326 lines
23 KiB
Markdown
326 lines
23 KiB
Markdown
---
|
||
title: Agent-Fleet
|
||
category: systems
|
||
status: active
|
||
created: 2026-10-22
|
||
updated: 2026-10-23
|
||
---
|
||
|
||
# Agent-Fleet (Multi-Agent-Plattform)
|
||
|
||
Projekt: Corporation-scale Agent-Fleet mit CEO+SRE-Team, Org-as-Code, zentralem
|
||
LLM-Chokepoint und objektiver Telemetrie. Phase 0 (Fundament) weitgehend gebaut.
|
||
|
||
## Repos & Struktur
|
||
- **agent-fleet** (Gitea, lokal `/home/debian/workspace/agent-fleet`): Org-YAML,
|
||
Beacon-Scaffold (`src/beacon/`), Pläne (`docs/plans/2026-10-22-agent-fleet-phase0.md`,
|
||
inkl. Bifrost-Pivot-Vermerk — LiteLLM-Abschnitte A3/A4 sind superseded).
|
||
- **iac-homelab** (`/home/debian/iac-homelab`, Remote `canonical` = SSH): K8s-Manifeste.
|
||
Push via `git push canonical HEAD:main` (HTTPS-Auth defekt).
|
||
|
||
## K8s-Basis (Namespace agent-fleet)
|
||
- ResourceQuota: 8 vCPU / 16 Gi (CNPG belegt ~250m/512Mi Requests).
|
||
- **CNPG `agent-fleet-pg`** (Postgres 17.x): Ready, Hourly-Backups. DB `fleet` für
|
||
Beacon-Heartbeats (Tabellen heartbeats, gov_samples — Schema liegt im Beacon-Repo).
|
||
- ArgoCD-Apps: `agent-fleet` (Root-App für den NS, Synced/Healthy) und
|
||
`agent-fleet-bifrost` (Helm, sync-wave 2).
|
||
|
||
## LLM-Ingress: Bifrost (A3', produktiv)
|
||
- **maximhq/bifrost**, Helm-Chart 2.1.45, app v2.3.1, StatefulSet `bifrost-0`,
|
||
NS agent-fleet, LoadBalancer-VIP **10.0.30.210:8080** (cilium lb-ipam).
|
||
- SQLite-Store auf ceph-flash PVC 5 Gi (Bifrost-Konzern, getrennt von CNPG-fleet).
|
||
- Provider `noris`: custom provider, `base_provider_type: openai`,
|
||
`base_url: https://ai.noris.de`, Key via `env.NORIS_API_KEY` ← ESO-Secret
|
||
`bifrost-noris-key` ← 1P `noris-api-key` (Feld `credential`, NICHT dupliziert).
|
||
- Admin-API: Basic Auth (ESO-Secret `bifrost-admin` ← 1P `Agent-Fleet Bifrost Admin`),
|
||
Routen `/api/governance/virtual-keys[/{id}]`, `/api/keys`, `/api/providers`.
|
||
**ACHTUNG**: unbekannte Routen → SPA-Fallback mit HTTP 200 (nur application/json
|
||
ist eine echte Route).
|
||
- **Governance**: Plugin aktiv, VK `vk-fleet` (Name `fleet`), Header `x-bf-vk`.
|
||
Policy (Nutzer-Regel 22.10.): **nur `vllm/release/*`-Modelle** — kein qsu-Kanal,
|
||
keine Anthropic-Modelle. Kodiert als Regex-Allowlist
|
||
`^(noris/)?vllm/release/.*` in `provider_configs[].allowed_models`,
|
||
deny-by-default (kein `allow_all_providers`). Kein Budget-Cap (Amendment A10).
|
||
- **Telemetry**: Plugin aktiv, `/metrics` auf dem Haupt-Port **hinter Auth** →
|
||
ServiceMonitor `bifrost` (NS agent-fleet!, Label `release: monitoring`) mit
|
||
basicAuth gegen `bifrost-admin`. Prometheus-Target UP.
|
||
- VK-Wert in 1P-Item **`Agent-Fleet Fleet-vkey`** (Vault Kubernetes ESO, Feld
|
||
`credential`). Bifrost regeneriert das VK-Secret bei Config-Änderungen NICHT —
|
||
1P-Referenz bleibt über Rollouts stabil.
|
||
|
||
## 1P-Items (Vault „Kubernetes ESO")
|
||
| Item | Zweck | Feld(er) |
|
||
|---|---|---|
|
||
| `Agent-Fleet Bifrost Admin` | Dashboard/Admin-API | username, password |
|
||
| `Agent-Fleet Bifrost Encryption` | DB-Verschlüsselung | key |
|
||
| `Agent-Fleet Fleet-vkey` | VK `vk-fleet` für Agenten | credential |
|
||
| `Agent-Fleet PG Owner` | CNPG owner | (siehe CNPG) |
|
||
| `noris-api-key` (bestehend) | Upstream-Key ai.noris.de | credential |
|
||
|
||
## Beacon (B1+B2, PRODUKTIV seit 22.10.)
|
||
FastAPI-Heartbeat-Service: POST /heartbeat (Org-Gate), GET /metrics
|
||
(`beacon_heartbeats_total`, `beacon_last_heartbeat_age_seconds{agent}`,
|
||
`beacon_agents_up` ≤120s), GET /healthz. 10 Tests grün (Review APPROVED,
|
||
Important-Fixes committed `b3b4b9f`).
|
||
- **Deploy**: iac-homelab `clusters/main/agent-fleet/beacon.yaml` +
|
||
`beacon-registry-pull.yaml` (ESO ← 1P `SchoenKitchen Registry Pull`,
|
||
dockerconfigjson für git.familie-schoen.com). Deployment `beacon` 1 Replica
|
||
(100m/128Mi), Service ClusterIP :80, ServiceMonitor `release: monitoring`.
|
||
- **Image**: `git.familie-schoen.com/dominik/beacon:{SHA,latest}` (CI-Workflow
|
||
build+push; Registry-Push via dind-Daemon verifiziert — CI-Run 94 flakte am
|
||
größten Blob, manuelles docker push aus demselben Daemon ging sofort).
|
||
- **DB**: schema.sql auf CNPG fleet angewendet (heartbeats, gov_samples —
|
||
inkl. task_id/tok_in/tok_out, die im Original-Schema fehlten).
|
||
- **E2E (22.10.)**: healthz 200 · hb ceo 200 → PG-Row · hb intruder 403
|
||
(Strict-Org-Gate live) · Prometheus-Target UP.
|
||
- org.yaml-Seed als ConfigMap `beacon-org-yaml` (Genesis W0/W1: ceo, cto,
|
||
ciso, chro) — Quelle: Phase-0-Plan Task E1.
|
||
|
||
## CEO-Sandbox (Genesis W0, 22.10. — A15/ADR-018)
|
||
- **CT 161 `ceo`** auf ms-a2-1, IP **10.0.30.162** (VLAN 30), 4 vCPU/8 GB/
|
||
**20 GB** rootfs auf `vm_disks` (Regel: Agent-CTs ≈ 20 GiB — Zahl hinter
|
||
`:` ist GRÖSSE, nicht VMID; 161-GiB-Fehlcreation wurde destroyed+neu gebaut).
|
||
Blueprint: CT 160 (fleet-control); Provisionierung via PVE-REST `pvesh`,
|
||
SSH `root@10.0.20.92` + `pct push/exec 161`.
|
||
- **Harness**: Hermes (Installer NousResearch) im CT; config.yaml mit Provider
|
||
`bifrost` → `http://10.0.30.210:8080/v1`, VK **literal inline** (keine
|
||
Env-Expansion!), Modell `noris/vllm/release/glm-5-3`. Inferenz via Bifrost
|
||
verifiziert (9× POST /v1/chat/completions 200 im Bifrost-Log).
|
||
- **Herzschlag**: `/usr/local/bin/ceo-heartbeat.sh` via systemd-Timer
|
||
`ceo-heartbeat.timer` (60 s, Persistent, oneshot-Service fail-loud);
|
||
Task-ID aus `/var/local/fleet/last_task_id`, Default `idle`;
|
||
BEACON_URL=http://10.0.30.211. Verifiziert: Rows in `heartbeats`
|
||
(task_id board-w1-memo) + Prometheus.
|
||
- **Identität**: `/root/fleet/CHARTER.md` (Mandat: Board aus kritischen
|
||
Gegenspielern + Lead-Hiring), `/root/.hermes/memories/USER.md`
|
||
(Owner-Profil), `/root/fleet/spec.md` (v5.1-Stand), `/root/fleet/org.yaml`
|
||
(= ConfigMap beacon-org-yaml). Kopien im Repo: `genesis/`.
|
||
- **W1-Memo**: `/root/fleet/board/memo-2026-10-22-board-w1.md` (205 Z.,
|
||
MEMO-2026-10-22-W1): Board-Roster CTO „Occam"/CISO „Hadrian"/CHRO
|
||
„Diogenes" mit Blindspot-Zuordnung, W2-Lead-Sequenz (VS-Lead UAL →
|
||
sq-sw-dev → sq-design → sq-ea), Dissens-Protokoll, Caps-Check.
|
||
**Liegt zur Genehmigung beim Owner.**
|
||
|
||
## Board-Sandboxes W1 (23.10. — A16/ADR-019)
|
||
- **CT 163 `cto` (Occam, 10.0.30.163) · CT 164 `ciso` (Hadrian, 10.0.30.164) · CT 165 `chro` (Diogenes, 10.0.30.165)** — Vollklone von CT 161 (Snapshot `w1seed`, danach gelöscht) inkl. komplettem Hermes-Stack; danach sanitisiert (state.db, sessions, kanban, gateway-State, spawn-ledger entfernt — Klone „erinnern" sich nicht, CEO zu sein) und mit eigener Identität versehen (CHARTER, USER.md, Kickoff).
|
||
- **Mandate:** CTO = Technology (Mission #1: Hiring-Pipeline + Parent-Orphan-Test, Governor-Baseline; Gegenspieler B1/B2/B6) · CISO = Security (Preset-Matrix, Audit-Chain, Threat-Modell der Org selbst; Gegenspieler B1/B4; Self-Disclosure-Pflicht für die eigene Sandbox) · CHRO = People (HR-Profil-Veto persönlich bis HR-Agent existiert, Bedarfs-Gate, Caps-Wächter; Gegenspieler B3/B5).
|
||
- **Betriebsregeln für alle:** Inferenz nur via Bifrost (VK inline), Heartbeat 60 s → Beacon mit eigener agent_id, Dissens-Protokoll BLOCK/CONCERN/NOTE/CONSENT mit Eskalationsleiter, Fail-loud, NICHTS löschen ohne Freigabe, keine Auto-Mails.
|
||
- **Ghost-Heartbeat-Zwischenfall (23.10., behoben):** Klone erbten CEO-Timer + `last_task_id` — feuerten ~7,5 h als `ceo` (1.438 Rows). Bereinigt per Timer-Phase-Clustering (308 echte CEO-Rows im Fenster erhalten), Member-Timer ersetzt CEO-Units. **Pitfall für alle zukünftigen Klone: systemd-Timer + State-Files im Snapshot mitdenken.**
|
||
- **Hiring-Governance A16:** W1 hiret der CEO allein; ab W2 hiret das Board kollektiv (Decision Item, Mehrheit; Patt → CEO-Eskalation zum Owner). Worker-Sandboxes ab W2 Slim-Sizing 2 vCPU/4 GB; Backup sekundär.
|
||
- **W1-Onboarding-Memos GELIEFERT (23.10., 06:30 UTC):** CTO → `memo-2026-10-22-cto-pipeline.md` (Hiring-Pipeline-Plan D1–D4, Owner-Bedarfsliste B1–B7, Pipeline-Go-Ziel 26.10.) · CISO → `memo-2026-10-22-ciso-baseline.md` (Preset-Matrix DI-1, Audit-Chain/Sampling DI-2, Threat-Modell T1–T5, Self-Disclosure DI-4) · CHRO → `memo-2026-10-22-chro-w2-profiles.md` (W2-Lead-Profile Staffel 1/2, Scorecard ≥10/12, Caps-Matrix, Attention-Budget). Alle im Repo `genesis/` (Commit `901f3ac`, Gitea gepusht) und per Stopgap ins CEO-Board-Verzeichnis verteilt. Heartbeats verifiziert: je Member eigene Task-ID (cto-pipeline-plan-memo, ciso-memo-…-baseline, chro-memo-…-w2-profiles).
|
||
|
||
## Board-Kanal & Fleet-Mail (23.10., Interims-Kommunikation bis Control Tower)
|
||
- **Fleet-Mail** (Herzstück der 24/7-Autonomie): Host-Verz. `/srv/fleet-mail`
|
||
mit `inbox-<agent>/{new,processed}` je Agent (ceo/cto/ciso/chro), via
|
||
`pct set <ct> -mp1 /srv/fleet-mail,mp=/mnt/fleet-mail` in alle 4 CTs gemountet
|
||
(2777). Nachrichten = MD-Dateien `<epoch>-von-<agent>-<thema>.md` mit
|
||
From/To/Subject-Kopf; Mailboxen allseitig beschreibbar.
|
||
- **Poller**: systemd `fleet-mail.service` je CT (Restart=always) →
|
||
`/usr/local/bin/fleet-mail-poller.sh <agent>`: pollt 60 s, verarbeitet seriell
|
||
mit `hermes chat -q` (timeout 1500 s, -Q quiet), verschiebt nach `processed/`,
|
||
Run-Logs als `<msg>.run.log` daneben; Fehler → `/var/local/fleet/mail-errors.log`
|
||
+ logger (fail loud). Task-ID aus Subject ins Heartbeat.
|
||
- **Mailprompt** `/root/fleet/mailprompt.txt` je Agent: Kommunikationsregeln
|
||
(Roster, Antwort in Absender-INBOX, Alle-an-Alle erlaubt, CEO-only für
|
||
Digests an Owner), Dissens-Klassifikation, A16-Board-Kollektiv.
|
||
- **Board-Board**: `/srv/fleet-board` (mp0) — `/digest-*.md` (CEO-final),
|
||
`challenges/`, `inbox/`. Owner liest dort freizügig.
|
||
- **Kadenz (A7)**: `/etc/cron.d/fleet-meeting` im CEO-CT — werktäglich 09:00
|
||
Europe/Berlin (CT-Zeitzone Europe/Berlin gesetzt, DST-safe) → Trigger-Nachricht
|
||
in inbox-ceo/new → CEO fährt Meeting autonom über Fleet-Mail.
|
||
- **SC6-Watchdog**: Hermes-Cron `b28227374068` (monitor-Modus, Mo–Fr 08:20 UTC
|
||
= 09:20 Berlin), Script `~/.hermes/scripts/fleet-digest-watch.sh`, deliver=all —
|
||
Alert nur wenn Digest `<date>-final.md` fehlt oder fleet-mail inaktiv (OK =
|
||
deterministisch, still). Board-Meeting #1 (23.10.) lief vollautonom in 13 min:
|
||
r1-Digest → 5 Challenges → Final-Digest (F-1–F-11, alle Board-GO 4/0, Artefakte
|
||
im Repo `genesis/board-2026-10-23/`, Commit `0917144`).
|
||
- **Gotcha Detach**: `nohup hermes chat &` starb lautlos (Exit ohne Log) —
|
||
niemals Detach-Runs der Members bauen; serielle Nachrichtenverarbeitung über
|
||
den systemd-Poller ist der stabile Weg.
|
||
|
||
## Konventionen & Regeln
|
||
- Fleet-Standard-Modelle: `noris/vllm/release/*` (heavy=default/light-Tiers später
|
||
über Aliase im VK oder weitere VKs).
|
||
- Token-/Cost-Messung AM INGRESS (KRITIS-Requirement, kein Agent-Self-Reporting).
|
||
- ArgoCD: kein prune bis Besitz-Konsolidierung; Overlap-Regel: Helm-Release
|
||
`bifrost` verwaltet nur bifrost-*-Objekte.
|
||
- ArgoCD-CLI vom Host nicht erreichbar (argocd-server ClusterIP) → Refresh via
|
||
`kubectl -n argocd annotate application <name> argocd.argoproj.io/refresh=normal`.
|
||
|
||
## Offene Punkte
|
||
- **W1-Board-Genehmigung** (DI-1…DI-4 aus MEMO-2026-10-22-W1) — Owner-
|
||
Entscheidung ausstehend; nach Go: W1-Provisionierung (CTs cto/ciso/chro).
|
||
- Governor-Skeleton (A8): Baseline-Messung aus Bifrost-/metrics.
|
||
- Aliase/Tiers heavy/default/light (A10) — derzeit nur ein VK.
|
||
- Bekannter Defekt (niedrige Prio): Secret `git-schoen-codes-tls` (ns gitea)
|
||
doppelt-base64 → Traefik serviert intern das Default-Cert; Workaround:
|
||
Registry/CI via git.familie-schoen.com routen.
|
||
- D1 ERLDIGT: CT fleet-control (10.0.30.161) — Hermes-Spike bestanden
|
||
(„BETRIEB" via Bifrost; VK direkt in config.yaml, KEINE env.-Expansion
|
||
in Hermes-Configs).
|
||
|
||
## B-Inputs PB1–PB3 geliefert (23.10., Owner-Proxy, AL3-Freigabe)
|
||
- **PB1 Fleet-DB-Zugang CTO:** CNPG-Managed-Role **`fleet_rw`**
|
||
(`managed.roles` in `clusters/main/agent-fleet/postgres-cnpg.yaml`,
|
||
`Agent-Fleet PG fleet_rw`; `connectionLimit: 10` — SINGULAR, CRD v0.21).
|
||
Grants als Owner `fleet`: CONNECT/TEMP auf DB, USAGE/CREATE auf schema
|
||
public, DML+Default-Privileges auf alle Tabellen. Zugang vom VLAN 30 über
|
||
**rw-LB-VIP 10.0.30.214:5432** (`agent-fleet-pg-rw-lb`, Cilium lb-ipam).
|
||
CT 163: postgresql-client + `~/.pgpass`. Reconciler-Jobs im K8s nutzen
|
||
intern `agent-fleet-pg-r…svc` statt VIP. **PW-Sofort-Rotation:** CNPG
|
||
zieht Secret-Änderungen nicht sekundenschnell → `kubectl exec … psql -U
|
||
postgres` (Socket, ohne -h) `ALTER ROLE fleet_rw …` (DB-Owner fleet darf
|
||
KEIN ALTER ROLE). Solutions-Doc:
|
||
`docs/solutions/integrations/2026-10-23-cnpg-managed-role-password-rotation.md`
|
||
- **PB2 openshell_controller-Vertrag v0** (Controller selbst noch nicht
|
||
implementiert, CT 160 leer; Adapter loggt DRY-RUN gegen den Vertrag):
|
||
API-Doku + **Blueprint `hermes-sandbox` v1** (hash-gepinnt, sha256
|
||
`a5611966…b3f1`, Board: `blueprint-hermes-sandbox-v1.yaml`) +
|
||
**Machine-Token** (1P-Item `openshell_controller Machine-Token` +
|
||
`/root/.secrets/openshell-machine-token` in CT 163). T08: preset_hash ≠
|
||
Blueprint → 422 BLOCK.
|
||
- **PB3 Deploy-Recht NS agent-fleet:** SA **`cto-deployer`** + Role +
|
||
Token-Secret (`clusters/main/agent-fleet/cto-deployer-rbac.yaml`), NS-
|
||
scoped (kein ClusterScope, kein secrets-read, argocd/kube-system/default
|
||
verweigert, Negativ-Tests live). Kubeconfig `/root/.kube/config` +
|
||
kubectl v1.35.0 in CT 163 (Symlink /usr/bin — pct-PATH-Pitfall). Zweck:
|
||
Ad-hoc-Deploys (Web-UI v0 M5), GitOps bleibt Prime-Pfad.
|
||
- Board-Doks: `/srv/fleet-board/b1-fleet-db-input.md`,
|
||
`b2-openshell-controller-api-v0.md`, `b3-deploy-recht-input.md`,
|
||
`b1-fleet-schema-dump.sql`. Mail an inbox-cto + inbox-ceo
|
||
(`*-von-eigentuemerproxy-b123-*.md`).
|
||
- Neu in 1P (Vault Kubernetes ESO): `Agent-Fleet PG fleet_rw`,
|
||
`openshell_controller Machine-Token`.
|
||
|
||
## B-Inputs PB4+PB5+PB7 geliefert (23.10. nachmittags, „Go")
|
||
- **PB4 Bifrost-Admin + Monitoring:** Admin-API-Creds an CT 163
|
||
(`~/.secrets/bifrost-admin.json`, 600). Scope NUR VK-Anlage
|
||
(`/api/governance/virtual-keys`); Provider-/Policy-Änderungen TABU.
|
||
Monitoring read-only: Prometheus **10.0.30.202:9090**, Grafana
|
||
**10.0.30.201:3000**, Loki **10.0.30.207:3100** — anonym erreichbar im
|
||
VLAN 30 (F-2-Thema beim CISO). VK-Create/Delete-Pfad live verifiziert
|
||
(Probe-VK sofort wieder gelöscht).
|
||
- **PB5 Test-NS `agent-fleet-test`:** ArgoCD-App `agent-fleet-test`
|
||
(app-of-apps `clusters/main/apps/agent-fleet-test.yaml`) — NS + Quota
|
||
(4 vCPU/8 Gi/20 Pods) + Ingress-Deny-NetPol + Fixture-org-ConfigMap
|
||
(ft-ceo/ft-cto) + cto-deployer-RBAC (inkl. pods/exec+log für E2E).
|
||
E2E gegen Fixture, nicht master-org.yaml; Teardown nur nach Owner-Freigabe.
|
||
- **PB7 Capacity:** Zaun 12 host-tragfähig (Agent-CTs real ~0,7 GiB RAM/8 GiB,
|
||
CPU ~0 %; 8 freie Slots × 50 GB = 400 GiB << 1,3 TiB Ceph-avail).
|
||
F-7 Option B (4/8/50) damit formal bestätigt.
|
||
- **PITFALL ArgoCD (neu):** Manifest einer unbekannten CustomResource im
|
||
App-Pfad → Auto-Sync blockiert im Retry-Loop („synchronization tasks are
|
||
not valid"); **Dotfiles werden NICHT geskippt**; JSON-Patch auf
|
||
`/status/operation` abgelehnt. Fix: File aus App-Pfad entfernen (Content
|
||
→ ConfigMap), dem Retry ~3–5 min geben — selbtheilend. Solutions-Doc:
|
||
`integrations/2026-10-23-argocd-unknown-crd-blocks-autosync.md`
|
||
- Board-Doks: `b4-bifrost-admin-input.md`, `b5-test-ns-input.md`,
|
||
`b7-capacity-input.md`; Mails an inbox-cto + inbox-ceo
|
||
(`*-von-eigentuemerproxy-b457-*.md`, 13:42).
|
||
|
||
## Web-UI v1-Zugang: IP-only, kein Client-Cert/Login (23.10., Owner-Direktive)
|
||
- **Zugang:** `http://10.0.30.212` (plaintext, kein Browser-Warning) **oder**
|
||
`https://10.0.30.212` (TLS, einmalige Self-Signed-Warnung: no-SNI →
|
||
Traefik-Default-Cert). **Kein** Client-Zertifikat, **kein** Login in v1.
|
||
mTLS-Material (`fleet-webui-clientca`, Owner-P12) bleibt vorgehalten →
|
||
v2/OIDC. Nichts gelöscht.
|
||
- **Edge:** Intern-only LB `traefik-internal-lb` (VIP **10.0.30.212**):
|
||
`:443 → 8444` (EntryPoint `websecure-internal`) und `:80 → 8001`
|
||
(NEUER dedizierter PLAINTEXT-EntryPoint **`web-internal`**). Warum
|
||
dediziert: EntryPoint `web` (8000) ist geteilt mit öffentlichem
|
||
`traefik-lb` (.203) → Catch-all hätte gespooft werden können; dediziert
|
||
⇒ `.203:80` mit Host-Spoof → 404 (verifiziert).
|
||
- **IngressRoutes (Git, `clusters/main/agent-fleet/`):** `fleet-webui`
|
||
(HTTPS, `PathPrefix(/)`, middleware `fleet-webui-headers`, tls
|
||
`fleet-webui-tls`), `fleet-webui-http` (EntryPoint `web-internal`).
|
||
Provider-Filter `providers.kubernetescrd.ingressClass=traefik` ⇒ **jede**
|
||
IngressRoute braucht `traefik.io/ingress.class: traefik` — sonst still
|
||
ignoriert (404, kein Log). Das war der ursprüngliche Bug.
|
||
- **App:** Deployment `fleet-webui` env `REQUIRE_CERT_HEADER=0` (Backend
|
||
verlangt keinen Cert-Header mehr); `auth_interim` in CM `fleet-webui-app`
|
||
ehrlich = „v1: ip-only, no client-cert". CM hat **2 Keys** (`server.py`
|
||
+ `sanitize_md.py`) — `--from-file` muss beide liefern (sonst CrashLoop).
|
||
- **Noch live-only (CTO-App-Manifest-Lane):** Deployment-Env, CM,
|
||
Middleware, TLSOption, NetPol, Services, board-CMs. Routen + Edge sind
|
||
Git-persistiert (Commits 37f40ec/8d915d2/efa983e/08a3533/1d35b1f).
|
||
- Solutions-Doc: `integrations/2026-10-23-traefik-ingressroute-ingressclass-ignored-404.md`.
|
||
|
||
## Web-UI v0.2 (23.10. abend, Owner-Direktive 24/7-Loop): Organigramm + Live tok/s
|
||
- **Neue Endpunkte:** `/api/org` (org.yaml aus CM `fleet-webui-org` — Kopie
|
||
von `beacon-org-yaml`, Mount `/org`, Mini-Parser stdlib-only, fail-loud),
|
||
`/api/live/tokens` (Prometheus `10.0.30.202:9090`, `sum by
|
||
(virtual_key_name)` über `bifrost_input/output_tokens_total` rate[2m],
|
||
10 s-Cache). UI-Tab „Live" pollt 15 s. APP_VERSION=`v0.2.0-live`.
|
||
- **Per-Agent-VKs:** `key_ids:["*"]`-Fix (s. Solution-Doc bifrost-vk-key-
|
||
binding) — Attribution je virtual_key_name verifiziert (Solo-Smoke:
|
||
ceo-Counter 16→332, cto konstant). vk-fleet bleibt Fallback.
|
||
- **NetPol-Pitfall (2. Mal):** Prometheus-VIP .202 per `ipBlock`-Egress ⇒
|
||
FAIL (Cilium DNAT'd VIP → Pod-IP; ipBlock matcht nicht post-DNAT). Fix:
|
||
`namespaceSelector` auf `monitoring` + Port 9090 — gleiche Klasse wie
|
||
beacon-Regel. VIPs in Agent-Fleet-NetPol **nie** per ipBlock erlauben,
|
||
immer den Backend-NS selektieren.
|
||
- **24/7-Loop:** Cron `konzern-loop` (`23d4769ec873`, **alle 15 min** seit
|
||
23.10. abends, Owner-Direktive, deliver origin): CEO-INBOX-FIFO, Fleet-Health,
|
||
Open-Items-Treiber (W2/W3: Seed 199, COO/CMO, Tofu-Pipeline), Board-Refresh
|
||
(CM-Snapshot bei neuen Board-Entscheidungen), Takt-Report.
|
||
|
||
## v0.2-Backfill-Merge (23.10. abend): Mandat, Incidents, Härtung
|
||
- **Final-State:** Package landete mandatkonform in
|
||
`clusters/main/_archive/webui-v02-backfill/` (**Commit 478da727**,
|
||
AUSSERHALB aller 23 ArgoCD-App-Sync-Pfade — Merge-Kommission Board-Inbox
|
||
19:37 forderte tracking-freie Platzierung; Underscore-Trick funktioniert
|
||
NICHT, ArgoCD trackt hier per instance-LABEL und scanned `_webui-v02`
|
||
trotzdem). Board-CMs bewusst NICHT im Git (live-only, One-Truth-per-
|
||
Concern; org-CM-Snapshot war innerhalb 2 h stale = Werkstück).
|
||
- **INCIDENT (unaufgeklärt):** Zwischen 19:47–19:52 wurden alle 6
|
||
fleet-webui-CMs aus NS agent-fleet GELÖSCHT, während der Pod lief (stale
|
||
Volume-Projektionen; FailedMount-Burst als Alarmsignal). Kein Audit-Log
|
||
im Cluster ⇒ Löscher unklar (ArgoCD-Partial-Sync + simultanes
|
||
Label-Strippen ODER manueller Delete eines parallelen Actors).
|
||
**Restore byte-exakt** aus 3 Quellen (lokale JSON-Dumps 17:35, Stage-
|
||
Manifeste, Git e823c20): Hash-Gegenprobe 5/5 MATCH. Danach Härtung:
|
||
alle 6 CMs + Deploy/NetPol/SVC/IngressRoute mit Annotations
|
||
`argocd.argoproj.io/compare-options=IgnoreDifference` +
|
||
`sync-options=Prune=false,Delete=false`.
|
||
- **Parallel-Actor-Race:** Zweite aktive Session-Linie fuhr dasselbe
|
||
Thema (VLAN-40-ACL 9b029641, Merge-Kommission, Auto-Sync-Toggles,
|
||
eigene Mails) — mein syncPolicy-Pause-Patch wurde binnen Sekunden
|
||
resumed. Regel: **niemals davon ausgehen, dass ein Toggle hält**;
|
||
lieber Schutz-Annotations (persistieren) als transiente Spec-Changes.
|
||
- **Open:** API-Server-Audit-Logging absent (destruktive Ops ohne
|
||
Zuordnung) — Aktivierung prüfen; Varianten-Wahl Board-CM-Fix (B/C/
|
||
Re-Bake) bei Owner; Adoption-PR am v0.3/v1-Gate.
|
||
|
||
|
||
## Fleet-Board-CM-Sync & LB-Pools (23.10.2026)
|
||
- Board-CMs (fleet-webui-board/-challenges/-inbox, NS agent-fleet): live Plaintext-Werte (Restore 19:50 via kubectl-CSA). NICHT mit /tmp/board-cm-gen.py (base64!) neu anlegen — WebUI dekodiert nicht. Update nur via kubectl patch --type=json Plaintext (umgeht auch 262144-Byte-Annotation-Limit bei apply). Patch ohne Deployment-Neustart wirksam (Volume-Mount), Rollout-Restart optional.
|
||
- LB-IP-Pool: EIN CiliumLoadBalancerIPPool "default-pool" 10.0.30.200-250 (Quelle: /var/lib/rancher/rke2/server/manifests/cilium-l2-lb.yaml auf rke2-cp-01 10.0.30.51, identisch iac-homelab ansible playbook Z.86-95). KEIN kube-vip. API-VIP 10.0.30.50 = statisch /32 auf cp-01. Speaker-MAC-"Wanderung" = Cilium-L2-per-Node-ARP. .212 = fleet-webui (traefik-internal-lb, io.cilium/lb-ipam-ips), .213 frei (Authelia-Kandidat), .214 = agent-fleet-pg-rw-lb.
|
||
- Fleet-Mail: Zustellung = Datei in inbox-<role>/new/ + delivery.log-Zeile (epoch TAB name TAB bytes TAB sha256). Mails an andere Rollen als Eigentümer-Proxy: From "Eigentümer (Dominik, über Eigentümer-Proxy Hermes)".
|
||
- CT-Admin: ssh debian@10.0.30.51 mit id_ed25519_cloudinit; RKE2-manifests ohne sudo lesbar; kubectl cto-deployer (auf PVE-Host via cto-deployer-kubeconfig) ist NS-scoped (agent-fleet only).
|
||
|
||
## openshell_controller v0 (23.10. abend: B2 implementiert, E2E grün; Clone blockiert)
|
||
- **Service:** CT 160 (`10.0.30.161:8081`), systemd `openshell-controller.service`
|
||
(Unit IM CT, nicht Host — Fehlinstallation passiert), stdlib-Python, Bearer-Auth
|
||
fail-closed (401 ohne Token), Deploy-Kette Workspace → scp PVE → pct push →
|
||
systemctl restart (nach JEDEM Patch komplett, sonst testet man alten Stand).
|
||
- **API:** GET /v1/health (200 `db:true`), GET/POST /v1/sandboxes. Gates verifiziert:
|
||
T08 preset_hash ≠ Pin → 422; org.yaml-Strict-Gate → 422 (journalisiert);
|
||
False-409 gefixt. DB (CNPG fleet, 10.0.30.214): Tabellen `sandboxes`
|
||
(UNIQUE member_id, Broken-Recycle per UPDATE) + `provisioning_events` additiv.
|
||
- **Blueprint-Pin:** BLUEPRINT_SHA256 `a5611966…b3f1` (Board-Datei live gehasht;
|
||
CISO gegengeprüft 21:31 — Baseline intakt). Hash-Typo `…1418…` vs `…2818…`
|
||
war Bug 1 der Fünf-Bug-Kette (Solution-Doc:
|
||
`docs/solutions/bug-fixes/2026-10-23-openshell-controller-v0-bug-chain-and-pve-clone-blocker.md`).
|
||
- **Pitfalls (verifiziert):** (1) LXC- UND QEMU-VMIDs teilen den Nummernraum —
|
||
ID-Vergabe 200–299 muss `/lxc` UND `/qemu` prüfen (VM 200 mgmt-runner-01
|
||
kollidierte); `pct list` zeigt nur CTs. (2) psql-Empty-Checks brauchen `-t -A`.
|
||
(3) JSONB via `lit(json.dumps(x))`, nie `json.dumps(json.dumps(x))`. (4)
|
||
CTs mit Bind-Mounts sind NICHT klonbar (Snapshot + Full-Clone → API 500,
|
||
`unable to clone mountpoint mp0 type bind`) — W1-Klone liefen vor dem
|
||
Mount-Anhängen; vzdump/restore umgeht (dump bind-mounts nicht mit).
|
||
- **Aktiver Blocker/Beauftragung:** Seed-CT 199 mount-frei via vzdump/restore aus
|
||
CT 161 (Owner-GO 23.10.), Scrubbing (onboot=0, CEO-Timer aus, Creds scrubben),
|
||
CISO-Gate vor First-Sandbox-Go; danach COO- + CMO-Sandbox F-7 Option B
|
||
(4 vCPU/8 GB/50 GB) — Auftrag 1792784178. Tofu-GitOps-Hiring-Pipeline:
|
||
Auftrag 1792782897 (OpenTofu, nicht Terraform-Runner). Beide in inbox-ceo/new.
|