Leichte Workflow-Engine
Produktions-Workflows ohne schwere Plattform betreiben.
Dagu verwandelt Shell-Skripte, Container, SSH-Aufgaben, HTTP-Aufrufe und Agent-CLIs in YAML-Workflows mit Retries, Logs, Queues und Web UI.
name: nightly-ops
schedule: "0 2 * * *"
steps:
- id: extract
run: python scripts/extract.py
- id: transform
run: ./bin/transform
retry_policy:
limit: 3
depends: [extract]
- id: notify
run: ./scripts/slack-success.sh
depends: [transform]Self-hosted als einzelnes Binary
Keine externe Datenbank oder kein Broker nötig
Lesbares YAML für Git
Lokal, queue-basiert und verteilt ausführbar
At a glance
Warum Teams Dagu wählen
Ein Binary und lokale Dateien.
Oft sind Datenbank, Broker, Webserver und Scheduler nötig.
YAML ruft die Kommandos auf, die Sie schon nutzen.
Viele Systeme verlangen SDKs oder frameworkspezifischen Code.
Mit einem einzelnen Skript beginnen.
Oft ist eine große Migration nötig, bevor Nutzen entsteht.
In depth
Where each tool fits
Für die operative Mitte gebaut
Die meisten Teams brauchen keine schwere Datenplattform. Sie brauchen Abhängigkeiten, Retries, Output-Erfassung, Historie und einfache Reruns.
- Vorhandene Skripte ohne Rewrite planen
- Workflow-Definitionen als leicht prüfbares YAML halten
- Auf einer Maschine starten und später erweitern
Kleiner Runtime, echte Kontrolle
Dagu hält den Runtime klein und liefert trotzdem die Kontrollen, die wichtig werden, sobald Jobs kritisch sind.
- Retries, Abhängigkeiten, Timeouts, Logs und Statushistorie
- Web UI für Inspektion und manuelle Ausführung
- Kommandos, Docker, HTTP, SSH, SubDAGs und Agent-Schritte
Passt natürlich zu KI-Agenten
Auch KI-Agenten laufen am Ende über Befehle. Dagu ergänzt diese Befehle um Planung, Abhängigkeiten, Retries und Nachvollziehbarkeit.
- Claude, Codex und Gemini als Workflow-Schritte ausführen
- Freigaben und Validierung um Agent-Ausgaben legen
- Modelle wechseln, ohne die Orchestrierung zu tauschen
FAQ
Practical questions before adopting Dagu
Was macht Dagu leichtgewichtig?
Dagu läuft als einzelnes self-hosted Binary und speichert Zustand in lokalen Dateien. Für den Einstieg brauchen Sie weder Datenbank noch Broker oder eigene Control Plane.
Kann Dagu vorhandene Skripte ausführen?
Ja. Ein Dagu-Schritt kann Shell, Binärdateien, Docker, HTTP und SSH ausführen, ohne die Anwendung umzuschreiben.
Ist Dagu nur für lokale Jobs gedacht?
Nein. Sie können lokal starten und später auf Queue- oder Coordinator-Worker-Ausführung erweitern.
Next step
Start with one workflow.
Install Dagu, move one fragile script or agent task into YAML, and decide from a real run history.