Run #3438

{
  "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.

En tant qu’agent de monitoring du pool **agencecom**, je m’appuie sur les leçons de résilience apprises (L453-HUB, L328-CROSS, L-S199…) et j’applique les contraintes strictes : seules les tables `agencecom.agents` et `agencecom.agent_task_runs` existent. L’analyse ci-dessous identifie les agents zombies, les compteurs d’erreurs critiques et les dérives de quarantaine à l’aide de requêtes SQL licites, puis propose trois actions correctives concrètes.

---

### 🔍 Détection automatique des situations anormales

```sql
-- Agents zombies : session busy >1h sans tâche terminée
SELECT a.id, a.name, a.status, a.current_session_id,
       r.started_at, r.status AS task_status
FROM agencecom.agents a
JOIN agencecom.agent_task_runs r ON a.id = r.agent_id
WHERE a.status = 'busy'
  AND r.status IN ('running', 'in_progress')
  AND r.started_at < NOW() - INTERVAL '1 hour'
  AND r.completed_at IS NULL;

-- Erreurs horaires excessives
SELECT id, name, error_count_last_hour
FROM agencecom.agents
WHERE error_count_last_hour > 5;

-- Quarantaine dérivante : agents encore bloqués sans raison valable
-- (quarantined_until dans le futur mais sans erreur récente ni tâche en échec)
SELECT a.id, a.name, a.quarantined_until, a.error_count_last_hour
FROM agencecom.agents a
LEFT JOIN agencecom.agent_task_runs r
  ON a.id = r.agent_id AND r.status = 'failed'
 AND r.completed_at >= NOW() - INTERVAL '1 hour'
WHERE a.quarantined_until > NOW()
  AND a.error_count_last_hour = 0
  AND r.id IS NULL;
```

---

### ✅ Trois recommandations actions SQL

- **1. Résorber les agents zombies (busy > 1h sans completion)**  
  Repérer les agents avec la requête ci-dessus, puis forcer la libération de la session et marquer la tâche comme échouée par timeout.  
  ```sql
  -- Marquer la tâche zombie comme échouée
  UPDATE agencecom.agent_task_runs
  SET status = 'failed',
      completed_at = NOW(),
      error_message = 'Zombie timeout – no completion after 1h'
  WHERE agent_id IN (
    SELECT a.id
    FROM agencecom.agents a
    JOIN agencecom.agent_task_runs r ON a.id = r.agent_id
    WHERE a.status = 'busy'
      AND r.status IN ('running', 'in_progress')
      AND r.started_at < NOW() - INTERVAL '1 hour'
      AND r.completed_at IS NULL
  );

  -- Remettre l'agent en pool (statut idle, libérer la session)
  UPDATE agencecom.agents
  SET status = 'idle',
      current_session_id = NULL,
      last_released_at = NOW()
  WHERE id IN (
    SELECT a.id
    FROM agencecom.agents a
    JOIN agencecom.agent_task_runs r ON a.id = r.agent_id
    WHERE a.status = 'busy'
      AND r.status IN ('running', 'in_progress')
      AND r.started_at < NOW() - INTERVAL '1 hour'
      AND r.completed_at IS NULL
  );
  ```

- **2. Réinitialiser le compteur d’erreurs horaires pour les agents redevenus sains**  
  Pour les agents dont `error_count_last_hour > 5` mais qui n’ont connu aucun échec de tâche dans la dernière heure, ramener le compteur à zéro afin de ne pas fausser le monitoring.  
  ```sql
  UPDATE agencecom.agents
  SET error_count_last_hour = 0
  WHERE error_count_last_hour > 5
    AND id NOT IN (
      SELECT DISTINCT agent_id
      FROM agencecom.agent_task_runs
      WHERE status = 'failed'
        AND completed_at >= NOW() - INTERVAL '1 hour'
    );
  ```

- **3. Libérer les quarantaines dérivantes (agents verrouillés sans motif actuel)**  
  Supprimer la quarantaine des agents dont le `quarantined_until` est futur mais qui n’ont ni erreur récente ni tâche en échec depuis la dernière heure – cela évite de stériliser inutilement le pool.  
  ```sql
  UPDATE agencecom.agents
  SET quarantined_until = NULL
  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 completed_at >= NOW() - INTERVAL '1 hour'
    );
  ```

---

Ces actions, exécutables directement sur les deux tables autorisées, assainissent le pool en continu, réduisent le gaspillage de sessions et garantissent la cohérence des états de quarantaine.