Orchestration d'agents IA
Orchestrez des étapes Agent Harness et des workflows opérés par MCP.
Dagu donne au travail assisté par IA une frontière de production: exécuter des étapes Agent Harness avec harness.run, laisser les outils compatibles MCP opérer Dagu via le serveur MCP intégré, et conserver logs, retries, approbations et historique d'audit au même endroit.
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 externe explicite par fournisseur
Exécute Claude, Codex, Gemini, OpenCode ou des CLI personnalisées
Expose les opérations de workflow aux outils compatibles MCP
Garde revues humaines, logs, retries et artefacts dans Dagu
At a glance
Le rôle de Dagu dans une stack d'agents
CLI externes via étapes harness, plus clients MCP sur HTTP.
Les frameworks d’agents couplent souvent l’orchestration à un runtime ou à une surface modèle.
Plannings, retries, logs, artefacts, approbations et relances.
L’automatisation par prompt seul laisse ces contrôles à des scripts et conventions maison.
Définitions de workflow, environnement d’exécution et audit restent chez vous.
Les plateformes d’agents hébergées confient l’état d’exécution et les coûts à un service externe.
In depth
Where each tool fits
Utilisez des agents externes, pas un runtime caché
Dagu rend le travail IA explicite: les étapes de workflow appellent la CLI externe ou le harness personnalisé choisi par votre équipe.
- Utilisez harness.run pour Claude, Codex, Gemini, OpenCode, Aider ou des outils internes
- Exécutez le fournisseur sur l’hôte ou dans un conteneur sandbox contrôlé
- Changez de modèle ou de CLI sans changer de moteur de workflow
Laissez les outils compatibles MCP opérer Dagu
Le serveur MCP de Dagu reste intégré au serveur HTTP. Les clients approuvés peuvent inspecter l’état, prévisualiser des changements, appliquer des modifications de DAG et contrôler les runs dans la même frontière authentifiée que l’API.
- Exposez l’état et les contrôles de Dagu sans remettre les identifiants d’infrastructure aux agents
- Utilisez dagu_read, dagu_change et dagu_execute depuis les clients MCP
- Attribuez les requêtes MCP et les actions aval dans l’historique d’audit
Gardez les contrôles de production autour du travail IA
La sortie d’un agent a toujours besoin de plannings, dépendances, retries, validation et revue humaine. Dagu traite ces contrôles comme une structure de workflow, pas comme du collage de prompts.
- Ajoutez des étapes d’approbation avant que la sortie générée atteigne la production
- Capturez stdout, stderr, artefacts, logs et historique d’exécution pour revue
- Planifiez des workflows récurrents de synthèse, triage, nettoyage et QA
FAQ
Practical questions before adopting Dagu
Dagu est-il un framework d'agents IA ?
Non. Dagu n’est pas un framework d’agents. C’est un moteur de workflow qui exécute et observe des étapes Agent Harness, des clients MCP et des commandes ordinaires.
Que lance harness.run ?
harness.run lance le fournisseur externe configuré: Claude, Codex, Gemini, OpenCode, Aider ou un harness interne. Dagu ne lance pas d’agent intégré caché.
Quel est le rôle de MCP ici ?
Le serveur MCP intégré permet aux clients MCP autorisés de lire l’état, prévisualiser les changements, modifier les DAG et contrôler les runs. Les identifiants ne sont pas transmis au client; Dagu les injecte au moment de l’exécution.
Next step
Start with one workflow.
Install Dagu, move one fragile script or agent task into YAML, and decide from a real run history.