Свой хостинг · Один бинарный файл · Ноль зависимостей

Движок рабочих процессов, который не превращается в SRE-проект.

Dagu — это лёгкая альтернатива Airflow или Cron с веб-интерфейсом. Определяйте DAG в простом декларативном формате YAML. Поддерживает команды оболочки, Docker-контейнеры, задания k8s, удалённые команды через SSH и многое другое. Он разработан, чтобы быть простым в использовании, самодостаточным и не требующим написания кода, что делает его идеальным для небольших команд.

Dagu создан для разработчиков, которым нужна мощная оркестрация рабочих процессов без операционных издержек.

Linux

macOS

Windows

Docker

Kubernetes

Быстрый старт

Смотреть примеры

Попробовать демо

Данные для входаdemouser / demouser

dagu start-all --port 8080

Установить команду dagu

$curl -fsSL https://raw.githubusercontent.com/dagucloud/dagu/main/scripts/installer.sh | bash

Самодостаточный

Workflow-ы файловые. Один бинарный файл, внешняя база данных или брокер не нужны. Готово для air-gapped окружений.

Ориентирован на CLI

Shell-скрипты, Python-джобы, SQL, dbt, DuckDB, контейнеры и runbook-и запускаются как шаги pipeline без изменений. Новый фреймворк не нужен.

Декларативный

Определяйте workflow в простом декларативном формате YAML. Вы можете использовать любые существующие скрипты или инструменты без изменений.

Безопасная интеграция AI-агентов

Используйте любимого AI-агента для создания, улучшения, отладки и запуска workflow-ов. Встроенное управление секретами скрывает учётные данные из логов и агентов, позволяя им безопасно просматривать и выполнять задачи. Полное журналирование аудита обеспечивает соответствие и прозрачность.

Настроить через MCP →

workflow.yaml

# Контролируемый production-runbook с типизированными входами и review

name: "repair-customer-account"

params:

- name: customer_id

type: string

- name: change_scope

type: string

enum: ["metadata_only", "permissions"]

default: metadata_only

- name: dry_run

type: boolean

default: true

steps:

- id: inspect_account

run: ./scripts/inspect-account.sh --customer $${customer_id}

stdout:

artifact: reports/inspection.md

- id: review

action: noop

depends: [inspect_account]

approval:

prompt: "Review the inspection report before repair."

- id: repair_account

run: ./scripts/repair-account.sh --customer $${customer_id} --scope $${change_scope} --dry-run $${dry_run}

depends: [review]

stdout:

artifact: reports/repair.log

Спуск

Trusted by developers at

NOW VIEWING · THE FLIGHT DECK

MAIN VIEWER // LIVE FEED

CAM 01 · COCKPITSIGNAL NOMINAL

Шлюз для AI-агентов

MCP-шлюз для запуска DAG без раскрытия секретов

Встроенный MCP-сервер позволяет любому ИИ-агенту управлять вашими DAG прямо из коробки. Приватные системы скрыты за границей безопасности, требующей секретов, и Dagu маскирует их автоматически — так что агент никогда их не видит.

AI-агент

Запрашивает одобренную операцию, не видя приватных учётных данных.

Запрос

Dagu MCP

Применяет гранулярный контроль доступа до запуска любого workflow.

Допуск

DAGs

Запускает уже доверенный script, container, SQL, HTTP, SSH или вложенный workflow.

Запуск

Приватные системы

Production-инструменты и данные остаются за Dagu, а не внутри контекста агента.

ShellSQLSSH

Агенты запрашивают именованное действие workflow через Dagu MCP вместо получения shell-, database- или API-учётных данных.

Dagu проверяет доступ, внедряет секреты только во время выполнения и может приостанавливать чувствительные workflow для человеческого подтверждения.

Каждый запуск сохраняет логи, выводы, статус, историю и аудиторские данные для людей и агентов.

Ограниченный доступ

Открывайте только действия, которые каждому агенту разрешено запускать.

Управляемые секреты

Внедряйте учётные данные во время выполнения, не раскрывая их агенту.

Аудит

Отслеживайте, кто или что запустило каждый workflow и с какими входами.

Подтверждения

Приостанавливайте рискованные операции для человеческой проверки.

Безопасные результаты

Возвращайте статус и выводы без открытия сырого системного доступа.

Агент получает ограниченный инструмент. Секреты, логи, права и операционная история остаются в Dagu.

Control plane вокруг реальной работы

Dagu добавляет недостающий операционный слой для скриптов, инструментов, runbook-ов и AI-агентов.

Наблюдаемость

Отслеживайте workflow, расписания, live-статус, логи, историю запусков, outputs, артефакты и подтверждения в Web UI.

Независимое от языка выполнение

Запускайте shell-команды, Python-скрипты, контейнеры, Kubernetes Jobs, SQL-запросы, HTTP-запросы, SSH-команды и другое.

Воспроизводимые запуски

Фиксируйте инструменты в workflow YAML, чтобы worker устанавливал и кешировал ожидаемые бинарники до выполнения.

Multiplayer AI-агенты

Запускайте общих AI-агентов внутри workflow и отдавайте workflow агентам как ограниченные и наблюдаемые инструменты.

Встроенные подтверждения

Приостанавливайте чувствительные шаги для проверки, подтверждения или вмешательства человека перед продолжением.

MCP-сервер

MCP-совместимые агенты могут читать состояние Dagu, просматривать изменения, редактировать workflow и управлять запусками.

Агенты без привязки к harness

Запускайте coding agents и agent CLI из workflow, сохраняя логи, подтверждения, секреты и аудит в Dagu.

Управление секретами

Передавайте секреты в workflow runs и маскируйте чувствительные значения в логах для пользователей, агентов и чатов.

Self-hosted или managed

Запускайте один бинарник, разворачивайте в контейнерах или Kubernetes, либо используйте managed и hybrid модели.

Контроль прав

Управляйте доступом к workflow через RBAC, SSO, API keys, workspaces и audit logs.

Модели развертывания

Запустите self-hosted экземпляр, используйте управляемый сервер Dagu или объедините облачную управляющую плоскость с приватными воркерами в вашей инфраструктуре.

Начните с одной машины. Масштабируйтесь в self-hosted, managed или hybrid.

Локально

Один сервер

Запускайте `dagu start-all` на одной машине с локальным файловым state. Без database, broker или platform stack.

Самостоятельный хостинг

Ваша инфраструктура

Держите Dagu server, workers, secrets, logs и execution внутри своей среды.

Dagu

Полностью управляемый сервер

Используйте dedicated Dagu server, которым управляет Dagu в изолированном gVisor instance на GKE.

Гибрид

Управляемый сервер, приватное выполнение

Dagu управляет server, а private workers запускают Docker, private-network или data-local steps.

Гибридное выполнение

Управляемый сервер Dagu

Private worker через mTLS

Docker, private APIs, secrets и data-local work

Hybrid оставляет Dagu server managed, пока execution, которой нужны ваши network, runtime или data, остается под вашим контролем.

Функции производственного уровня

Проверенные в бою функции движка рабочих процессов позволяют сосредоточиться на основной ценности, не беспокоясь об оркестрации.

Производительность

На одной машине можно выполнять тысячи запусков workflow в день — в зависимости от оборудования, структуры workflow, длительности шагов и настроек очередей.

Распределённое выполнение

Используйте очереди, лимиты параллелизма и распределённых воркеров, чтобы держать нагрузку под контролем и распределять задачи между машинами.

Очереди Распределённое выполнение

Уведомления

Повторяющиеся расписания, догоняющий запуск, устойчивые выполнения, тайм-ауты, повторные запуски, уведомления и маршрутизация инцидентов к ответственным.

Расписания Надёжные повторы Обработчики событий Уведомления Инциденты

Аутентификация и RBAC

Управление пользователями, RBAC, рабочие пространства, шаги согласования, встроенное управление секретами, API-ключи и вебхуки.

RBAC Рабочие пространства REST API Управляемое GitHub App

Реальные примеры использования

Автоматизация поддержки клиентов

Превращайте повторяющиеся инженерные запросы в самообслуживаемые рабочие процессы. Бизнес-команды выполняют их самостоятельно. Инженеры остаются в стороне.

Управление cron и legacy-скриптами

Перенесите существующие shell-скрипты, Python-скрипты, HTTP-вызовы и запланированные задачи в Dagu без переписывания.

Автоматизация инфраструктуры и серверов

Координируйте SSH-бэкапы, очистки, deploy-скрипты, окна патчей, precondition-проверки и lifecycle hooks.

ETL и операции с данными

Запускайте PostgreSQL или SQLite запросы, S3 transfers, jq transformations, проверки и переиспользуемые sub-workflows.

GitHub как интерфейс. Ваша инфраструктура как runtime.

Запускайте Dagu из GitHub-событий, поступающих из issues и PR, через управляемое приложение Dagu GitHub App.

Контейнерные и Kubernetes Workflow

Собирайте workflow, где каждый шаг может запускать Docker image, Kubernetes Job, shell-команду или проверку.

Конвертация медиа

Запускайте ffmpeg, извлечение превью, нормализацию аудио, обработку изображений и другие тяжелые задачи на workers.

IoT и Edge Workflow

Запускайте опрос сенсоров, локальную очистку, офлайн-синхронизацию, health checks и обслуживание на малых устройствах.

Workflow с ИИ-агентами

Запускайте любой инструмент для автоматизации отдельных рабочих процессов разработки с чистым контекстом и автоматическим повтором и переключением при сбое.

Распространённые паттерны

Health Check

SSH Backup

Notify

Workflow приватных скриптов

Превратите приватные скрипты, внутренние CLI, переиспользуемые actions, закрепленные tools и артефакты в workflow, которые другие команды могут безопасно запрашивать или запускать.

1Существующие скрипты и команды остаются без изменений
2Открывайте узкие параметры вместо широкого production-доступа
3Вызывайте версионированные Dagu Actions с типизированными outputs
4Сохраняйте отчеты и логи как полноценные артефакты

workflow.yaml

tools:
  - jqlang/jq@jq-1.7.1

steps:
  - id: collect
    action: acme/dagu-action-export@v1.4.2
    with:
      dataset: customers

  - id: transform
    run: jq '.items[] | {id, email}' ${collect.outputs.path}
    stdout:
      artifact: reports/customers.json
    depends: [collect]

  - id: publish
    action: outputs.write
    with:
      values:
        report: reports/customers.json
        rows: ${collect.outputs.rows}
    depends: [transform]

Типизированные параметры

Dagu автоматически отображает их в виде типизированной формы ввода параметров в веб-интерфейсе — удобно для создания самообслуживаемых рабочих процессов или работы не-инженеров.

workflow.yaml

tools:
  - jqlang/jq@jq-1.7.1

steps:
  - id: inspect
    run: jq --version

  - id: summarize
    action: python-script@v1
    with:
      input:
        rows: [42, 8]
      script: |
        return {"total": sum(input["rows"])}

Для подготовки tools Dagu по умолчанию использует aqua.

Закреплённые tools

Описывайте CLI tools и версии в YAML. Dagu подготовит их перед host-command steps.

Движок рабочих процессов, который не превращается в SRE-проект.

Самодостаточный

Ориентирован на CLI

Декларативный

Безопасная интеграция AI-агентов

MCP-шлюз для запуска DAG без раскрытия секретов

AI-агент

Dagu MCP

DAGs

Приватные системы

Ограниченный доступ

Управляемые секреты

Аудит

Подтверждения

Безопасные результаты

Control plane вокруг реальной работы

Наблюдаемость

Независимое от языка выполнение

Воспроизводимые запуски

Multiplayer AI-агенты

Встроенные подтверждения

MCP-сервер