langgraph-k8s-agent

# LangGraph K8s Agent

Agent Kubernetes piloté par LLM (Ollama + DeepSeek) construit avec LangGraph. Il observe votre cluster, propose/planifie des actions et peut appliquer des remédiations automatiques via un moteur de règles simple.

## Fonctionnalités

- **Observation et raisonnement** via LLM (DeepSeek local avec Ollama)
- **Auto-healing** minimaliste via `src/healing/`:
  - Règles déclaratives (`Rule`)
  - Registre d’actions (`ActionRegistry`)
  - Cooldowns pour éviter les boucles
  - Moteur d’évaluation (`HealingEngine`)
- **Intégration K8s**: utilise votre `~/.kube/config` (monté en read-only)
- **Mode API (optionnel)** et intégrations monitoring (Prometheus/Grafana en profils)

## Architecture (aperçu)

```
langgraph-k8s-agent/
├─ src/
│  ├─ agent/
│  │  ├─ __init__.py
│  │  ├─ state.py            # `AgentState` utilisé par le graphe
│  │  ├─ core.py             # logique coeur de l'agent (noeuds LangGraph)
│  │  └─ prompts.py          # prompts pour le LLM
│  └─ healing/
│     ├─ __init__.py         # exporte l'API publique
│     ├─ actions.py          # `HealingAction`, `ActionRegistry`, `global_registry`
│     ├─ cooldown.py         # `CooldownStore`, `global_cooldowns`
│     ├─ rules.py            # `Rule`
│     └─ engine.py           # `HealingEngine`
├─ docker-compose.yml
├─ Dockerfile
├─ config/
├─ data/
└─ logs/
```

## Prérequis

- Python 3.12 ou supérieur
- [Ollama](https://ollama.ai/) installé et fonctionnel
- Accès à un cluster Kubernetes (kubeconfig local fonctionnel)
- Minimum 8GB RAM pour faire tourner les modèles LLM

## Installation

1. Installer Ollama :
```bash
curl -fsSL https://ollama.ai/install.sh | sh
```

2. Démarrer le serveur Ollama :
```bash
ollama serve
```

3. Télécharger le modèle LLM (dans un autre terminal) :
```bash
# Option 1 : Modèle léger (recommandé pour débuter)
ollama pull mistral:latest

# Option 2 : Modèle plus performant
ollama pull deepseek-chat
```

4. Créer et activer un environnement virtuel Python :
```bash
pyt