要使用pymssql和SQLAlchemy连接到MS SQL Server，您可以使用以下步骤：

1. 安装所需的库：

pip install apache-airflow
pip install pymssql
pip install SQLAlchemy

2. 在Airflow的DAG文件中导入所需的库：

from airflow import DAG
from airflow.operators.python_operator import PythonOperator
from datetime import datetime
from sqlalchemy import create_engine
import pymssql

3. 创建一个函数来执行与MS SQL Server的连接和查询：

def execute_sql():
    # 创建MS SQL Server的连接字符串
    conn_str = 'mssql+pymssql://username:password@host:port/database'
    
    # 创建SQLAlchemy引擎
    engine = create_engine(conn_str)
    
    # 执行查询
    with engine.connect() as conn:
        result = conn.execute('SELECT * FROM table')
        
        # 输出结果
        for row in result:
            print(row)

请注意，将username，password，host，port和database替换为实际的MS SQL Server连接详细信息。

4. 创建一个Airflow的DAG，并使用PythonOperator运行上述函数：

dag = DAG(
    'sql_server_dag',
    description='DAG to connect to MS SQL Server',
    schedule_interval=None,
    start_date=datetime(2022, 1, 1),
    catchup=False
)

execute_sql_task = PythonOperator(
    task_id='execute_sql',
    python_callable=execute_sql,
    dag=dag
)

在上面的代码中，我们创建了一个名为sql_server_dag的DAG，并创建了一个名为execute_sql的任务，该任务将运行execute_sql函数。

5. 运行Airflow的调度程序以启动DAG：

airflow scheduler

这将启动Airflow的调度程序，它将定期检查并运行DAG。

6. 可以使用以下命令手动运行DAG：

airflow trigger_dag sql_server_dag

这将手动触发sql_server_dag DAG的执行。

这样，您就可以使用pymssql和SQLAlchemy连接到MS SQL Server，并在Airflow中执行查询。