Run #3430

{
  "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.

## 🔍 Détection des agents zombies (pool `agencecom`)

Sur la base des signaux recensés, les requêtes suivantes identifient les agents anormaux en n’utilisant **que** les deux tables autorisées :

```sql
-- 1. Agents "busy" > 1h sans achèvement (via agent_task_runs)
SELECT a.id, a.name, a.status, atr.started_at
FROM agencecom.agents a
JOIN agencecom.agent_task_runs atr ON a.id = atr.agent_id
WHERE atr.completed_at IS NULL
  AND atr.started_at < NOW() - INTERVAL '1 hour'
  AND atr.status NOT IN ('completed', 'failed', 'cancelled');

-- 2. Agents avec error_count_last_hour > 5
SELECT id, name, error_count_last_hour
FROM agencecom.agents
WHERE error_count_last_hour > 5;

-- 3. Agents en dérive de quarantaine (quarantined_until > now)
SELECT id, name, status, quarantined_until
FROM agencecom.agents
WHERE quarantined_until > NOW();
```

---

## 🛠️ 3 recommandations concrètes avec actions SQL

- **Tuer les tâches zombies (>1h sans completion) et libérer les agents**  
  On marque la tâche comme `zombie_killed` et on remet l’agent à l’état `idle`. L’incrément `error_count_last_hour` trace l’incident.

  ```sql
  -- Marquer les tâches zombies
  UPDATE agencecom.agent_task_runs
  SET status = 'zombie_killed',
      completed_at = NOW(),
      error_message = 'Zombie timeout >1h'
  WHERE id IN (
    SELECT atr.id
    FROM agencecom.agent_task_runs atr
    JOIN agencecom.agents a ON atr.agent_id = a.id
    WHERE atr.completed_at IS NULL
      AND atr.started_at < NOW() - INTERVAL '1 hour'
      AND atr.status NOT IN ('completed', 'failed', 'cancelled')
  );

  -- Libérer les agents impliqués et tracer l'erreur
  UPDATE agencecom.agents
  SET status = 'idle',
      current_session_id = NULL,
      error_count_last_hour = error_count_last_hour + 1
  WHERE id IN (
    SELECT DISTINCT atr.agent_id
    FROM agencecom.agent_task_runs atr
    JOIN agencecom.agents a ON atr.agent_id = a.id
    WHERE atr.completed_at IS NULL
      AND atr.started_at < NOW() - INTERVAL '1 hour'
      AND atr.status NOT IN ('completed', 'failed', 'cancelled')
  );
  ```

- **Mettre en quarantaine automatique les agents en sur‑erreur**  
  Lorsque `error_count_last_hour > 5`, on force la quarantaine (si l’agent n’y est pas déjà) pendant 10 minutes. Le champ `quarantined_until` est mis à jour.

  ```sql
  UPDATE agencecom.agents
  SET status = 'quarantined',
      quarantined_until = NOW() + INTERVAL '10 minutes'
  WHERE error_count_last_hour > 5
    AND (quarantined_until IS NULL OR quarantined_until <= NOW());
  ```

- **Corriger la dérive de statut de quarantaine**  
  Pour tout agent dont le marqueur `quarantined_until` est dans le futur mais dont le statut n’est pas `quarantined`, on réaligne le statut.

  ```sql
  UPDATE agencecom.agents
  SET status = 'quarantined'
  WHERE quarantined_until > NOW()
    AND status != 'quarantined';
  ```

Ces trois actions (à intégrer dans un cron ou une readiness probe comme préconisé par les leçons **L453-HUB** et **L-S199-CROSS-V52**) nettoient le pool sans dépendre d’aucune table externe, et s’appuient exclusivement sur `agencecom.agents` et `agencecom.agent_task_runs`.