AI agent orchestration

Agent Harness steps और MCP-operated workflows को orchestrate करें।

Dagu AI-assisted work के लिए production workflow boundary देता है: Agent Harness steps को harness.run से चलाएं, MCP-capable tools को built-in MCP server से Dagu operate करने दें, और logs, retries, approvals, audit history एक जगह रखें।

Agent recipes देखेंharness docs पढ़ेंMCP setup करें
YAML में external agent orchestration
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]

Explicit external provider runtime

Claude, Codex, Gemini, OpenCode या custom CLIs चलाएं

MCP-capable tools को workflow operations expose करें

Human review, logs, retries और artifacts Dagu में रखें

At a glance

Agent stack में Dagu की भूमिका

Agent runtime
Dagu

Agent Harness steps से external agent CLIs, plus HTTP पर MCP clients.

Typical alternative

Agent frameworks अक्सर orchestration को किसी एक runtime या model surface से जोड़ देते हैं।

Operations
Dagu

Schedules, retries, logs, artifacts, approvals, और reruns.

Typical alternative

Prompt-only automation ये controls custom scripts और conventions पर छोड़ देता है।

Ownership
Dagu

Workflow definitions, runtime environment, और audit history आपके environment में रहते हैं।

Typical alternative

Hosted agent platforms run state और cost structure external service को दे देते हैं।

In depth

Where each tool fits

01

Hidden runtime नहीं, external agents इस्तेमाल करें

Dagu AI work को explicit रखता है: workflow steps आपकी team के चुने हुए external agent CLI या custom agent CLI को call करते हैं।

  • Claude, Codex, Gemini, OpenCode, Aider या internal tools के लिए harness.run इस्तेमाल करें
  • Provider को host पर या controlled container sandbox में चलाएं
  • Workflow engine बदले बिना models और CLIs swap करें
02

MCP-capable tools से Dagu operate कराएं

Dagu का MCP server HTTP server में built in रहता है। Approved clients API जैसी authenticated boundary में state inspect, edits preview, DAG changes apply, और runs control कर सकते हैं।

  • Agents को raw infrastructure credentials दिए बिना Dagu state और run controls expose करें
  • MCP clients से dagu_read, dagu_change, और dagu_execute इस्तेमाल करें
  • MCP requests और downstream actions को audit history में attribute करें
03

AI work के आसपास production controls रखें

Agent output को भी schedules, dependencies, retries, validation, और human review चाहिए। Dagu इन्हें prompt glue के बजाय workflow structure बनाता है।

  • Generated output production तक पहुंचने से पहले approval steps जोड़ें
  • Review के लिए stdout, stderr, artifacts, logs, और run history capture करें
  • Recurring summaries, triage, cleanup, और QA workflows schedule करें

FAQ

Practical questions before adopting Dagu

क्या Dagu agent framework है?

नहीं। Dagu agent framework नहीं है। यह Agent Harness steps, MCP clients, और normal commands को run और observe करने वाला workflow engine है।

harness.run क्या चलाता है?

harness.run configured external provider चलाता है: Claude, Codex, Gemini, OpenCode, Aider, या internal harness। Dagu कोई internal agent runtime start नहीं करता।

यहां MCP की भूमिका क्या है?

Built-in MCP server authorized MCP clients को state read, changes preview, DAG changes, और run controls देता है। Credentials client को नहीं दिए जाते; Dagu उन्हें runtime पर inject करता है।

Next step

Start with one workflow.

Install Dagu, move one fragile script or agent task into YAML, and decide from a real run history.

Install DaguSee all comparisons