Moduł Pipelines modeluje pracę agentów AI jako obserwowalność (nie wykonanie). Hierarchia Pipeline -> PipelineStep -> PipelineJob w PostgreSQL pozwala śledzić każdy etap pracy agenta: od researchu, przez kodowanie, po podsumowanie. Logi jobów przechowywane są jako strony wiki, status propaguje się w górę - nieudany job pociąga za sobą nieudany step i pipeline. Dashboard odświeża się co 15 sekund, a is_stale() flaguje pipeline'y stuck > 6h.
Każdy pipeline składa się ze stepów (research, coding, wrap-up), a każdy step z jobów. Status propaguje się w górę - nieudany job -> nieudany step -> nieudany pipeline.
Każdy job ma własną stronę wiki z pełnym logiem (content w MinIO). Strony grupowane pod rodzicem 'pipeline-logi', wykluczone z RAG - nie zaśmiecają wyników wyszukiwania.
Lista pipeline'ów i widok detalu odświeżają się co 15 sekund przez HTMX. Czasy trwania liczone w locie (finished_at - started_at lub now() - started_at dla aktywnych).
is_stale() flaguje pipeline'y w statusie running bez aktualizacji przez ponad 6 godzin. Obliczane przy odczycie, bez crona.
Dashboard jest read-only - pipeline'y tworzone przez skille przez MCP, nie z interfejsu. Agenci AI mają pełną kontrolę przez 9 dedykowanych narzędzi MCP.
Przy włączonym LLM Wiki, zakończenie pipeline'u dodaje wpis do wiki-log. Najlepszy wysiłek - błąd MCP pipeline'u nie zatrzymuje pracy agenta.
Skill wywołuje create_pipeline przez MCP - pipeline ticket_work automatycznie dostaje 3 stepy: research, coding, wrap-up.
create_pipeline_job rejestruje nowy job w stepie (np. 'Analiza kodu źródłowego' w stepie coding). Status: pending -> running.
append_job_log dołącza markdown do strony wiki jobu. Każde wywołanie dodaje kolejny akapit - pełna historia pracy agenta.
update_pipeline_job(status='success'/'failure') zamyka job, ustawia finished_at i propaguje status w górę do stepa i pipeline'u.
Widok pipeline'u z kolumnami stepów i kartami jobów. Statusy, czasy trwania i linki do logów wiki - wszystko w czasie rzeczywistym.
Agent wywołuje finish_pipeline po zakończeniu pracy. Status finalny agregowany ze stepów jeśli nie podany. Opcjonalnie wpis do wiki-log.
9 narzędzi MCP do pełnej obserwacji pracy agentów - tworzenie pipeline'ów, raportowanie jobów, dopisywanie logów i zamykanie. Wszystkie operacje best-effort - błąd pipeline'u nie blokuje pracy agenta.
Dostępne narzędzia MCP
create_pipeline
Utwórz pipeline (ticket_work: automatyczne stepy research/coding/wrap-up).
create_pipeline_job
Dodaj job do stepa z nazwą, opisem i statusem startowym.
update_pipeline_job
Aktualizuj status i summary jobu. Propagacja w górę: job -> step -> pipeline.
append_job_log
Dołącz markdown do strony wiki jobu. Tworzy stronę przy pierwszym wywołaniu.
finish_pipeline
Zamknij pipeline z finalnym statusem (agregowany ze stepów jeśli nie podany).
list_pipelines
Lista pipeline'ów projektu z filtrami statusu i typu oraz paginacją.
get_pipeline
Pełne drzewo pipeline'u: stepy, joby, czasy, statusy i linki do logów.
get_pipeline_job_log
Pobierz pełny log jobu jako markdown z powiązanej strony wiki.
clean_pipeline_logs
Usuń strony wiki z logami jobów pipeline'ów danego sprintu (sprzątanie po zamknięciu).
Śledzenie błędów
Zarządzanie projektami
Monitorowanie URL
Monitoring zadań cron
Dokumentacja i wyszukiwanie RAG
Graf zależności
Analityka pracy i eksport PDF
Rozliczenia cross-project i załączniki
Osobiste planowanie cross-project
Darmowy, open source, self-hosted. Zainstaluj na swojej infrastrukturze w kilka minut.