उन टीमों के लिए जिनका मुख्य काम ऑर्केस्ट्रेशन नहीं है।
वर्कफ़्लो को declarative YAML में परिभाषित करें; एक ओपन-सोर्स बाइनरी उन्हें, लोकल या SSH के ज़रिए, शेड्यूल, retry, Human Tasks, लॉग और Web UI के साथ चलाती है। आपकी स्क्रिप्ट, कंटेनर और AI एजेंट जैसे हैं वैसे ही रहते हैं। कोई बाहरी डेटाबेस नहीं, कोई फ्रेमवर्क नहीं।
$curl -fsSL https://raw.githubusercontent.com/dagucloud/dagu/main/scripts/installer.sh | bashschedule: "0 2 * * *" # runs every night at 02:00type: chainsteps:- id: fetch_datarun: python fetch.py- id: build_reportaction: docker.runwith:image: ghcr.io/acme/reporting:1.4.2volumes:- ~/data:/work/datacommand: python report.py- id: notifyrun: ./notify.sh
Flieber अपने internal platform पर customer DAGs बनाने और चलाने के लिए Dagu का उपयोग करता है, जिससे भारी orchestrators की जगह हल्का, compute-efficient और कहीं भी चलने वाला engine मिलता है।
Dagu इंस्टॉल करें और कुछ ही मिनटों में वेब UI से अपना पहला वर्कफ़्लो चलाएं।
रिपॉजिटरी को सहेजने और अपना समर्थन दिखाने के लिए GitHub पर Dagu को स्टार करें।
Claude, Codex, Cursor या किसी भी MCP क्लाइंट से वर्कफ़्लो बनाएँ और चलाएँ।
अपने AI टूल से
सीमित दायरे वाले MCP टूल से वर्कफ़्लो बनाएँ और उनके रन देखें। उसी क्लाइंट से असफल रन दोबारा चला सकते हैं या रोक सकते हैं।
Agent / IDE → MCP → Dagu
MCP setup करेंनीचे दिया सब कुछ ओपन-सोर्स बाइनरी में शामिल है; SSO, RBAC और ऑडिट लॉग self-host लाइसेंस से सक्रिय होते हैं।
Isolation या packaged tooling जरूरी हो तो workflow steps को Docker containers में चलाएं।
छोटे reusable workflows से बड़े operations compose करें।
Status और logs Dagu में रखते हुए SSH के जरिए remote servers पर commands चलाएं।
Cron syntax, timezone support और manual controls के साथ recurring workflows चलाएं।
Web UI में routing configure करें ताकि failed या waiting runs सही channel या incident provider तक पहुंचें।
GitHub, Stripe, Slack या किसी भी system से workflows trigger करें, बिना public address वाले servers पर भी।
DAGs, runs, logs, history और workflow definitions को एक जगह inspect करें।
Workflows फ़ाइल-आधारित हैं। एक binary, कोई बाहरी database या broker नहीं चाहिए। Air-gapped वातावरण के लिए तैयार।
Linux, macOS और Windows के लिए एक बाइनरी। कंटेनरों के लिए docker run या Helm; coordinator और label-रूटेड workers से स्केल करें।
गारंटियाँ और सेटिंग्स, उनके असली नामों से।
एक मशीन पर प्रतिदिन हज़ारों रन; क्षमता CPU, डिस्क और workflow के आकार पर निर्भर है। स्थिति लोकल फ़ाइलों में है, कोई डेटाबेस साइज़ या माइग्रेट नहीं करना।
प्रति-DAG समवर्तीता सीमा वाली फ़ाइल-आधारित कतारें। dagu coordinator gRPC से gpu=true जैसे लेबल से चुने workers को कार्य भेजता है।
समय-क्षेत्र सहित cron, catchup_window, overlap_policy, प्रति-step retry_policy, ज़ोंबी पहचान, lifecycle handlers, ईमेल / webhook सूचनाएँ और incident रूटिंग।
DAGU_AUTH_MODE none, basic या builtin; पाँच RBAC रोल; workspaces; Human Tasks; सीक्रेट मास्किंग; API keys; प्रति-DAG webhook टोकन।
वही बाइनरी तीन तरह से चलती है, और Dagu Console सब पर नज़र रखता है।
एक dagu start-all प्रोसेस एक ही मशीन पर सर्वर, शेड्यूलर और स्टेप्स चलाता है, फ़ाइल-आधारित स्टोरेज के साथ।
आपका प्लेटफ़ॉर्म हर रन के लिए एक worker बनाता है जो बाइनरी चलाता है और रन खत्म होने पर नष्ट हो जाता है। सर्वर shared volume से रन स्टेट पढ़ता है।
सर्वर टास्क coordinator को भेजता है। Workers gRPC से बाहर की ओर जुड़ते हैं, अपने labels से मेल खाते टास्क poll करते हैं, और status व logs वापस भेजते हैं।
इनमें से किसी भी setup के servers outbound HTTPS से Dagu console को report करते हैं। Console उन्हें एक साथ दिखाता है और workflow fail होने या server के चुप होने पर email, chat या PagerDuty से alert करता है। पूरे logs, outputs और secrets हर server पर ही रहते हैं।
Dagu Cloud
Self-hosted servers को Dagu Cloud से connect करें ताकि उनकी health और runs एक साथ दिखें, email, Slack, Teams या PagerDuty पर alerts मिलें, runs पर action ले सकें, और ChatGPT या Claude उन्हें MCP से operate कर सकें। Execution और data आपके servers पर ही रहते हैं।
एक server के लिए free। Announcement पढ़ें
हर server का status, Dagu version, आखिरी report, आज की failures और 7 दिन का success rate, साथ में उन चीज़ों की सूची जिन पर ध्यान देना है।
Failed workflow, चुप server या usual time से बहुत ज़्यादा चलता run एक alert खोलता है, जो email से या Slack, Teams, Google Chat, Discord, PagerDuty या webhook पर जाता है। यह अपने आप resolve होता है।
Console से runs को retry, stop और approve करें, या ChatGPT और Claude को एक MCP endpoint से connect करें। Servers खुद बाहर की ओर connect करते हैं; पूरे logs, outputs और secrets उन्हीं पर रहते हैं।
Private scripts, internal CLIs, reusable actions, pinned tools और artifacts को ऐसे workflows बनाएं जिन्हें दूसरी teams safely request या run कर सकें.
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}' ${steps.collect.outputs.path}
stdout:
artifact: reports/customers.json
depends: [collect]
- id: publish
action: outputs.write
with:
values:
report: reports/customers.json
rows: ${steps.collect.outputs.rows}
depends: [transform]
Dagu GPLv3 के तहत लाइसेंस प्राप्त है और हमेशा मुफ़्त रहेगा। Team और Pro हर licensed server के लिए Dagu Cloud जोड़ते हैं, साथ ही हर server पर SSO, RBAC, audit logging और incident routing।
3 servers के लिए Dagu Cloud
$500 / वर्ष · 2 महीने बचाएं · Card या invoice से भुगतान
15 servers के लिए Dagu Cloud
$1,500 / वर्ष · 2 महीने बचाएं · Card या invoice से भुगतान
उन टीमों के लिए जो complex environments में event-driven workflow infrastructure बनाती हैं
14 दिन free में आज़माएं — 14 दिन, Credit card की जरूरत नहीं. Free trial शुरू करें
Team और Pro में support शामिल नहीं है; Enterprise agreements में है. Setup, migration और workflow design के लिए paid consulting उपलब्ध है. Consulting विवरण देखें
Dagu Cloud, plans और server licenses कैसे साथ काम करते हैं: Dagu Cloud overview
आंतरिक स्वीकृति चाहिए? अपनाने की रिपोर्ट पढ़ें
संपर्क
GitHub issue खोलें, Discord में पूछें या ईमेल करें। जवाब मेंटेनर देता है, कोई बॉट नहीं।