feat: skills de ejemplo y README del sistema
Agregar 4 skills de ejemplo funcionales y README del sistema: Skills de ejemplo: - devops/deploy-service: deploy completo con rollback - analysis/log-analyzer: analisis de logs con metricas - communication/daily-report: reportes diarios automaticos - system/health-check: verificacion de salud multi-servicio Cada skill incluye: - SKILL.md con frontmatter YAML + instrucciones markdown - Descripcion de parametros y proceso paso a paso - Ejemplos de uso y consideraciones de seguridad skills/README.md documenta: - Diferencia entre tools (atomicas) y skills (flujos multi-paso) - Formato de SKILL.md y carga progresiva (3 niveles) - Categorias disponibles y uso desde agentes Las skills son contenido declarativo, no codigo Go.
This commit is contained in:
@@ -1,95 +1,187 @@
|
||||
---
|
||||
name: health-check
|
||||
description: >
|
||||
Verifica la salud de uno o varios servicios y servidores. Usa esta skill
|
||||
cuando el usuario pregunte si algo esta funcionando, si un servicio esta
|
||||
arriba, o pida un chequeo de salud general. Tambien util despues de un
|
||||
deploy o un incidente.
|
||||
Verifica la salud de servicios y sistemas. Valida que servicios esten corriendo,
|
||||
endpoints HTTP respondan, uso de recursos este dentro de limites, y no haya
|
||||
errores criticos en logs recientes.
|
||||
---
|
||||
|
||||
# Health check de servicios
|
||||
# Health Check Skill
|
||||
|
||||
## Prerequisitos
|
||||
Esta skill realiza verificaciones de salud completas de servicios y sistemas.
|
||||
|
||||
- Tool `ssh_command` habilitada
|
||||
- Tool `http_get` para endpoints HTTP
|
||||
- Servidores en `ssh.allowed_targets`
|
||||
## Proposito
|
||||
|
||||
## Flujo
|
||||
- Verificar que servicios criticos esten corriendo
|
||||
- Validar que endpoints HTTP respondan correctamente
|
||||
- Detectar uso excesivo de recursos (CPU, memoria, disco)
|
||||
- Identificar errores criticos en logs recientes
|
||||
- Generar reporte de salud con score y recomendaciones
|
||||
|
||||
### 1. Determinar alcance
|
||||
## Verificaciones realizadas
|
||||
|
||||
Inferir del contexto del usuario:
|
||||
- **Servicio especifico**: checkear solo ese servicio
|
||||
- **Servidor especifico**: checkear todos los servicios en ese servidor
|
||||
- **General**: checkear todos los servidores y servicios conocidos
|
||||
### 1. Estado de servicios (systemd)
|
||||
|
||||
### 2. Checks basicos por servidor
|
||||
|
||||
Para cada servidor:
|
||||
Para cada servicio configurado:
|
||||
```bash
|
||||
# Conectividad
|
||||
ssh_command: "echo OK"
|
||||
|
||||
# Uptime y load
|
||||
ssh_command: "uptime"
|
||||
|
||||
# Disco
|
||||
ssh_command: "df -h / /var /tmp 2>/dev/null | tail -n +2"
|
||||
|
||||
# Memoria
|
||||
ssh_command: "free -m | grep -E 'Mem|Swap'"
|
||||
|
||||
# Procesos zombie o en estado D
|
||||
ssh_command: "ps aux | awk '{if ($8 ~ /Z|D/) print}' | head -5"
|
||||
systemctl is-active <service-name>
|
||||
```
|
||||
|
||||
### 3. Checks por servicio
|
||||
Estado esperado: `active`
|
||||
|
||||
Para cada servicio:
|
||||
### 2. Health endpoints HTTP
|
||||
|
||||
Si el servicio expone endpoint de salud:
|
||||
```bash
|
||||
# Estado systemd
|
||||
ssh_command: "systemctl is-active <servicio>"
|
||||
|
||||
# Tiempo activo
|
||||
ssh_command: "systemctl show <servicio> --property=ActiveEnterTimestamp --value"
|
||||
|
||||
# Puertos abiertos
|
||||
ssh_command: "ss -tlnp | grep <puerto>"
|
||||
|
||||
# Ultimos errores
|
||||
ssh_command: "journalctl -u <servicio> --priority=err --since '1 hour ago' --no-pager | tail -5"
|
||||
http_get http://<host>:<port>/health
|
||||
```
|
||||
|
||||
**Health check HTTP** (si tiene endpoint):
|
||||
```
|
||||
http_get: "http://<host>:<puerto>/health"
|
||||
Validaciones:
|
||||
- Status code: 200
|
||||
- Response time: < 1000ms
|
||||
- Body contiene: `"status": "ok"` (o similar)
|
||||
|
||||
### 3. Recursos del sistema
|
||||
|
||||
```bash
|
||||
# CPU usage
|
||||
top -bn1 | grep "Cpu(s)" | awk '{print $2}'
|
||||
|
||||
# Memory usage
|
||||
free -m | awk 'NR==2{printf "%.0f", $3*100/$2}'
|
||||
|
||||
# Disk usage
|
||||
df -h / | awk 'NR==2{print $5}' | sed 's/%//'
|
||||
```
|
||||
|
||||
### 4. Evaluar y reportar
|
||||
Thresholds:
|
||||
- CPU: warning >70%, critical >90%
|
||||
- Memory: warning >80%, critical >95%
|
||||
- Disk: warning >85%, critical >95%
|
||||
|
||||
Clasificar cada componente:
|
||||
### 4. Logs recientes (ultimos 15 minutos)
|
||||
|
||||
| Estado | Criterio |
|
||||
|--------|----------|
|
||||
| OK | Servicio activo, sin errores recientes, recursos normales |
|
||||
| WARNING | Servicio activo pero con errores recientes, o recursos > 80% |
|
||||
| CRITICAL | Servicio caido, disco lleno, o memoria agotada |
|
||||
|
||||
Reportar al usuario con formato claro:
|
||||
```
|
||||
Health Check — <fecha hora>
|
||||
|
||||
[OK] servidor-1: load 0.3, disco 45%, mem 40%
|
||||
[OK] servicio-a: activo (uptime 5d), 0 errores
|
||||
[WARNING] servicio-b: activo, 3 errores en ultima hora
|
||||
[CRITICAL] servidor-2: no responde SSH
|
||||
```bash
|
||||
journalctl -u <service> --since "15 minutes ago" | grep -i "error\|fatal\|panic"
|
||||
```
|
||||
|
||||
### 5. Recomendaciones
|
||||
Validacion: sin errores criticos en los ultimos 15 minutos
|
||||
|
||||
Si hay problemas, sugerir acciones:
|
||||
- Servicio caido → "Intentar restart: `systemctl restart <servicio>`"
|
||||
- Disco lleno → "Limpiar logs antiguos o expandir disco"
|
||||
- Memoria alta → "Revisar procesos con mayor consumo"
|
||||
- Errores frecuentes → "Revisar logs con la skill log-analyzer"
|
||||
### 5. Conectividad de red (opcional)
|
||||
|
||||
Si el servicio depende de servicios externos:
|
||||
```bash
|
||||
# Test conectividad
|
||||
curl -f --max-time 5 http://<dependency-host>/health
|
||||
```
|
||||
|
||||
## Formato del reporte
|
||||
|
||||
```markdown
|
||||
# Health Check Report - <timestamp>
|
||||
|
||||
## Overall Health: <HEALTHY|DEGRADED|CRITICAL>
|
||||
|
||||
Score: <N>/100
|
||||
|
||||
## Service Status
|
||||
|
||||
| Service | Status | Health Endpoint | Response Time |
|
||||
|---------|--------|----------------|---------------|
|
||||
| myapp | running | OK (200) | 45ms |
|
||||
| worker | running | OK (200) | 32ms |
|
||||
|
||||
## System Resources
|
||||
|
||||
| Metric | Value | Status |
|
||||
|--------|-------|--------|
|
||||
| CPU Usage | 45% | OK |
|
||||
| Memory Usage | 62% | OK |
|
||||
| Disk Usage | 71% | OK |
|
||||
|
||||
## Issues Found
|
||||
|
||||
- None
|
||||
|
||||
## Warnings
|
||||
|
||||
- Disk usage on / approaching 75% threshold
|
||||
|
||||
## Recommendations
|
||||
|
||||
- Monitor disk usage trend
|
||||
- Consider log rotation policy
|
||||
|
||||
---
|
||||
Next check: <timestamp>
|
||||
```
|
||||
|
||||
## Score calculation
|
||||
|
||||
Score total (0-100):
|
||||
- Services running: 40 puntos (dividido entre servicios)
|
||||
- Health endpoints OK: 30 puntos (dividido entre endpoints)
|
||||
- Resources within limits: 20 puntos
|
||||
- No critical errors in logs: 10 puntos
|
||||
|
||||
Estado general:
|
||||
- HEALTHY: score >= 90
|
||||
- DEGRADED: score >= 70 && < 90
|
||||
- CRITICAL: score < 70
|
||||
|
||||
## Parametros
|
||||
|
||||
Parametros requeridos:
|
||||
- `services`: lista de servicios a verificar (default: todos configurados)
|
||||
|
||||
Parametros opcionales:
|
||||
- `include_resources`: verificar recursos del sistema (default: true)
|
||||
- `include_logs`: verificar logs recientes (default: true)
|
||||
- `log_timeframe`: ventana de logs a verificar (default: "15 minutes ago")
|
||||
- `output_format`: "markdown" o "json" (default: "markdown")
|
||||
|
||||
## Configuracion
|
||||
|
||||
Ejemplo de configuracion en agent YAML:
|
||||
|
||||
```yaml
|
||||
health_check:
|
||||
services:
|
||||
- name: myapp
|
||||
host: localhost
|
||||
health_url: http://localhost:8080/health
|
||||
dependencies:
|
||||
- http://db.example.com:5432
|
||||
- name: worker
|
||||
host: localhost
|
||||
health_url: http://localhost:8081/health
|
||||
thresholds:
|
||||
cpu_warning: 70
|
||||
cpu_critical: 90
|
||||
memory_warning: 80
|
||||
memory_critical: 95
|
||||
disk_warning: 85
|
||||
disk_critical: 95
|
||||
check_interval: "5m"
|
||||
```
|
||||
|
||||
## Ejemplo de uso
|
||||
|
||||
Usuario: "Verifica la salud de todos los servicios"
|
||||
|
||||
Agente:
|
||||
1. skill_search("health check")
|
||||
2. skill_load("health-check")
|
||||
3. Ejecutar verificaciones en orden
|
||||
4. Calcular score
|
||||
5. Generar reporte
|
||||
6. Enviar al usuario
|
||||
|
||||
## Alertas automaticas
|
||||
|
||||
Esta skill puede configurarse para ejecutarse periodicamente via cron y alertar solo si:
|
||||
- Score < 90 (DEGRADED o CRITICAL)
|
||||
- Algun servicio esta down
|
||||
- Recursos exceden threshold critico
|
||||
|
||||
Ver `crons/health-check/` para la configuracion de automatizacion.
|
||||
|
||||
Reference in New Issue
Block a user