Rediseñar auth a login de suscripción y corregir bugs de la prueba e2e

Auth: ANTHROPIC_API_KEY_FILE queda vacío por defecto — claude -p usa el
login de suscripción ya activo (~/.claude/.credentials.json) en vez de
una API key root-only. Se descartó ese diseño en vivo al confirmar que
no había API key real disponible; además elimina la necesidad de crear
secretos root-only vía sudo. Consecuencia: el futuro servicio systemd
debe correr como devops, no root. CLAUDE_BIN/KUBECTL_BIN se agregan por
ruta absoluta (ninguno está en el PATH de root/systemd).

Bugs encontrados y corregidos durante la prueba end-to-end contra el
cluster real (deployment canario desechable):
- execute_corrective_action se invocaba en un subshell ($()), perdiendo
  sus variables de resultado (LAST_ACTION_*) -> crash "unbound
  variable". Ahora usa el exit status de la función, invocada directo.
- DRY_RUN marcaba blocked=true en state.json como si la acción hubiera
  sido real, contaminando una corrida real posterior sobre el mismo
  recurso. Ahora el estado solo se actualiza fuera de DRY_RUN.

También: GITEA_TOKEN_FILE pasa a /DATA (dueño devops, sin sudo), y
media.cruzcloud.net se excluye de PUBLIC_DOMAINS (uso personal, no es
parte del lab).

Prueba e2e completa documentada en apps-registry:
docs/arquitectura/agente-monitoreo.md.

lab-agent/README.md

@@ -1,17 +1,17 @@
-# lab-agent — agente de diagnóstico/corrección del lab (Paso 2)
+# lab-agent — agente de diagnóstico/corrección del lab
 
 Wrapper headless que corre `claude -p` para diagnosticar el estado del
 lab (kubectl, docker, curl a endpoints públicos, API de Gitea Actions) y,
 solo para un conjunto explícito y aprobado de recursos, ejecutar una
-acción correctiva de bajo riesgo. Ver la lista blanca completa y su
+acción correctiva de bajo riesgo. Ver la lista blanca completa, la
-justificación de gobernanza en
+justificación de gobernanza y la evidencia de la prueba end-to-end en
-`apps-registry` → `docs/arquitectura/agente-monitoreo.md` (Paso 6,
+`apps-registry` → `docs/arquitectura/agente-monitoreo.md`.
-pendiente de escribir).
 
-Este documento cubre solo el Paso 2 (el script). Los Pasos 3
+**Estado (2026-08-26): script y prueba end-to-end validados en vivo**
-(notificaciones), 4 (systemd timer) y 5 (prueba controlada) son
+contra el cluster real (deployment canario desechable, ciclo completo
-posteriores y requieren tu confirmación explícita antes de activarse en
+DRY_RUN → ejecución real → rate limit/bloqueo → limpieza). El timer de
-continuo — ver instrucciones al final.
+systemd (Paso 4) **todavía no está activo** — pendiente de tu
+confirmación explícita.
 
 ## Diseño de seguridad (por qué Claude no ejecuta comandos directamente)
 
@@ -98,45 +98,42 @@ cp lab-agent.env.example lab-agent.env
 # host distinto termine commiteada)
 ```
 
-Dos archivos root-only que este script espera pero **no crea** (por
+**Autenticación de `claude -p`:** `ANTHROPIC_API_KEY_FILE` queda vacío
-diseño — la creación de credenciales no se hace desde una sesión
+por defecto — el script usa el login de suscripción ya activo del
-interactiva de Claude Code en este lab, ver política del proyecto):
+usuario que lo corre (`~/.claude/.credentials.json`), no una API key
+aparte. Por eso el servicio systemd (cuando se active) debe correr
+como `devops`, no como `root`. Ver la sección "Autenticación" en
+`docs/arquitectura/agente-monitoreo.md` para el porqué completo.
+
+El único secreto real es `GITEA_TOKEN_FILE` (opcional, token de Gitea
+Actions con scope lectura) — dueño `devops`, sin sudo:
 
 ```bash
-sudo mkdir -p /etc/claude-lab-agent/secrets
+mkdir -p "$(dirname "$GITEA_TOKEN_FILE")"   # por defecto: /DATA/AppData/k3d-lab/lab-agent/secrets/
-sudo tee /etc/claude-lab-agent/secrets/anthropic_api_key >/dev/null   # pega la key, Ctrl-D
+echo "<tu-token>" > "$GITEA_TOKEN_FILE"
-sudo tee /etc/claude-lab-agent/secrets/gitea_token >/dev/null         # token con scope read:repository (actions)
+chmod 600 "$GITEA_TOKEN_FILE"
-sudo chown root:root /etc/claude-lab-agent/secrets/*
-sudo chmod 600 /etc/claude-lab-agent/secrets/*
 ```
 
-`GITEA_TOKEN_FILE` es opcional: si no existe, el agente sigue
+Si no existe, el agente sigue funcionando pero pierde la señal de
-funcionando pero pierde la señal de "runner atascado" vía API de Gitea
+"runner atascado" vía API de Gitea Actions (solo detecta el contenedor
-Actions (solo detecta el contenedor caído/reiniciando).
+caído/reiniciando).
 
-## Probar (Paso 2 — humo, sin secretos)
+## Probar
 
 ```bash
-./lab-agent.sh --dry-run
+./lab-agent.sh --dry-run   # simulación, no toca el cluster
+./lab-agent.sh --live      # ejecución real
 ```
 
-Ya validado en vivo 2026-08-25 hasta el paso de invocar `claude -p`
+Validado en vivo 2026-08-26 con un deployment canario desechable
-(falla ahí, correctamente, por falta de
+(`test-agent-canary`, `busybox:stable` con `exit 1` — CrashLoopBackOff
-`ANTHROPIC_API_KEY_FILE` — comportamiento esperado sin el secreto
+garantizado): DRY_RUN detecta y "ejecuta" sin tocar el cluster, `--live`
-configurado). El diagnóstico de los 3 deployments de `ecommerce`,
+ejecuta de verdad (confirmado con `kubectl get events` y la anotación
-`gitea-runner` y los 5 dominios públicos funcionó correctamente contra
+`restartedAt`), y una segunda corrida sobre el mismo recurso caído
-el cluster real.
+respeta el bloqueo (`notify_only`, sin reintento). Dos bugs reales se
+encontraron y corrigieron en esa prueba — ver el detalle en
+`docs/arquitectura/agente-monitoreo.md`.
 
-Con los secretos configurados, `--dry-run` corre el flujo completo
+**No actives el timer de systemd (Paso 4) todavía** — requiere tu
-(incluida la llamada real a `claude -p`, que sí tiene costo) pero
+confirmación explícita por separado, aunque la prueba end-to-end ya
-sustituye la ejecución de `kubectl rollout restart`/`docker restart`
+pasó.
-por un mensaje `[DRY_RUN]` — no toca el cluster ni el contenedor de
-verdad. `DRY_RUN=1` es el valor por defecto en `lab-agent.env.example`;
-pasar `--live` (o `DRY_RUN=0` en el env) para el modo real.
-
-**No actives el timer de systemd (Paso 4) todavía.** Falta:
-Paso 3 (canal de notificación real), Paso 5 (prueba controlada con un
-escenario real de CrashLoopBackOff inducido, mostrándote los logs antes
-de habilitar el timer en continuo), y Paso 6 (documentar todo esto en
-docs-portal). Este script se puede correr manualmente para más pruebas
-de humo mientras tanto.

lab-agent/lab-agent.env.example

@@ -1,11 +1,17 @@
 # Copia este archivo a lab-agent.env (sin .example) y ajusta valores.
-# lab-agent.env NO debe contener secretos — API keys y tokens van en
+# lab-agent.env NO debe contener secretos — lo único sensible es el token
-# archivos aparte, root-only (ver ANTHROPIC_API_KEY_FILE / GITEA_TOKEN_FILE).
+# de Gitea Actions, que va en un archivo aparte (ver GITEA_TOKEN_FILE).
 
 # --- Alcance kubectl ---
 NAMESPACE=ecommerce
 KUBECONFIG_PATH=/DATA/.kube/config
 
+# claude y kubectl viven bajo el HOME de devops, no en un PATH estándar de
+# root/systemd (confirmado en vivo 2026-08-26: `sudo which claude` no lo
+# encuentra). Rutas absolutas, no confiar en PATH.
+CLAUDE_BIN=/DATA/AppData/home-devops/.local/bin/claude
+KUBECTL_BIN=/DATA/AppData/home-devops/.local/bin/kubectl
+
 # --- Umbrales (lista blanca aprobada 2026-08-25) ---
 UNHEALTHY_THRESHOLD_MIN=10
 RATE_LIMIT_MIN=30
@@ -32,15 +38,25 @@ DOCKER_RESTART_ALLOWLIST=gitea-runner
 GITEA_ACTIONS_REPOS="devops/apps-registry"
 
 # --- Endpoints públicos a chequear (solo diagnóstico, no gatillan acciones) ---
-PUBLIC_DOMAINS="shop.cruzcloud.net commerce.cruzcloud.net media.cruzcloud.net gitea.cruzcloud.net docs.cruzcloud.net"
+# media.cruzcloud.net excluido a propósito: no es parte del lab, es uso
+# personal aparte (confirmado 2026-08-26).
+PUBLIC_DOMAINS="shop.cruzcloud.net commerce.cruzcloud.net gitea.cruzcloud.net docs.cruzcloud.net"
 
 # --- Rutas de estado/logs (escribibles por devops, NO root-only) ---
 STATE_FILE=/DATA/AppData/k3d-lab/lab-agent/state.json
 LOG_DIR=/DATA/AppData/k3d-lab/lab-agent/logs
 
-# --- Secretos root-only (archivos, NO valores — ver README.md) ---
+# --- Autenticación de claude -p ---
-ANTHROPIC_API_KEY_FILE=/etc/claude-lab-agent/secrets/anthropic_api_key
+# Vacío (default): usa el login de suscripción ya activo para el usuario
-GITEA_TOKEN_FILE=/etc/claude-lab-agent/secrets/gitea_token
+# que corre el script (~/.claude/.credentials.json) — por eso el servicio
+# systemd del Paso 4 corre como `devops`, no como root: root no tiene ese
+# login. Solo completar esta ruta si en algún momento se prefiere
+# autenticar con una API key real en vez del login de suscripción.
+ANTHROPIC_API_KEY_FILE=
+
+# Token de Gitea Actions (opcional, scope read:repository). Dueño devops,
+# 600 — ya no root-only, no hace falta sudo para crearlo.
+GITEA_TOKEN_FILE=/DATA/AppData/k3d-lab/lab-agent/secrets/gitea_token
 
 # --- Modelo e invocación de Claude Code headless ---
 CLAUDE_MODEL=claude-sonnet-5

lab-agent/lab-agent.sh

@@ -26,6 +26,11 @@ source "$ENV_FILE"
 
 : "${NAMESPACE:=ecommerce}"
 : "${KUBECONFIG_PATH:=/DATA/.kube/config}"
+# claude y kubectl viven bajo /DATA/AppData/home-devops/.local/bin, que NO
+# está en el PATH de root ni del futuro servicio systemd (confirmado en
+# vivo 2026-08-26) — por eso van por ruta explícita, no por búsqueda en PATH.
+: "${CLAUDE_BIN:=claude}"
+: "${KUBECTL_BIN:=kubectl}"
 : "${UNHEALTHY_THRESHOLD_MIN:=10}"
 : "${RATE_LIMIT_MIN:=30}"
 : "${COMMERCE_BACKEND_DEPLOYMENT:=medusa-deploy}"
@@ -34,11 +39,16 @@ source "$ENV_FILE"
 : "${DOCKER_RESTART_ALLOWLIST:=gitea-runner}"
 : "${GITEA_ACTIONS_REPOS:=devops/apps-registry}"
 : "${GITEA_API_BASE:=https://gitea.cruzcloud.net/api/v1}"
-: "${PUBLIC_DOMAINS:=shop.cruzcloud.net commerce.cruzcloud.net media.cruzcloud.net gitea.cruzcloud.net docs.cruzcloud.net}"
+: "${PUBLIC_DOMAINS:=shop.cruzcloud.net commerce.cruzcloud.net gitea.cruzcloud.net docs.cruzcloud.net}"
 : "${STATE_FILE:=/DATA/AppData/k3d-lab/lab-agent/state.json}"
 : "${LOG_DIR:=/DATA/AppData/k3d-lab/lab-agent/logs}"
-: "${ANTHROPIC_API_KEY_FILE:=/etc/claude-lab-agent/secrets/anthropic_api_key}"
+# Vacío por defecto: sin ANTHROPIC_API_KEY_FILE, claude -p usa el login de
-: "${GITEA_TOKEN_FILE:=/etc/claude-lab-agent/secrets/gitea_token}"
+# suscripción ya activo para el usuario que corre este script (el mismo
+# ~/.claude/.credentials.json de una sesión interactiva normal) — no hace
+# falta una API key aparte. Solo configurar esto si en algún momento se
+# quiere autenticar con una API key real en vez del login de suscripción.
+: "${ANTHROPIC_API_KEY_FILE:=}"
+: "${GITEA_TOKEN_FILE:=/DATA/AppData/k3d-lab/lab-agent/secrets/gitea_token}"
 : "${CLAUDE_MODEL:=claude-sonnet-5}"
 : "${CLAUDE_MAX_BUDGET_USD:=0.50}"
 : "${NTFY_URL:=}"
@@ -67,7 +77,7 @@ trap 'log "ERROR inesperado en línea $LINENO (comando: $BASH_COMMAND)"' ERR
 
 log "=== lab-agent inicio (DRY_RUN=${DRY_RUN}) ==="
 
-for c in kubectl docker curl jq flock claude date; do
+for c in "$KUBECTL_BIN" docker curl jq flock "$CLAUDE_BIN" date; do
   command -v "$c" >/dev/null 2>&1 || { log "FATAL: falta comando requerido '$c'"; exit 1; }
 done
 
@@ -145,7 +155,7 @@ notify_send() { # title message
 # Diagnóstico: deployments de ecommerce
 # ---------------------------------------------------------------------------
 
-DEPLOY_JSON="$(kubectl -n "$NAMESPACE" get deployment -o json 2>/dev/null)" \
+DEPLOY_JSON="$("$KUBECTL_BIN" -n "$NAMESPACE" get deployment -o json 2>/dev/null)" \
   || { log "FATAL: no se pudo consultar deployments en namespace ${NAMESPACE}"; exit 1; }
 
 mapfile -t DETECTED_DEPLOYMENTS < <(jq -r '.items[].metadata.name' <<<"$DEPLOY_JSON")
@@ -328,7 +338,7 @@ log "elegibilidad ${GITEA_KEY}: ${GITEA_ELIG}"
 # Diagnóstico: contexto adicional (no gatilla acciones, solo informativo)
 # ---------------------------------------------------------------------------
 
-CLUSTER_WIDE_SNAPSHOT="$(kubectl get pods -A -o custom-columns='NS:.metadata.namespace,POD:.metadata.name,STATUS:.status.phase,RESTARTS:.status.containerStatuses[0].restartCount,READY:.status.containerStatuses[0].ready' 2>/dev/null || echo "no disponible")"
+CLUSTER_WIDE_SNAPSHOT="$("$KUBECTL_BIN" get pods -A -o custom-columns='NS:.metadata.namespace,POD:.metadata.name,STATUS:.status.phase,RESTARTS:.status.containerStatuses[0].restartCount,READY:.status.containerStatuses[0].ready' 2>/dev/null || echo "no disponible")"
 
 PUBLIC_CHECKS=""
 for d in $PUBLIC_DOMAINS; do
@@ -429,15 +439,22 @@ EOF
 # Invocar claude -p (sin herramientas, salida estructurada)
 # ---------------------------------------------------------------------------
 
-if [[ ! -r "$ANTHROPIC_API_KEY_FILE" ]]; then
+CLAUDE_AUTH_ENV=()
-  log "FATAL: no se puede leer ${ANTHROPIC_API_KEY_FILE} (ver README.md para crearlo, root-only)"
+if [[ -n "$ANTHROPIC_API_KEY_FILE" ]]; then
+  if [[ ! -r "$ANTHROPIC_API_KEY_FILE" ]]; then
+    log "FATAL: ANTHROPIC_API_KEY_FILE está configurado (${ANTHROPIC_API_KEY_FILE}) pero no se puede leer"
     notify_send "lab-agent: error de configuración" "Falta o no es legible ${ANTHROPIC_API_KEY_FILE}."
     exit 1
+  fi
+  CLAUDE_AUTH_ENV=("ANTHROPIC_API_KEY=$(<"$ANTHROPIC_API_KEY_FILE")")
+  log "usando ANTHROPIC_API_KEY_FILE (${ANTHROPIC_API_KEY_FILE})"
+else
+  log "ANTHROPIC_API_KEY_FILE no configurado — usando el login de suscripción ya activo para este usuario"
 fi
 
 CLAUDE_JSON="$(
-  ANTHROPIC_API_KEY="$(<"$ANTHROPIC_API_KEY_FILE")" \
+  env "${CLAUDE_AUTH_ENV[@]}" \
-  claude -p "$PROMPT" \
+  "$CLAUDE_BIN" -p "$PROMPT" \
     --model "$CLAUDE_MODEL" \
     --allowedTools "" \
     --disallowedTools "Bash,Read,Write,Edit,WebFetch,WebSearch" \
@@ -496,7 +513,7 @@ run_and_capture() { # cmd... -> setea LAST_ACTION_STDOUT/STDERR, devuelve el exi
   return "$rc"
 }
 
-execute_corrective_action() { # resource -> imprime "ok"|"fail" y deja stdout/stderr en variables globales
+execute_corrective_action() { # resource -> exit 0=ok/1=fail, deja LAST_ACTION_* en variables globales
   local resource="$1"
   LAST_ACTION_STDOUT=""
   LAST_ACTION_STDERR=""
@@ -507,9 +524,9 @@ execute_corrective_action() { # resource -> imprime "ok"|"fail" y deja stdout/st
       LAST_ACTION_CMD="docker restart gitea-runner"
       if [[ "$DRY_RUN" == "1" ]]; then
         LAST_ACTION_STDOUT="[DRY_RUN] no se ejecutó de verdad"
-        echo "ok"; return
+        return 0
       fi
-      if run_and_capture docker restart gitea-runner; then echo "ok"; else echo "fail"; fi
+      if run_and_capture docker restart gitea-runner; then return 0; else return 1; fi
       ;;
     deploy:*)
       local dep="${resource#deploy:}"
@@ -517,18 +534,18 @@ execute_corrective_action() { # resource -> imprime "ok"|"fail" y deja stdout/st
       for d in "${DETECTED_DEPLOYMENTS[@]}"; do [[ "$d" == "$dep" ]] && found=1; done
       if [[ "$found" != "1" ]]; then
         LAST_ACTION_STDERR="deployment '${dep}' no está entre los detectados este ciclo — rechazado"
-        echo "fail"; return
+        return 1
       fi
       LAST_ACTION_CMD="kubectl -n ${NAMESPACE} rollout restart deployment/${dep}"
       if [[ "$DRY_RUN" == "1" ]]; then
         LAST_ACTION_STDOUT="[DRY_RUN] no se ejecutó de verdad"
-        echo "ok"; return
+        return 0
       fi
-      if run_and_capture kubectl -n "$NAMESPACE" rollout restart "deployment/${dep}"; then echo "ok"; else echo "fail"; fi
+      if run_and_capture "$KUBECTL_BIN" -n "$NAMESPACE" rollout restart "deployment/${dep}"; then return 0; else return 1; fi
       ;;
     *)
       LAST_ACTION_STDERR="recurso desconocido: ${resource}"
-      echo "fail"
+      return 1
       ;;
   esac
 }
@@ -552,12 +569,16 @@ while IFS= read -r action_json; do
   fi
 
   if [[ "$decision" == "restart" ]]; then
-    result="$(execute_corrective_action "$resource")"
+    if execute_corrective_action "$resource"; then result="ok"; else result="fail"; fi
     ACTIONS_TAKEN=1
 
-    # Tras cualquier intento (éxito o fallo), marcar blocked=true: un solo
+    # Tras cualquier intento REAL (éxito o fallo), marcar blocked=true: un
-    # intento automático por incidente, sin reintentos silenciosos.
+    # solo intento automático por incidente, sin reintentos silenciosos.
+    # En DRY_RUN no se toca el estado — es una simulación, no debe consumir
+    # el "único intento" ni el rate limit de una corrida real posterior.
+    if [[ "$DRY_RUN" != "1" ]]; then
       mark_action_taken "$resource"
+    fi
 
     if [[ "$result" == "ok" ]]; then
       log "ACCIÓN EJECUTADA: ${LAST_ACTION_CMD} -> OK"