dagucloud/dagu

Local-first workflow engine with a Web UI for small teams. Define DAGs in a declarative YAML format. Self-contained and no DBMS required. Use any AI agent to manage your DAGs.

agentic-workflowcrondata-pipelinedevopsdurable-executiondurable-workflowshuman-in-the-loopjob-schedulermcp-servermultiplayer-agenton-premiseprivate-runnersself-hostedself-serviceselfservice-portaltask-automationtask-schedulerworkflow-engineworkflow-orchestrationworkflow-scheduler

GAI 中文摘要

Dagu 是一个轻量级、本地优先的开源工作流调度引擎，旨在为小团队提供无需安装数据库即可运行的自动化编排工具。它允许用户通过声明式的 YAML 格式定义有向无环图 (DAG)，并提供直观的 Web UI 来管理、监控和重试复杂的任务流水线。

通过单一二进制文件即可快速完成部署，实现开箱即用的轻量化体验。支持定义 Shell 命令、Docker 容器、Kubernetes 作业及远程 SSH 指令等多种任务执行方式。内置完善的 Web 管理界面，支持可视化监控任务执行状态、查看日志及管理工作流。支持 MCP 协议，能够与各类 AI Agent 无缝集成，实现工作流的智能化管理与调度。采用本地文件系统存储状态，摆脱了对外部数据库的依赖，降低了运维复杂度。

该项目非常适合需要自动化部署任务、数据处理流水线或执行周期性调度的小型团队使用，特别适用于寻求比 Airflow 更轻量、比 Cron 更强大的可视化工作流替代方案的开发与运维环境。

⭐

3.4k

Stars

🔱

275

Forks

👁

Watchers

📋

114

Issues

GoGPL-3.0创建于 2022/4/22更新于今天

在 GitHub 上查看访问主页

README

由 Gemini 翻译整理

文档 | 示例 | 社区

Dagu

Dagu 是一款轻量级、自包含的自动化工作流引擎，是 Airflow 或 Cron 的替代方案，并配有 Web UI。它支持 Linux、Mac 和 Windows 系统。你可以使用简洁的声明式 YAML 格式定义 DAG（有向无环图）。它原生支持 Shell 命令、Docker 容器、Kubernetes Jobs、SSH 远程命令、AI-agent harnesses，以及通过 Dagu Actions 实现的更多功能。

Dagu 的设计初衷是简单易用、开箱即用且无需编程，非常适合小型团队使用。

亮点：

单个二进制文件即可完成安装。
使用声明式 YAML 格式定义 DAG。
提供 Web UI，用于可视化管理、重试和监控流水线。
无需修改即可使用现有的脚本或工具。
自包含，无需 DBMS（数据库管理系统）。
内置 MCP 支持，允许 AI Agent 管理工作流。
通过内置 Agent 和 Harness 操作实现简单的 AI 工作流。

快速预览

想快速了解如何定义工作流，请参考示例。

运行详情	步骤日志	文档

在线体验： Live Demo (账号/密码: demouser / demouser)

为什么选择 Dagu？

  传统调度器                Dagu
  ┌────────────────────────┐        ┌──────────────────┐
  │  Web Server            │        │                  │
  │  Scheduler             │        │  dagu start-all  │
  │  Worker(s)             │        │                  │
  │  PostgreSQL            │        └──────────────────┘
  │  Redis / RabbitMQ      │         单个二进制文件。
  │  Python Runtime        │         自托管。
  └────────────────────────┘         在现有自动化方案之上增加调度、重试和审批功能。
    需管理 6 个以上服务

性能

Dagu 将状态存储在本地文件中。其实际运行能力取决于机器配置和工作负载。CPU、内存、磁盘、工作流特性、队列设置以及 Worker 容量都是关键因素。

吞吐量： 在硬件配置和工作流形态匹配的情况下，单台机器上的 Dagu 每天可以运行数千个工作流任务。
负载控制： 使用队列、并发限制、资源限制以及可选的分布式 Worker 来精确控制任务的执行数量和位置。

实际应用场景

应用场景	Dagu 的优势
ETL 与数据运维	将数据提取脚本、SQL 查询、dbt 命令和数据处理手册转化为具备可观测性和持久化执行能力的流水线。
Cron 与遗留脚本管理	将复杂的依赖任务转化为可维护的 DAG，通过 UI 进行管理，并提供自动日志记录、重试和通知，取代晦涩难懂的 cron 任务和 bash 脚本。
媒体转码	使用 `ffmpeg` 进行视频转码和格式转换。得益于 Dagu 基于文件的特性，Worker 可以并行执行繁重的转换任务，不会受限于单机瓶颈或外部数据库。
基础设施与服务器自动化	通过 SSH 在远程服务器上运行任何命令或脚本，并将日志、结果和通知集中管理。
基于 GitHub 的工作流	通过 GitHub 事件触发工作流。这非常适合在私有基础设施上运行自动化或 AI Agent 工作流，且无需将服务器暴露在公网上。
容器与 Kubernetes 工作流	将 Docker 容器和 Kubernetes Jobs 作为工作流中的步骤运行，无需围绕容器构建复杂的自定义控制平面。
客户支持自动化	运行自助式支持工具，使非工程团队能够执行已审核的工作流（如运行诊断、查询数据库或执行常见支持任务），无需将请求上报给工程团队。
IoT 与边缘计算工作流	运行传感器轮询、本地 ML 推理、数据预处理、备份、离线同步、健康检查等。Dagu 将这些任务保留在靠近数据源的位置，同时提供 Web UI 可视化能力。

快速开始

安装

macOS/Linux:

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

Homebrew:

brew install dagu

Windows (PowerShell):

irm https://raw.githubusercontent.com/dagucloud/dagu/main/scripts/installer.ps1 | iex

Docker:

docker run --rm -v ~/dagu:/root/.dagu -p 8080:8080 dagucloud/dagu