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: DataWorks 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"}
)

Licencia

Licencia Apache 2.0