diff --git a/workloads/docs-portal/docs/arquitectura/agente-monitoreo.md b/workloads/docs-portal/docs/arquitectura/agente-monitoreo.md index dc23d10..45b5fe3 100644 --- a/workloads/docs-portal/docs/arquitectura/agente-monitoreo.md +++ b/workloads/docs-portal/docs/arquitectura/agente-monitoreo.md @@ -172,20 +172,79 @@ no se purgaron. ## Notificaciones -Canal: [ntfy](https://ntfy.sh) — sin sistema de notificación previo en -el lab, se eligió la opción sin infraestructura nueva (tópico público -de ntfy.sh, nombre privado difícil de adivinar) para validar la prueba -end-to-end sin bloquear en instalar y exponer un contenedor propio. -Migrar a un ntfy self-hosted (mismo patrón que gitea/nginxproxymanager/ -cloudflared) es un cambio de una sola variable (`NTFY_URL`) cuando se -decida. +**Canal: Telegram Bot API** (reemplaza a ntfy, cambiado 2026-08-26 por +preferencia — no por costo, ver sección de costo abajo). Bot creado +manualmente vía [@BotFather](https://t.me/BotFather); el token vive en +`TELEGRAM_BOT_TOKEN_FILE` (dueño `devops`, `600` — **no** root-only, +mismo criterio que `GITEA_TOKEN_FILE`: el servicio corre como `devops` +por el login de suscripción, un archivo `root:root` le sería ilegible). +`TELEGRAM_CHAT_ID` no es secreto, va directo en `lab-agent.env`. + +El mensaje se manda como texto plano, sin `parse_mode`: el motivo que +devuelve Claude es texto libre y puede traer `_`, `*`, `[`, `]` — con +Markdown/MarkdownV2 esos caracteres rompen el parser de Telegram (`400 +Bad Request`) si no se escapan con cuidado. Se prioriza entrega +confiable sobre formato. + +**Validado en vivo 2026-08-26** con el mismo código que usa +`notify_send()` (lectura del token, `sendMessage` vía `curl +--data-urlencode`, formato `[title]\nmessage`): entrega confirmada +(`"ok":true`) y contenido recibido tal cual en Telegram. Gotcha +encontrado durante la prueba: el primer intento falló con `400 chat not +found` porque el `chat_id` pegado correspondía a otro bot — el `chat_id` +de un usuario es el mismo across bots, pero Telegram igual devuelve +`chat not found` si *ese bot puntual* nunca recibió un mensaje de esa +persona. Se resolvió confirmando el `chat_id` real vía `getUpdates` del +bot correcto. + +## Horario activo y costo + +**Pausa nocturna (`ACTIVE_HOURS_START`/`END`, hora local del host):** +activo `06:00`–`23:00`, pausado `23:00`–`06:00`. El script chequea esto +como lo primero que hace tras inicializar logging — si está fuera de +horario, sale **antes** de tocar `kubectl`/`docker`/`curl` o invocar +`claude -p`, así que la pausa ahorra el costo completo de la corrida, +no solo la notificación. El timer de systemd además solo dispara dentro +de esa ventana (`OnCalendar=*-*-* 06..22:00/15:00`) — la doble +verificación es deliberada: si alguien edita la unidad de systemd sin +tocar `lab-agent.env` (o corre el script a mano), el chequeo interno +sigue protegiendo. + +**Tensión sin resolver con la ventana de `medusa-deploy`:** la ventana +de auto-restart para `medusa-deploy` (`COMMERCE_BACKEND_WINDOW_*`, +`00:00`–`06:00`) **no se solapa** con el horario activo del agente +(`06:00`–`23:00`). Esto significa que, en la práctica, `medusa-deploy` +nunca es candidato real a auto-restart: la única ventana en la que la +política lo permitiría es exactamente cuando el agente está pausado y +ni siquiera corre. La regla sigue viva en el código (por si el horario +activo cambia más adelante) pero hoy es efectivamente inalcanzable. +Pendiente de decisión: mover la ventana de `medusa-deploy` a que caiga +dentro del horario activo, o aceptar que ese recurso queda cubierto +solo por diagnóstico/notificación manual. + +**Estimación de costo mensual:** + +| | | +|---|---| +| Corridas/día (17h activas ÷ 15 min) | 68 | +| Costo por corrida (medido en la prueba e2e, Sonnet) | ~US$0.018–0.045 con cache tibia; ~US$0.12 en frío (primera corrida del día, tras 7h de pausa el cache de prompt ya expiró) | +| Estimado diario (1 corrida fría + 67 tibias) | ~US$2.10 | +| **Estimado mensual (× 30 días)** | **~US$60–65** (rango US$35–90 según variación real de cache) | + +Basado en solo ~7 corridas reales medidas durante la prueba — no es un +promedio estadísticamente robusto, es una primera estimación para +decidir si el timer se activa. Revisar el costo real después de la +primera semana en producción y ajustar frecuencia/modelo si hace falta. ## Pendiente antes de activar el timer en continuo - **Confirmación explícita del propietario del lab** para habilitar el - timer de systemd (Paso 4 original) — no se activa automáticamente - solo por haber pasado la prueba end-to-end. -- Unidad systemd corriendo como `devops` (no root), con límites de - CPU/memoria. + timer de systemd — no se activa automáticamente solo por haber + pasado la prueba end-to-end ni por tener el costo estimado. +- Unidad systemd de usuario (`systemctl --user`, corre como `devops`, + no `root`), con límites de CPU/memoria (`CPUQuota`, `MemoryMax`). + Requiere `loginctl enable-linger devops` (una vez, con sudo) para que + seguir corriendo sin sesión interactiva activa. - Opcional: `GITEA_TOKEN_FILE` para activar la señal de "runner atascado" vía API de Gitea Actions (hoy se omite, degradación segura). +- Decidir la tensión con la ventana de `medusa-deploy` (ver arriba).