Run #3350

{
  "ok": true,
  "failed": [],
  "hallucinated": [],
  "context_errors": []
}

{}

Tu es un agent de monitoring du pool agencecom.

Lessons pertinentes:
LESSONS APPRISES PERTINENTES :
- L453-HUB: Health endpoints K8s : separer liveness no-DB / readiness DB-1s alert / startup cached
- L328-CROSS-S150-blocD2-deploy: Bloc D2 cache layer DEPLOYED Sprint 2 P2 — REUSE Redis 7.0.15 BSD existing Contabo (skip Valkey doublon) + smoke 5/5 PASS via /api/memory/cache/health endpoint dedie
- L-S199-LL2-V52-SPEC-REVIEW: L-S199-LL2 — Review V5.2 Monitoring spec (3 BLOCKERS + 15 medium + 5 low = 23 findings, GO sous condition)
- L-S199-CROSS-V52-SPEC-DRAFTED: L-S199-CROSS-V52-SPEC-DRAFTED — V5.2 Monitoring event-driven spec push DB
- L-S189-LL2-observateur-recap: L-S189-LL2 — Observateur PHASE 1 recap 13+ cycles SILENT + cron clôture

Donnees pool actuelles:
[missing:pool_status]

CONTRAINTE STRICTE -- Tables autorisees UNIQUEMENT :
- agencecom.agents (id, name, agent_level, status, current_session_id, error_count_last_hour, total_sessions, total_errors, total_cost_usd, quarantined_until, acquired_at, last_released_at)
- agencecom.agent_task_runs (id, agent_id, status, started_at, completed_at, error_message, llm_tokens_in, llm_tokens_out, cost_usd, validation_result)

Toute autre table (v_agents_critical, agent_pool, healthcheck_config, error_log, file_locks, zombie_agents, agent_audit, v_agent_timeout_health, v_agents_timeout_risk, agent_health_log, redis_health_ping, auto_quarantine, missions, health_checks, agent_health, internal) NEXISTE PAS -- ne reference jamais de table absente de cette liste.

Identifie les agents zombies (busy >1h sans completion via started_at + status), error_count_last_hour > 5, ou drift quarantine (quarantined_until > now).
Donne 3 recommandations concretes en markdown bullet points avec actions SQL utilisant SEULEMENT les 2 tables autorisees ci-dessus.

En tant qu’agent de monitoring du pool `agencecom`, je m’appuie sur les leçons apprises (L453-HUB pour la séparation liveness/readiness, L-S199-CROSS-V52 pour la spécification event‑driven, etc.) et j’opère **strictement** dans le périmètre des deux tables autorisées : `agencecom.agents` et `agencecom.agent_task_runs`. Les données de statut du pool sont absentes (`[missing:pool_status]`) ; les recommandations ci‑dessous sont donc des actions préventives et curatives à exécuter immédiatement pour maintenir la santé du pool.

---

### Recommandations concrètes

- **Détecter et assainir les agents zombies** (statut `'busy'` pendant plus d’une heure sans achèvement).  
  **SQL d’identification** :
  ```sql
  SELECT a.id, a.name, a.acquired_at, r.id AS task_run_id, r.status, r.started_at
  FROM agencecom.agents a
  INNER JOIN agencecom.agent_task_runs r
    ON a.id = r.agent_id
  WHERE a.status = 'busy'
    AND r.status NOT IN ('completed', 'failed')
    AND r.started_at < NOW() - INTERVAL '1 hour';
  ```
  **SQL de remédiation** (après vérification manuelle) :
  ```sql
  UPDATE agencecom.agents
  SET status = 'available', acquired_at = NULL, current_session_id = NULL
  WHERE id IN (<liste_des_ids_zombies>);
  UPDATE agencecom.agent_task_runs
  SET status = 'aborted', completed_at = NOW(), error_message = 'Zombie task force-closed by monitoring'
  WHERE id IN (<liste_des_task_run_ids_zombies>);
  ```

- **Isoler les agents avec un taux d’erreur horaire élevé (`error_count_last_hour > 5`).**  
  **SQL d’identification** :
  ```sql
  SELECT id, name, status, error_count_last_hour, quarantined_until
  FROM agencecom.agents
  WHERE error_count_last_hour > 5;
  ```
  **Action** : Pour chaque agent non encore en quarantaine, provoquer une mise en quarantaine jusqu’à nouvel ordre (quarantined_until fixé à `NOW() + INTERVAL '30 minutes'` par exemple) et investiguer la cause racine dans `agent_task_runs` :
  ```sql
  UPDATE agencecom.agents
  SET quarantined_until = NOW() + INTERVAL '30 minutes', status = 'quarantined'
  WHERE id IN (<liste_ids_erreur>) AND (quarantined_until IS NULL OR quarantined_until <= NOW());
  ```

- **Auditer la dérive de quarantaine (`quarantined_until > NOW`) pour éviter l’immobilisation inutile d’agents.**  
  **SQL d’identification** :
  ```sql
  SELECT a.id, a.name, a.quarantined_until, a.error_count_last_hour,
         COUNT(r.id) AS recent_failures
  FROM agencecom.agents a
  LEFT JOIN agencecom.agent_task_runs r
    ON a.id = r.agent_id
   AND r.status = 'failed'
   AND r.started_at > NOW() - INTERVAL '1 hour'
  WHERE a.quarantined_until > NOW()
  GROUP BY a.id;
  ```
  **Action** : Libérer les agents qui n’ont ni erreur récente (`error_count_last_hour = 0`) ni échec de tâche dans l’heure (recent_failures = 0) :
  ```sql
  UPDATE agencecom.agents
  SET quarantined_until = NULL, status = 'available'
  WHERE id IN (<ids_sans_raison_valable>);
  ```

Ces trois points, exécutés via un cron aligné sur la spécification V5.2 event‑driven, permettront de garder le pool exempt de zombies, de contenir les agents défaillants et d’éviter la sur‑quarantaine, exactement comme prévu par les leçons L453‑HUB et L‑S199‑LL2.