Skip to main content
Glama
DolphinScheduler MCP Server

DolphinScheduler MCP Server

by ocean-zhc

DolphinScheduler MCP-Server

Ein Model Context Protocol (MCP)-Server für Apache DolphinScheduler, der es KI-Agenten ermöglicht, über ein standardisiertes Protokoll mit DolphinScheduler zu interagieren.

Überblick

DolphinScheduler MCP bietet einen FastMCP-basierten Server, der die REST-API von DolphinScheduler als Sammlung von Tools bereitstellt, die von KI-Agenten verwendet werden können. Der Server fungiert als Brücke zwischen KI-Modellen und DolphinScheduler und ermöglicht KI-gesteuertes Workflow-Management.

Related MCP server: DataWorks MCP Server

Merkmale

  • Vollständige API-Abdeckung der DolphinScheduler-Funktionalität

  • Standardisierte Tool-Schnittstellen nach dem Model Context Protocol

  • Einfache Konfiguration durch Umgebungsvariablen oder Kommandozeilenargumente

  • Umfassende Werkzeugdokumentation

Installation

pip install dolphinscheduler-mcp

Konfiguration

Umgebungsvariablen

  • DOLPHINSCHEDULER_API_URL : URL für die DolphinScheduler-API (Standard: http://localhost:12345/dolphinscheduler )

  • DOLPHINSCHEDULER_API_KEY : API-Token zur Authentifizierung mit der DolphinScheduler-API

  • DOLPHINSCHEDULER_MCP_HOST : Host zum Binden des MCP-Servers (Standard: 0.0.0.0)

  • DOLPHINSCHEDULER_MCP_PORT : Port zum Binden des MCP-Servers (Standard: 8089)

  • DOLPHINSCHEDULER_MCP_LOG_LEVEL : Protokollierungsebene (Standard: INFO)

Verwendung

Befehlszeile

Starten Sie den Server über die Befehlszeilenschnittstelle:

ds-mcp --host 0.0.0.0 --port 8089

Python-API

from dolphinscheduler_mcp.server import run_server

# Start the server
run_server(host="0.0.0.0", port=8089)

Verfügbare Tools

Der DolphinScheduler MCP-Server bietet Tools für:

  • Projektmanagement

  • Prozessdefinitionsmanagement

  • Prozessinstanzverwaltung

  • Aufgabendefinitionsmanagement

  • Terminplanungsmanagement

  • Ressourcenmanagement

  • Datenquellenverwaltung

  • Alarmgruppenverwaltung

  • Alarm-Plugin-Verwaltung

  • Mitarbeitergruppenverwaltung

  • Mieterverwaltung

  • Benutzerverwaltung

  • Systemstatusüberwachung

Beispiel für die Clientverwendung

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"}
)

Lizenz

Apache-Lizenz 2.0

Maintenance

ActivityInactive
ResponsivenessSyncing

Related MCP Connectors

Related MCP Servers