背景

DolphinScheduler 是 Apache 顶级的调度系统，但传统上要运维它离不开 Web 控制台。dolphin-mcp-pilot 把这个过程变成"说一句话就能干活"。这篇文章记录一次真实的端到端演示：用自然语言让 AI 智能体在 DolphinScheduler 里建一个每日用户统计工作流，上线并执行成功——全程不打开控制台。

任务

作为 AI 智能体，用一句话让 DolphinScheduler 建一个每日用户统计工作流：每天 6 点自动跑一次，统计注册用户总数并输出报告。全程只通过 dolphin-mcp-pilot 暴露的 58 个 MCP 工具操作，不打开 DS 的 Web 控制台。

环境

• MCP host：Python MCP client（streamable HTTP，直连 http://127.0.0.1:8001/mcp/）
• dolphin-mcp-pilot：v2.0.19，58 个工具，HTTP 传输模式
• DolphinScheduler：3.4.2 standalone（H2 内嵌库，单机演示环境）
• 部署：JDK 11 + standalone 二进制 + 补充任务插件

执行过程

1. 连接测试

→ ds_test_connection()
← {"status": "ok", "ds_url": "http://127.0.0.1:12345/dolphinscheduler"}

2. 一句话建项目

→ ds_create_project({"name": "hermes-demo"})
← {"id": 1, "code": 181536931824544, "name": "hermes-demo"}

3. 建工作流并上线

→ 创建 workflow: nightly_user_stats（SHELL 任务 count_users，每天 06:00 调度）
← {"code": 0, "msg": "success", "data": {"code": 181536931901344, "name": "nightly_user_stats", "version": 1}}

→ POST /workflow-definition/{code}/release {"releaseState": "ONLINE"}
← {"code": 0, "msg": "success", "data": true}

4. 执行并验证

→ POST /executors/start-workflow-instance
← {"code": 0, "msg": "success", "data": [1]}

→ GET /workflow-instances
← {
    "name": "nightly_user_stats-20260814210240192",
    "state": "SUCCESS",
    "start": "2026-08-14 21:02:40",
    "end": "2026-08-14 21:02:40"
  }

实例状态 SUCCESS——工作流真实创建、上线并执行成功。

踩坑记录

• DS 3.4.2 API 变更：process-definition 改名 workflow-definition，start-process-instance 改名 start-workflow-instance，工具路径需按版本适配
• standalone 缺任务插件：二进制包不含 SHELL 插件（dolphinscheduler-task-shell-3.4.2.jar），创建时报参数无效；补上插件 jar 后通过
• 负载保护误触发：工作站磁盘 83% 超过默认 0.8 阈值，worker 拒收命令；调高阈值后实例正常执行

为什么重要

这次演示证明了"自然语言运维调度系统"的真实可行性：建项目、建工作流、上线、执行、查状态全程零控制台操作，且产生了真实的状态变更（SUCCESS 实例）。完整流程脚本化，任何环境可一键复现。