DolphinScheduler MCP-сервер

Сервер протокола контекста модели (MCP) для Apache DolphinScheduler, позволяющий агентам ИИ взаимодействовать с DolphinScheduler через стандартизированный протокол.

Обзор

DolphinScheduler MCP предоставляет сервер на основе FastMCP, который предоставляет REST API DolphinScheduler как набор инструментов, которые могут использоваться агентами ИИ. Сервер действует как мост между моделями ИИ и DolphinScheduler, обеспечивая управление рабочим процессом на основе ИИ.

Related MCP server: Role-Specific Context MCP Server

Функции

Полный охват API функциональности DolphinScheduler
Стандартизированные интерфейсы инструментов, соответствующие протоколу Model Context
Простая настройка с помощью переменных среды или аргументов командной строки
Подробная документация по инструменту

Установка

pip install dolphinscheduler-mcp

Конфигурация

Переменные среды

DOLPHINSCHEDULER_API_URL : URL для API DolphinScheduler (по умолчанию: http://localhost:12345/dolphinscheduler )
DOLPHINSCHEDULER_API_KEY : API-токен для аутентификации с помощью API DolphinScheduler
DOLPHINSCHEDULER_MCP_HOST : Хост для привязки сервера MCP (по умолчанию: 0.0.0.0)
DOLPHINSCHEDULER_MCP_PORT : Порт для привязки сервера MCP (по умолчанию: 8089)
DOLPHINSCHEDULER_MCP_LOG_LEVEL : Уровень ведения журнала (по умолчанию: ИНФОРМАЦИЯ)

Использование

Командная строка

Запустите сервер с помощью интерфейса командной строки:

ds-mcp --host 0.0.0.0 --port 8089

API-интерфейс Python

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

Доступные инструменты

Сервер DolphinScheduler MCP предоставляет инструменты для:

Управление проектом
Управление определением процесса
Управление экземплярами процесса
Управление определением задач
Управление планированием
Управление ресурсами
Управление источниками данных
Управление группой оповещений
Управление плагином оповещений
Управление рабочей группой
Управление арендаторами
Управление пользователями
Мониторинг состояния системы

Пример использования клиентом

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"} )