Оркестрация AI-агентов

Оркестрируйте шаги Agent Harness и workflow, которыми управляет MCP.

Dagu дает AI-assisted работе production-boundary: запускает шаги Agent Harness через harness.run, позволяет MCP-capable инструментам управлять Dagu через встроенный MCP-сервер и держит логи, ретраи, approvals и audit history в одном месте.

Открыть agent recipesЧитать harness docsНастроить MCP
Оркестрация внешних агентов в YAML
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]

Явный runtime внешнего провайдера

Запуск Claude, Codex, Gemini, OpenCode или custom CLI

Workflow operations доступны MCP-capable инструментам

Human review, логи, ретраи и артефакты остаются в Dagu

At a glance

Роль Dagu в agent-стеке

Agent runtime
Dagu

Внешние CLI через Agent Harness steps плюс MCP clients over HTTP.

Typical alternative

Agent frameworks часто связывают orchestration с одним runtime или model surface.

Операции
Dagu

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

Typical alternative

Prompt-only automation оставляет эти controls custom scripts и conventions.

Владение
Dagu

Workflow definitions, runtime environment и audit history остаются в вашей среде.

Typical alternative

Hosted agent platforms отдают run state и cost structure внешнему сервису.

In depth

Where each tool fits

01

Используйте внешних агентов, а не скрытый runtime

Dagu делает AI-работу явной: шаги workflow вызывают внешний CLI или custom harness, который выбрала команда.

  • Используйте harness.run для Claude, Codex, Gemini, OpenCode, Aider или внутренних инструментов
  • Запускайте провайдера на хосте или в контролируемом container sandbox
  • Меняйте модели и CLI без смены workflow engine
02

Позвольте MCP-capable инструментам управлять Dagu

MCP-сервер Dagu встроен в HTTP-сервер. Он позволяет approved clients читать состояние, preview edits, применять DAG changes и управлять runs в той же authenticated boundary, что и API.

  • Открывайте state и run controls без передачи raw infrastructure credentials агентам
  • Используйте dagu_read, dagu_change и dagu_execute из MCP clients
  • Записывайте MCP requests и downstream actions в audit history
03

Оставьте production controls вокруг AI-работы

Agent output все равно требует schedules, dependencies, retries, validation и human review. Dagu делает эти controls частью workflow structure, а не prompt glue.

  • Добавляйте approval steps до попадания generated output в production
  • Сохраняйте stdout, stderr, artifacts, logs и run history для review
  • Планируйте recurring summaries, triage, cleanup и QA workflows

FAQ

Practical questions before adopting Dagu

Dagu — это AI agent framework?

Нет. Dagu не является agent framework. Это workflow engine, который запускает и наблюдает шаги Agent Harness, MCP clients и обычные команды.

Что запускает harness.run?

harness.run запускает настроенного external provider: Claude, Codex, Gemini, OpenCode, Aider или внутренний harness. Dagu не запускает скрытого встроенного агента.

Какую роль здесь играет MCP?

Встроенный MCP-сервер дает authorized MCP clients доступ к чтению state, preview changes, DAG changes и run controls. Credentials не передаются клиенту; Dagu injects them at runtime.

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