# 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, la justificación de gobernanza y la evidencia de la prueba end-to-end en `apps-registry` → `docs/arquitectura/agente-monitoreo.md`. **Estado (2026-08-26): timer de systemd ACTIVO** (`lab-agent.timer`, usuario `devops`, cada 60 min entre 06:00–23:00 hora local — bajado de 15 a 60 min el 2026-08-26 para reducir costo). Validado en vivo contra el cluster real: DRY_RUN → ejecución real → rate limit/bloqueo → recuperación con hilo en Telegram → limpieza, y corrida manual vía `systemctl --user start` con el entorno real del timer antes de habilitarlo. Ver `docs/arquitectura/agente-monitoreo.md` para la evidencia completa y el costo mensual estimado. ## Diseño de seguridad (por qué Claude no ejecuta comandos directamente) `claude -p` se invoca con `--allowedTools ""` (cero herramientas) y `--json-schema`, así que el modelo **nunca** ejecuta un comando — solo devuelve una decisión estructurada (`{"actions":[{"resource", "decision", "reason"}], "summary"}`). Este script bash es el único que ejecuta `kubectl`/`docker`, y solo después de revalidar la decisión contra su propio cálculo de elegibilidad (rate limit, umbral de tiempo, ventana horaria, bloqueo tras intento previo). Se descartó dar a Claude un `Bash` tool con un patrón tipo `Bash(kubectl rollout restart deployment/medusa-deploy -n ecommerce)` porque se comprobó en vivo que `--allowedTools` hace *coincidencia por prefijo*, no coincidencia exacta: un patrón `Bash(echo pintest)` también permite ejecutar `echo pintest && echo INJECTED` o `echo pintest; rm -rf /`. Para un comando root-capaz eso no es un límite seguro. Con `--allowedTools ""`, Claude no tiene ninguna superficie de ejecución — el peor caso posible es que proponga una decisión incorrecta en el JSON, y el wrapper la rechaza si el recurso no está en su propia lista de elegibles (ver `RESOURCE_ELIGIBILITY` en el script). El prompt también advierte explícitamente contra prompt injection: los datos de diagnóstico (logs, estado de pods) podrían contener texto arbitrario si algo en el cluster está comprometido, e instruye a Claude a ignorar cualquier instrucción incrustada ahí. ## Qué hace cada corrida 1. Lee `kubectl -n ecommerce get deployment -o json` y calcula salud por deployment (readyReplicas vs replicas, condición `Available`). 2. Chequea `docker inspect gitea-runner` (estado del contenedor) y, si existe `GITEA_TOKEN_FILE`, la API de Gitea Actions (`/repos/{owner}/{repo}/actions/runs`) buscando runs en estado `running` atascados por más de `UNHEALTHY_THRESHOLD_MIN` minutos — la señal específica del incidente de runner zombie del 2026-08-16. Si el token no está o la API falla, esta señal se omite (fail-safe: nunca dispara una acción sobre una lectura no verificada) y solo queda la señal de "contenedor no está `running`". 3. Curl a los dominios públicos — puramente informativo, nunca gatilla una acción. 4. Calcula elegibilidad por recurso contra el estado persistido (`STATE_FILE`): umbral de 10 min, rate limit de 30 min entre acciones sobre el mismo recurso, ventana horaria 00:00–06:00 para `medusa-deploy` (el deployment real de "commerce-backend" en CLAUDE.md — confirmado en vivo 2026-08-25, no existe un deployment llamado literalmente `commerce-backend`), y bloqueo permanente tras un primer intento cuyo problema no se resolvió (sin reintentos silenciosos — requiere intervención humana para desbloquear, ver abajo). 5. Invoca `claude -p` con el diagnóstico + la lista de qué es elegible este ciclo. Cero herramientas, salida JSON validada por schema. 6. Para cada decisión `"restart"`: revalida que el recurso esté REALMENTE en la lista de elegibles del wrapper (no confía en el JSON de Claude por sí solo); si pasa, ejecuta el comando fijo correspondiente (`kubectl rollout restart deployment/ -n ecommerce` o `docker restart gitea-runner`), captura el resultado real (no lo que Claude cree que pasó) y marca el recurso como bloqueado para reintentos automáticos futuros. 7. Registra todo en `${LOG_DIR}/run-.log` (log completo de la corrida) y `${LOG_DIR}/actions.jsonl` (una línea JSON por decisión: timestamp, recurso, decisión, resultado, motivo — el registro auditable pedido en la lista blanca). 8. Notifica (Paso 3) si hubo alguna anomalía o acción — nunca en silencio si actuó. ## Desbloquear un recurso tras un intento fallido El estado vive en `STATE_FILE` (JSON). Para que un recurso vuelva a ser elegible sin esperar a que se recupere solo: ```bash jq 'del(.resources["deploy:medusa-deploy"])' "$STATE_FILE" > /tmp/s.json && mv /tmp/s.json "$STATE_FILE" ``` (cambiar la clave por `docker:gitea-runner` u otro `deploy:`). ## Configuración ```bash cp lab-agent.env.example lab-agent.env # editar umbrales/rutas si hace falta — lab-agent.env NO lleva secretos, # está en .gitignore a propósito (evita que una copia con paths de un # host distinto termine commiteada) ``` **Autenticación de `claude -p`:** `ANTHROPIC_API_KEY_FILE` queda vacío por defecto — el script usa el login de suscripción ya activo del 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 mkdir -p "$(dirname "$GITEA_TOKEN_FILE")" # por defecto: /DATA/AppData/k3d-lab/lab-agent/secrets/ echo "" > "$GITEA_TOKEN_FILE" chmod 600 "$GITEA_TOKEN_FILE" ``` Si no existe, el agente sigue funcionando pero pierde la señal de "runner atascado" vía API de Gitea Actions (solo detecta el contenedor caído/reiniciando). **Notificaciones (Telegram, reemplaza a ntfy.sh desde 2026-08-26):** creá el bot con [@BotFather](https://t.me/BotFather) (`/newbot`) y obtené tu `chat_id` (mandale un mensaje al bot primero, después `https://api.telegram.org/bot/getUpdates`). El token va en un archivo aparte, dueño `devops` — **no** root-only pese al patrón original: el servicio corre como `devops` (necesita su login de suscripción para `claude -p`), así que un archivo `root:root 600` le sería ilegible, mismo criterio ya aplicado a `GITEA_TOKEN_FILE`. ```bash mkdir -p "$(dirname "$TELEGRAM_BOT_TOKEN_FILE")" echo "" > "$TELEGRAM_BOT_TOKEN_FILE" chmod 600 "$TELEGRAM_BOT_TOKEN_FILE" # y en lab-agent.env: TELEGRAM_CHAT_ID= (no es secreto) ``` **Horario activo:** `ACTIVE_HOURS_START`/`ACTIVE_HOURS_END` (hora local, default `06:00`–`23:00`). Fuera de esa ventana el script sale antes de tocar kubectl/docker/curl o invocar `claude -p` — no gasta nada, no solo omite la notificación. **Ojo:** esta ventana no se solapa con `COMMERCE_BACKEND_WINDOW_*` (`00:00`–`06:00`) — mientras el agente está pausado, `medusa-deploy` nunca es elegible para auto-restart en la práctica. Ver `docs/arquitectura/agente-monitoreo.md`. ## Probar ```bash ./lab-agent.sh --dry-run # simulación, no toca el cluster ./lab-agent.sh --live # ejecución real ``` Validado en vivo 2026-08-26 con un deployment canario desechable (`test-agent-canary`, `busybox:stable` con `exit 1` — CrashLoopBackOff garantizado): DRY_RUN detecta y "ejecuta" sin tocar el cluster, `--live` ejecuta de verdad (confirmado con `kubectl get events` y la anotación `restartedAt`), y una segunda corrida sobre el mismo recurso caído 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`. Telegram (silencioso para `info`, hilo de respuestas al recuperarse) también se validó en vivo con el mismo canario. ## Instalar el timer de systemd Unidades de **usuario** (`systemctl --user`), corren como `devops` — necesario porque `claude -p` usa su login de suscripción. Ojo: el manager de `systemd --user` de `devops` arranca con `HOME=/DATA` (el de `/etc/passwd`), no `/DATA/AppData/home-devops` — por eso `lab-agent.service` fija `Environment=HOME=...` explícitamente; sin eso, `claude -p` no encuentra las credenciales. Los archivos van en `/DATA/.config/systemd/user/`, no en el `~/.config/...` de una shell interactiva (que resuelve a otra ruta por el mismo motivo). ```bash mkdir -p /DATA/.config/systemd/user cp systemd/lab-agent.service systemd/lab-agent.timer /DATA/.config/systemd/user/ sudo loginctl enable-linger devops # una vez — si no, systemctl --user ni conecta export XDG_RUNTIME_DIR=/run/user/$(id -u devops) systemctl --user daemon-reload systemctl --user start lab-agent.service # probar una corrida manual primero systemctl --user enable --now lab-agent.timer systemctl --user list-timers lab-agent.timer ``` Activo desde 2026-08-26. Ver el costo mensual estimado y el detalle completo en `docs/arquitectura/agente-monitoreo.md`.