域）与时间范围，用 gcloud 命令获取当前配置并检查环境规模（环境大小、调度器数量、最大 worker 数、CPU/内存上限），再运行脚本采集遥测，可用 python3 ./scripts/{script_name}.py --help 查看各脚本用途与参数。随后分析 CPU/内存/磁盘饱和度、重启次数与 DAG 解析耗时，最后输出分类建议：基础设施与扩缩容、Airflow 配置（如 parallelism、max_active_tasks_per_dag、dag_file_processor_timeout）、存储桶整理、生产最佳实践（高可用模式、数据库保留）。
限制与约束：强调基于证据决策，不在确认内存或 CPU 饱和前盲目建议升配；需区分 Gen 2 与 Gen 3 架构；报告用 Markdown 组织，可用表格汇总指标。资料未提供具体脚本参数、安装方式与价格信息。