Run #3402

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

{
  "pool_status": "see_db"
}

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:
see_db

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.

Voici 3 actions de monitoring concrètes basées sur les seules tables `agents` et `agent_task_runs`, pour traiter les zombies, les erreurs élevées et la dérive des quarantaines.

---

- **Libérer les agents zombies (busy >1h sans achèvement)**  
  *Problème :* agents bloqués en statut `busy` avec une tâche ouverte depuis plus d’une heure (sans `completed_at`), risquant de monopoliser inutilement la capacité.  
  *Action SQL de détection :*  
  ```sql
  SELECT a.id, a.name, t.id AS stuck_task_id, t.started_at
  FROM agencecom.agents a
  JOIN agencecom.agent_task_runs t
    ON a.id = t.agent_id
  WHERE a.status = 'busy'
    AND t.started_at < NOW() - INTERVAL '1 hour'
    AND t.completed_at IS NULL;
  ```  
  *Action SQL de remédiation :*  
  ```sql
  UPDATE agencecom.agents
  SET status = 'idle',
      current_session_id = NULL,
      last_released_at = NOW(),
      error_count_last_hour = error_count_last_hour + 1
  WHERE id = ANY(ARRAY[...])  -- remplacer par la liste des ids détectés
  ;

  UPDATE agencecom.agent_task_runs
  SET status = 'timeout',
      completed_at = NOW(),
      error_message = 'Zombie détecté par monitoring automatique'
  WHERE id IN (...)  -- ids des tâches bloquées
  ;
  ```

- **Isoler les agents à fort taux d’erreur (>5 erreurs/heure)**  
  *Problème :* agents dont `error_count_last_hour` dépasse 5, signe d’instabilité ou de tâches invalides en boucle.  
  *Action SQL de détection :*  
  ```sql
  SELECT id, name, error_count_last_hour, total_errors, status
  FROM agencecom.agents
  WHERE error_count_last_hour > 5;
  ```  
  *Action SQL de remédiation (quarantaine préventive + remise à zéro du compteur) :*  
  ```sql
  UPDATE agencecom.agents
  SET status = 'quarantined',
      quarantined_until = NOW() + INTERVAL '30 minutes',
      error_count_last_hour = 0,
      current_session_id = NULL
  WHERE error_count_last_hour > 5
    AND status NOT IN ('quarantined', 'terminated');
  ```

- **Corriger la dérive de quarantaine (agents encore bloqués sans raison récente)**  
  *Problème :* `quarantined_until > NOW()` alors que l’agent n’a plus d’erreur courante et aucune tâche en échec récent – la quarantaine persiste à tort.  
  *Action SQL de détection :*  
  ```sql
  SELECT a.id, a.name, a.quarantined_until
  FROM agencecom.agents a
  WHERE a.quarantined_until > NOW()
    AND a.error_count_last_hour = 0
    AND NOT EXISTS (
        SELECT 1
        FROM agencecom.agent_task_runs t
        WHERE t.agent_id = a.id
          AND t.status = 'failed'
          AND t.started_at > NOW() - INTERVAL '1 hour'
    );
  ```  
  *Action SQL de remédiation (libération des agents sains) :*  
  ```sql
  UPDATE agencecom.agents
  SET quarantined_until = NULL,
      status = 'idle'
  WHERE quarantined_until > NOW()
    AND error_count_last_hour = 0
    AND id NOT IN (
        SELECT DISTINCT agent_id
        FROM agencecom.agent_task_runs
        WHERE status = 'failed'
          AND started_at > NOW() - INTERVAL '1 hour'
    )
    AND status = 'quarantined';  -- sécurité pour ne libérer que ceux qui sont effectivement en quarantaine
  ```