Run #3376

{
  "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, voici mon analyse et mes recommandations pour les trois anomalies demandées.  
Toutes les requêtes proposées n’utilisent **que** les tables autorisées : `agencecom.agents` et `agencecom.agent_task_runs`.

---

- **Identifier et nettoyer les agents zombies (tâche active > 1 h sans complétion)**  
  Un agent zombie est repéré par une ligne dans `agent_task_runs` dont le statut est `'running'`, la date `started_at` est passée depuis plus d’une heure, et `completed_at` reste `NULL`.  
  ```sql
  -- Détection des zombies
  SELECT r.id AS run_id, r.agent_id, a.name, r.started_at
  FROM agencecom.agent_task_runs r
  JOIN agencecom.agents a ON a.id = r.agent_id
  WHERE r.status = 'running'
    AND r.started_at < NOW() - INTERVAL '1 hour'
    AND r.completed_at IS NULL;
  ```
  **Action concrète** : Marquer ces exécutions comme échouées et libérer les agents afin qu’ils puissent reprendre de nouvelles tâches.  
  ```sql
  -- Échec des tâches zombies identifiées (répéter l’ID de la requête précédente)
  UPDATE agencecom.agent_task_runs
  SET status = 'failed',
      completed_at = NOW(),
      error_message = 'Zombie killed by monitor – no completion after 1h'
  WHERE id IN (<liste_des_run_id_zombies>);

  -- Libération des agents concernés
  UPDATE agencecom.agents
  SET status = 'idle',
      current_session_id = NULL
  WHERE id IN (SELECT DISTINCT agent_id
               FROM agencecom.agent_task_runs
               WHERE id IN (<liste_des_run_id_zombies>));
  ```

- **Mettre en quarantaine les agents dont le taux d’erreur horaire dépasse le seuil**  
  La colonne `error_count_last_hour` dans `agents` permet de détecter immédiatement les agents problématiques.  
  ```sql
  SELECT id, name, error_count_last_hour, quarantined_until
  FROM agencecom.agents
  WHERE error_count_last_hour > 5;
  ```
  **Action concrète** : Placer automatiquement ces agents en quarantaine pour 30 minutes s’ils ne le sont pas déjà, afin de protéger le pool.  
  ```sql
  UPDATE agencecom.agents
  SET quarantined_until = NOW() + INTERVAL '30 minutes',
      status = 'quarantined'
  WHERE error_count_last_hour > 5
    AND (quarantined_until IS NULL OR quarantined_until < NOW());
  ```

- **Résorber les dérives de quarantaine (agents bloqués alors que la condition est levée)**  
  Un agent est en “drift” de quarantaine si `quarantined_until > NOW()`. Pour éviter qu’il reste isolé indéfiniment, on vérifie périodiquement si la cause a disparu.  
  ```sql
  SELECT id, name, quarantined_until, error_count_last_hour
  FROM agencecom.agents
  WHERE quarantined_until > NOW();
  ```
  **Action concrète** : Libérer les agents qui sont en quarantaine depuis plus de 2 heures et qui n’ont plus d’erreur récente (le signal de danger est retombé).  
  ```sql
  UPDATE agencecom.agents
  SET quarantined_until = NULL,
      status = 'idle'
  WHERE quarantined_until > NOW()
    AND quarantined_until < NOW() - INTERVAL '2 hours'
    AND error_count_last_hour = 0;
  ```