Servidor MCP de DolphinScheduler

Un servidor de Protocolo de Contexto de Modelo (MCP) para Apache DolphinScheduler, que permite a los agentes de IA interactuar con DolphinScheduler a través de un protocolo estandarizado.

Descripción general

DolphinScheduler MCP proporciona un servidor basado en FastMCP que expone la API REST de DolphinScheduler como un conjunto de herramientas que pueden usar los agentes de IA. El servidor actúa como puente entre los modelos de IA y DolphinScheduler, lo que permite la gestión del flujo de trabajo basada en IA.

Related MCP server: Role-Specific Context MCP Server

Características

Cobertura API completa de la funcionalidad de DolphinScheduler
Interfaces de herramientas estandarizadas que siguen el Protocolo de Contexto Modelo
Fácil configuración a través de variables de entorno o argumentos de línea de comandos
Documentación completa de herramientas

Instalación

pip install dolphinscheduler-mcp

Configuración

Variables de entorno

DOLPHINSCHEDULER_API_URL : URL para la API de DolphinScheduler (predeterminado: http://localhost:12345/dolphinscheduler )
DOLPHINSCHEDULER_API_KEY : Token de API para autenticación con la API de DolphinScheduler
DOLPHINSCHEDULER_MCP_HOST : Host para vincular el servidor MCP (predeterminado: 0.0.0.0)
DOLPHINSCHEDULER_MCP_PORT : Puerto para vincular el servidor MCP (predeterminado: 8089)
DOLPHINSCHEDULER_MCP_LOG_LEVEL : Nivel de registro (predeterminado: INFO)

Uso

Línea de comandos

Inicie el servidor utilizando la interfaz de línea de comandos:

ds-mcp --host 0.0.0.0 --port 8089

API de Python

from dolphinscheduler_mcp.server import run_server # Start the server run_server(host="0.0.0.0", port=8089)

Herramientas disponibles

El servidor MCP DolphinScheduler proporciona herramientas para:

Gestión de proyectos
Gestión de la definición de procesos
Gestión de instancias de proceso
Gestión de definición de tareas
Gestión de programación
Gestión de recursos
Gestión de fuentes de datos
Gestión de grupos de alerta
Gestión de complementos de alerta
Gestión de grupos de trabajadores
Gestión de inquilinos
Gestión de usuarios
Monitoreo del estado del sistema

Ejemplo de uso del cliente

from mcp_client import MCPClient # Connect to the MCP server client = MCPClient("http://localhost:8089/mcp") # Get a list of projects response = await client.invoke_tool("get-project-list") # Create a new project response = await client.invoke_tool( "create-project", {"name": "My AI Project", "description": "Project created by AI"} )