Orquestación de agentes IA
Orquesta pasos Agent Harness y workflows operados por MCP.
Dagu da al trabajo asistido por IA un límite de producción: ejecutar pasos Agent Harness con harness.run, permitir que herramientas compatibles con MCP operen Dagu mediante el servidor MCP integrado, y conservar logs, reintentos, aprobaciones e historial de auditoría en un solo lugar.
name: agent-review
schedule: "0 9 * * 1"
steps:
- id: collect_context
run: ./scripts/collect-release-context.sh
output: RELEASE_CONTEXT
- id: draft_notes
action: harness.run
with:
provider: codex
prompt: |
Draft release notes from this context:
${steps.collect_context.outputs.RELEASE_CONTEXT}
depends: [collect_context]
- id: human_review
run: ./scripts/request-approval.sh
depends: [draft_notes]Runtime externo explícito por proveedor
Ejecuta Claude, Codex, Gemini, OpenCode o CLIs personalizadas
Expone operaciones de workflow a herramientas compatibles con MCP
Mantiene revisión humana, logs, reintentos y artefactos en Dagu
At a glance
El rol de Dagu en una stack de agentes
CLIs externos mediante pasos harness, más clientes MCP sobre HTTP.
Los frameworks de agentes suelen acoplar la orquestación a un runtime o superficie de modelo.
Horarios, reintentos, logs, artefactos, aprobaciones y reruns.
La automatización solo con prompts deja estos controles a scripts y convenciones propias.
Definiciones de workflow, entorno de ejecución e historial de auditoría quedan en tu entorno.
Las plataformas alojadas de agentes entregan estado de ejecución y costos a un servicio externo.
In depth
Where each tool fits
Usa agentes externos, no un runtime oculto
Dagu mantiene explícito el trabajo con IA: los pasos del workflow llaman al CLI externo o harness personalizado que el equipo elige.
- Usa harness.run para Claude, Codex, Gemini, OpenCode, Aider o herramientas internas
- Ejecuta el proveedor en el host o dentro de un sandbox de contenedor controlado
- Cambia modelos y CLIs sin cambiar el motor de workflow
Permite que herramientas compatibles con MCP operen Dagu
El servidor MCP de Dagu sigue integrado en el servidor HTTP. Los clientes aprobados pueden inspeccionar estado, previsualizar ediciones, aplicar cambios de DAG y controlar runs dentro del mismo límite autenticado que la API.
- Expón estado y controles de Dagu sin entregar credenciales de infraestructura a agentes
- Usa dagu_read, dagu_change y dagu_execute desde clientes MCP
- Atribuye solicitudes MCP y acciones posteriores en el historial de auditoría
Mantén controles de producción alrededor del trabajo IA
La salida de un agente aún necesita horarios, dependencias, reintentos, validación y revisión humana. Dagu trata esos controles como estructura de workflow, no como pegamento de prompts.
- Agrega pasos de aprobación antes de que la salida generada llegue a producción
- Captura stdout, stderr, artefactos, logs e historial de ejecución para revisión
- Programa workflows recurrentes de resumen, triage, limpieza y QA
FAQ
Practical questions before adopting Dagu
¿Dagu es un framework de agentes IA?
No. Dagu no es un framework de agentes. Es un motor de workflow que ejecuta y observa pasos Agent Harness, clientes MCP y comandos normales.
¿Qué ejecuta harness.run?
harness.run ejecuta el proveedor externo configurado: Claude, Codex, Gemini, OpenCode, Aider o un harness interno. Dagu no inicia un agente integrado oculto.
¿Qué papel tiene MCP aquí?
El servidor MCP integrado permite a clientes MCP autorizados leer estado, previsualizar cambios, modificar DAGs y controlar runs. Las credenciales no se pasan al cliente; Dagu las inyecta en tiempo de ejecución.
Next step
Start with one workflow.
Install Dagu, move one fragile script or agent task into YAML, and decide from a real run history.