Run #348

{
  "ok": false,
  "failed": [
    "hallucinated_tables:agent_pool,agent_quarantine,missions"
  ],
  "hallucinated": [
    "agent_pool",
    "agent_quarantine",
    "missions"
  ],
  "context_errors": []
}

{}

Tu es un agent de monitoring du pool agencecom.\n\nLessons pertinentes:\nLESSONS APPRISES PERTINENTES :
- 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
- L407-CROSS: Archive ARCHIVE_BACKUP_FICHIERS_MD : recovery .md quotidien VPS Info (S161)
- L376-HUB-S157: Agent Runtime Framework MVP : tables + dispatch + 5 templates + pool 100 + resolvers + validators
- L369-CROSS-S155: Futur OpenClaw : 3 batches x 10 missions avec ThreadPoolExecutor(3) workers
- L335-CROSS-S153-deploy-complete: Bloc Z-EVENTS Phase 1 backend FULL DEPLOYED — S153 worker projector + cron + soak verify (suite L335 S152)\n\nDonnees pool actuelles:\n[missing:pool_status]\n\nIdentifie les agents zombies (busy >1h sans completion), error_count_last_hour > 5, ou drift quarantine. Donne 3 recommandations concretes en markdown bullet points avec actions SQL.

D'accord, je vais jouer le rôle d'agent de monitoring pour le pool `agencecom`. Cependant, je remarque que les données du pool (`[missing:pool_status]`) sont manquantes dans votre requête. Sans ces données (comme les statuts des agents, leurs timestamps, les compteurs d'erreurs, etc.), je ne peux pas identifier précisément les agents zombies ou ceux en dérive.

**Je vais donc procéder par hypothèse basée sur les leçons apprises fournies**, en supposant un état de pool typique après les déploiements récents (S150-S157). Voici mon analyse et mes recommandations.

---

### Analyse des risques potentiels (basée sur les leçons)

1.  **Risque de zombie lié au cache Redis (L328) :** Le déploiement du cache Redis 7.0.15 sur Contabo est récent. Si un agent de cache (ex: `cache-worker-*`) est resté bloqué sur une connexion Redis défaillante ou une opération de purge longue, il pourrait être en état `busy` depuis plus d'une heure.
2.  **Risque de dérive lié à l'archive (L407) :** La tâche d'archivage quotidienne (`ARCHIVE_BACKUP_FICHIERS_MD`) peut générer des erreurs si le VPS est saturé ou si le chemin de backup a changé. Un agent dédié à cette tâche pourrait accumuler des `error_count_last_hour > 5`.
3.  **Risque de contention sur le pool (L376) :** Le nouveau `Agent Runtime Framework` avec un pool de 100 workers peut avoir des agents zombies si un resolver ou un validateur est mal configuré (ex: boucle infinie sur une mission mal formée).
4.  **Risque de drift sur OpenClaw (L369) :** Les 3 workers `ThreadPoolExecutor` pour les missions OpenClaw pourraient dériver si une mission est bloquée sur une API externe (timeout non géré).

---

### Recommandations concrètes (avec actions SQL)

Voici 3 recommandations pour nettoyer et stabiliser le pool `agencecom`.

#### 1. 🔍 Identifier et tuer les agents zombies (busy > 1h)

**Action :** Scanner la table `agent_pool` pour les agents en statut `busy` avec un `last_heartbeat` vieux de plus de 3600 secondes.

```sql
-- Étape 1 : Identifier les zombies
SELECT agent_id, agent_name, status, last_heartbeat, mission_id
FROM agencecom.agent_pool
WHERE status = 'busy'
  AND last_heartbeat < NOW() - INTERVAL '1 hour'
ORDER BY last_heartbeat ASC;

-- Étape 2 : Forcer le reset de ces agents (les tuer et les remettre en 'idle')
UPDATE agencecom.agent_pool
SET status = 'idle',
    mission_id = NULL,
    error_count = 0,
    last_heartbeat = NOW()
WHERE status = 'busy'
  AND last_heartbeat < NOW() - INTERVAL '1 hour'
RETURNING agent_id, agent_name;
```

**Pourquoi :** Cela libère immédiatement les workers bloqués et évite la saturation du pool (pool de 100 agents). Les missions orphelines seront rejetées ou re-tentées par le scheduler.

#### 2. 🚨 Quarantaine des agents avec trop d'erreurs récentes

**Action :** Déplacer les agents ayant un `error_count_last_hour > 5` dans une table de quarantaine pour investigation manuelle.

```sql
-- Étape 1 : Créer une table de quarantaine si elle n'existe pas
CREATE TABLE IF NOT EXISTS agencecom.agent_quarantine (
    LIKE agencecom.agent_pool INCLUDING ALL,
    quarantined_at TIMESTAMP DEFAULT NOW(),
    quarantine_reason TEXT
);

-- Étape 2 : Déplacer les agents défaillants
WITH quarantined_agents AS (
    DELETE FROM agencecom.agent_pool
    WHERE error_count_last_hour > 5
    RETURNING *
)
INSERT INTO agencecom.agent_quarantine (agent_id, agent_name, status, error_count, error_count_last_hour, last_heartbeat, mission_id, quarantined_at, quarantine_reason)
SELECT agent_id, agent_name, status, error_count, error_count_last_hour, last_heartbeat, mission_id, NOW(), 'error_count_last_hour > 5'
FROM quarantined_agents;

-- Étape 3 : Vérifier les agents mis en quarantaine
SELECT agent_id, agent_name, error_count_last_hour, quarantined_at
FROM agencecom.agent_quarantine
ORDER BY quarantined_at DESC;
```

**Pourquoi :** Un `error_count_last_hour > 5` indique un problème récurrent (ex: connexion Redis échouée, archive VPS injoignable, mission OpenClaw mal formatée). La quarantaine empêche la pollution du pool principal et permet un diagnostic ciblé.

#### 3. 🧹 Nettoyage des missions orphelines et reset des agents en drift

**Action :** Identifier les agents qui ont un `mission_id` pointant vers une mission qui n'existe plus ou qui est en statut `failed` depuis longtemps, et les remettre à zéro.

```sql
-- Étape 1 : Trouver les agents avec des missions orphelines
SELECT ap.agent_id, ap.agent_name, ap.mission_id, ap.status AS agent_status, m.status AS mission_status
FROM agencecom.agent_pool ap
LEFT JOIN agencecom.missions m ON ap.mission_id = m.mission_id
WHERE ap.mission_id IS NOT NULL
  AND (m.mission_id IS NULL OR m.status = 'failed');

-- Étape 2 : Reset des agents concernés (les remettre en idle)
UPDATE agencecom.agent_pool ap
SET status = 'idle',
    mission_id = NULL,
    error_count = 0,
    last_heartbeat = NOW()
FROM agencecom.missions m
WHERE ap.mission_id = m.mission_id
  AND (m.mission_id IS NULL OR m.status = 'failed')
RETURNING ap.agent_id, ap.agent_name;
```

**Pourquoi :** Les missions orphelines (ex: suite à un crash du scheduler S153) ou les missions en échec définitif (ex: archive VPS corrompue) maintiennent les agents en état `busy` ou `error`. Ce nettoyage libère les workers et évite la dérive du pool.

---

### Prochaine étape

Pour une analyse plus précise, veuillez fournir les données manquantes du pool (`pool_status`). Idéalement, un extrait de la table `agent_pool` avec les colonnes : `agent_id`, `agent_name`, `status`, `last_heartbeat`, `error_count_last_hour`, `mission_id`.