Dolphin MCP Pilot：让 AI Agent 真正操作 DolphinScheduler

AI Agent 正在渗透到企业的每一个角落，而大数据调度平台作为数据基础设施的核心，长期停留在”人看大屏、手动点按钮”的模式。能不能让 Agent 直接操作 DolphinScheduler——一句话建工作流、一键改调度、出问题自动排查？

科大讯飞开源的 Dolphin MCP Pilot 给出了答案：一个面向 Apache DolphinScheduler 的生产级 MCP Server，提供 58 个工具，覆盖从项目、工作流、调度、实例到资源、日志、监控的全链路操作。它不是又一个”只读列表”演示品，而是为真实运维场景而生。

为什么要做这个项目？

社区里已有一些 DolphinScheduler 的 MCP 实现，但大多停留在基础读写：列项目、启停工作流、看看日志。一旦涉及真实的调度运维——创建 SQL 工作流、管理 Cron 调度、补数据、强制成功失败任务、回滚版本——这些工具就无能为力了。

Dolphin MCP Pilot 从第一天就瞄准 real operations work：

一句话创建 SQL 或 DAG 工作流
调度生命周期全管理（创建 / 上线 / 下线 / 删除）
流程实例精细控制（暂停 / 恢复 / 重跑 / 从失败处重跑）
任务级干预（强制成功 / 跳过失败节点）
资源内容管理与版本回滚
原始 API 透传作为安全阀

技术方案

Dolphin MCP Pilot 基于 Model Context Protocol (MCP) 构建，暴露标准的 HTTP + SSE 接口，任何支持 MCP 的 AI Agent（Claude Desktop、Cursor、Cline、CodeBuddy，或自研 Agent）都能即插即用。

工具矩阵

58 个工具按职责分为七大类：

类别	覆盖场景	典型工具
项目管理	租户 / 项目 CRUD、权限控制	`ds_create_project`、`ds_list_projects`
工作流编排	SQL / DAG 工作流创建、任务节点管理、版本控制	`ds_create_workflow`、`ds_update_task_param`、`ds_clone_workflow`
调度管理	Cron 调度创建 / 上线 / 下线、补数据	`ds_set_schedule`、`ds_online_schedule`、`ds_complement_data`
实例控制	运行 / 暂停 / 恢复 / 重跑 / 删除，任务级干预	`ds_rerun_process_instance`、`ds_force_task_success`
资源管理	文件上传 / 下载 / 内容查看 / 更新	`ds_list_resources`、`ds_update_resource_content`
日志监控	任务日志、实例状态、`next_action` 引导排查	`ds_get_task_log`、`ds_list_task_instances`
API 透传	未覆盖接口的安全阀	`ds_raw_get` / `ds_raw_post` / `ds_raw_put` / `ds_raw_delete`

双认证模式

支持两种认证方式，适配不同部署场景：

API Token（X-DS-Token）：适合单租户 / 服务间调用
用户名 + 密码（X-DS-User + X-DS-Password）：适合多租户按需认证

多租户 HTTP 模式下，每个调用方可携带自己的凭据，MCP Server 自动透传给 DolphinScheduler，无需修改 Agent 端逻辑。

智能引导

工具返回结果中内嵌 next_action 提示，引导 Agent 进行下一步操作。例如，查询流程实例时，对 RUNNING 和 FAILURE 状态的实例会自动附加提示，指向 ds_list_task_instances 以检查具体任务节点——让 Agent 从”看到状态”自然过渡到”定位问题”。

快速开始

# 1. 克隆仓库
git clone https://github.com/iflytek/dolphin-mcp-pilot.git
cd dolphin-mcp-pilot

# 2. 配置环境
cp .env.example .env
# 编辑 .env，至少设置 DS_URL 和 DS_TOKEN（或 DS_USER/DS_PASSWORD）

# 3. 启动服务
docker compose --profile dev up -d dolphin-mcp-pilot-dev

服务默认运行在 http://localhost:8001/mcp/。

接入 AI Agent

以 Claude Desktop 为例，在配置文件中添加：

{
  "mcpServers": {
    "dolphin-scheduler": {
      "url": "http://localhost:8001/mcp/",
      "headers": {
        "X-DS-Token": "your-dolphin-token"
      }
    }
  }
}

现在你可以对 Agent 说：

“帮我在 data-team 项目下创建一个 SQL 工作流，每天凌晨 2 点执行 SELECT * FROM user_behavior WHERE dt = '${bizdate}'，失败自动重试 3 次。”

Agent 会自动调用 ds_create_workflow → ds_set_schedule → ds_online_schedule，完成从建流到上线的完整闭环。

典型场景

场景 1：一句话建调度

“创建补数任务，把 7 月 1 号到 7 月 31 号的日报表全部重跑一遍。”

Agent 调用 ds_complement_data，串行补数使用 complementStartDate / complementEndDate 范围格式，确保 DolphinScheduler 按天严格顺序生成实例。

场景 2：故障自动排查

“昨天的 ETL 任务为什么失败了？”

Agent 先调用 ds_list_process_instances 找到失败实例，根据返回的 next_action 提示，继续调用 ds_list_task_instances 定位到具体失败节点，最后调用 ds_get_task_log 拉取日志——整个排查链路无需人工介入。