k8s llm agent for planing, monitoring and auto healing of the cluster

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 installé et fonctionnel
• Accès à un cluster Kubernetes (kubeconfig local fonctionnel)
• Minimum 8GB RAM pour faire tourner les modèles LLM

Installation

1. Installer Ollama :

curl -fsSL https://ollama.ai/install.sh | sh

2. Démarrer le serveur Ollama :

ollama serve

3. Télécharger le modèle LLM (dans un autre terminal) :

# 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 :

pyt