Orquestração de agentes de IA
Orquestre etapas Agent Harness e workflows operados por MCP.
Dagu dá ao trabalho assistido por IA uma fronteira de produção: executar etapas Agent Harness com harness.run, permitir que ferramentas compatíveis com MCP operem o Dagu pelo servidor MCP integrado, e manter logs, retries, aprovações e auditoria em um só 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 provedor
Executa Claude, Codex, Gemini, OpenCode ou CLIs customizadas
Expõe operações de workflow a ferramentas compatíveis com MCP
Mantém revisão humana, logs, retries e artefatos no Dagu
At a glance
O papel do Dagu em uma stack de agentes
CLIs externos por etapas harness, mais clientes MCP via HTTP.
Frameworks de agentes frequentemente acoplam a orquestração a um runtime ou superfície de modelo.
Agendas, retries, logs, artefatos, aprovações e reruns.
Automação só com prompt deixa esses controles para scripts e convenções próprias.
Definições de workflow, ambiente de execução e auditoria ficam no seu ambiente.
Plataformas hospedadas de agentes entregam estado de execução e custos a um serviço externo.
In depth
Where each tool fits
Use agentes externos, não um runtime oculto
Dagu deixa o trabalho com IA explícito: etapas do workflow chamam a CLI externa ou o harness customizado escolhido pela equipe.
- Use harness.run para Claude, Codex, Gemini, OpenCode, Aider ou ferramentas internas
- Execute o provedor no host ou em um sandbox de contêiner controlado
- Troque modelos e CLIs sem trocar o motor de workflow
Permita que ferramentas compatíveis com MCP operem o Dagu
O servidor MCP do Dagu continua integrado ao servidor HTTP. Clientes aprovados podem inspecionar estado, pré-visualizar edições, aplicar mudanças em DAGs e controlar runs dentro da mesma fronteira autenticada da API.
- Exponha estado e controles do Dagu sem entregar credenciais de infraestrutura aos agentes
- Use dagu_read, dagu_change e dagu_execute a partir de clientes MCP
- Atribua requisições MCP e ações posteriores no histórico de auditoria
Mantenha controles de produção em volta do trabalho de IA
Saídas de agentes ainda precisam de agenda, dependências, retries, validação e revisão humana. Dagu trata esses controles como estrutura de workflow, não como cola de prompt.
- Adicione aprovações antes que a saída gerada chegue à produção
- Capture stdout, stderr, artefatos, logs e histórico de execução para revisão
- Agende workflows recorrentes de resumo, triagem, limpeza e QA
FAQ
Practical questions before adopting Dagu
Dagu é um framework de agentes de IA?
Não. Dagu não é um framework de agentes. É um motor de workflow que executa e observa etapas Agent Harness, clientes MCP e comandos comuns.
O que harness.run executa?
harness.run executa o provedor externo configurado: Claude, Codex, Gemini, OpenCode, Aider ou um harness interno. Dagu não inicia um agente integrado oculto.
Qual é o papel do MCP aqui?
O servidor MCP integrado permite que clientes MCP autorizados leiam estado, pré-visualizem mudanças, alterem DAGs e controlem runs. Credenciais não são passadas ao cliente; o Dagu as injeta em tempo de execução.
Next step
Start with one workflow.
Install Dagu, move one fragile script or agent task into YAML, and decide from a real run history.