コマンドワークフロー
重いプラットフォームを導入せずに本番ワークフローを動かす。
Dagu は、シェルスクリプト、コンテナ、SSH タスク、HTTP 呼び出し、エージェントハーネスステップを、リトライ、ログ、キュー、Web UI 付きの YAML ワークフローに変えます。
コマンドワークフローはここまで小さくできる
# nightly-ops.yaml
schedule: "0 2 * * *"
steps:
- id: extract
run: python scripts/extract.py
- id: transform
run: ./bin/transform
retry_policy:
limit: 3
interval_sec: 60
depends: [extract]
- id: notify
run: ./scripts/slack-success.sh
depends: [transform]
実行順序
extracttransform3 retriesnotify
セルフホストの単一バイナリ
外部 DB やブローカー不要
Git で読みやすい YAML
ローカル、キュー、分散実行に対応
一目で比較
Dagu が選ばれる理由
デプロイ
Dagu
単一バイナリとローカルファイルで開始。
一般的な代替手段
DB、ブローカー、Web サーバー、スケジューラが必要になりがち。
ワークフロー記述
Dagu
普段のコマンドを YAML から呼ぶ。
一般的な代替手段
専用 SDK やフレームワークへの書き換えが必要なことが多い。
導入のしやすさ
Dagu
1 本のスクリプトから段階的に始められる。
一般的な代替手段
価値が出る前に大きな移行が必要になりやすい。
詳細
それぞれの強みと向き不向き
運用の現場にちょうどいい設計
多くのチームに必要なのは巨大なデータ基盤ではなく、依存関係、リトライ、出力の取得、履歴、失敗した処理の再実行です。
- 既存スクリプトをそのままスケジュールできる
- 定義は YAML なのでレビューしやすい
- 必要になるまで 1 台で始められる
小さなランタイムで必要な制御を持つ
Dagu は運用負荷を小さく保ちながら、ジョブが重要になったときに必要な制御を備えます。
- リトライ、依存関係、タイムアウト、ログ、履歴
- 確認と手動実行のための Web UI
- コマンド、Docker、HTTP、SSH、SubDAG、エージェントを実行
AI エージェントの実行にも自然に合う
AI エージェントは最終的にコマンドとして動きます。Dagu はその周囲にスケジュール、依存関係、リトライ、監査性を与えます。
- Claude、Codex、Gemini などをワークフローステップとして実行
- 承認や検証をエージェント出力の前後に置ける
- モデルを変えてもオーケストレーション層はそのまま
FAQ
Dagu を導入する前によくある質問
Dagu が自己完結型と言われる理由は何ですか？
Dagu は単一のセルフホスト型バイナリとして動作し、状態をローカルファイルに保存します。開始時に DB、ブローカー、別のコントロールプレーンは不要です。
既存のスクリプトはそのまま使えますか？
はい。シェル、バイナリ、Docker、HTTP、SSH などをそのままステップとして実行でき、アプリケーションの作り直しは不要です。
ローカル実行専用ですか？
いいえ。ローカルから始めて、キュー実行や coordinator-worker 構成へ拡張できます。
次の一歩
まず 1 つのワークフローから。
Dagu をインストールし、不安定なスクリプトやエージェントタスクを 1 つ YAML に移して、実際の実行履歴を見て判断できます。