Funk-lab/admin/ask-agent.md

Délégation inter-agents — ask-agent + skill agent-delegation

Le cluster Funk dispose de 4 agents spécialisés accessibles via la commande ask-agent. Le skill funk/agent-delegation enseigne à Hermes (profil funk-ai) comment et quand les utiliser pour décomposer des tâches.

---

Architecture

funk-ai (Qwen3-8B GPU — profil principal)
    │
    │  Terminal: ask-agent <agent> "question"
    ▼
ask-agent  (/usr/local/bin/ask-agent)
    │  POST http://127.0.0.1:4000/v1/chat/completions
    ▼
LiteLLM Proxy (:4000)
    ├── ask-agent system  →  qwen3-1.7b-system  (CPU :1236)
    ├── ask-agent monitor →  qwen3-1.7b-monitor (CPU :1237)
    ├── ask-agent brain   →  claude-sonnet-4-6  (API Anthropic)
    └── ask-agent funk-ai →  qwen3-8b           (GPU :1234)

---

Agents disponibles

Agent	Modèle	Vitesse	Coût	Usage idéal
system	Qwen3-1.7B CPU (:1236)	~21 tok/s	Gratuit	Traitement de texte : résumés, formatage, parsing, calculs, questions Linux
monitor	Qwen3-1.7B CPU (:1237)	~21 tok/s	Gratuit	Évaluation de santé : logs systemd, métriques, état des services
brain	Claude Sonnet 4.6 (API)	Variable	Payant	Raisonnement complexe, architecture, revue
funk-ai	Qwen3-8B GPU (:1234)	~35 tok/s	Gratuit	Tâches générales (agent principal lui-même)

system vs monitor — la distinction clé

Critère	system	monitor
Type de question	"Qu'est-ce que ça veut dire ?" / "Résume ça"	"Y a-t-il des erreurs ?" / "Ce service est-il sain ?"
Input attendu	Texte brut, sortie de commande quelconque	Logs systemd, métriques, systemctl status
Output produit	Réponse directe, liste de faits	Verdict OK/WARNING/ERROR + actions correctives
Notion de seuils	Non	Oui — évalue par rapport à ce qui est normal

# → system : traitement de texte
ask-agent system "que signifie cette sortie df -h : <texte>"
ask-agent system "résume l'utilisation disque : <texte>"
ask-agent system "convertis 8192 MiB en GiB"

# → monitor : évaluation de santé
ask-agent monitor "logs litellm : <texte> — erreurs ?"
ask-agent monitor "status llama-server : <texte> — service sain ?"
ask-agent monitor "services failed : <texte> — que faire ?"

---

Commande ask-agent

# Syntaxe
ask-agent <agent> "<question>"
ask-agent <agent> "<question>" [--max-tokens N] [--system "<prompt système>"]

# Exemples
ask-agent system "quelle commande pour lister les ports en écoute ?"
ask-agent monitor "analyse ces logs systemd : <coller logs>"
ask-agent brain "architecture optimale pour ce schéma k8s : <contexte>"
ask-agent system "calcule la taille totale en Go de ces fichiers : <ls -lh output>"

# Avec prompt système personnalisé
ask-agent monitor "est-ce que ces métriques sont normales ?" \
  --system "Tu es expert Linux AlmaLinux, réponds en 1 phrase max."

# Max tokens (défaut : 1000)
ask-agent brain "revois ce manifest k8s" --max-tokens 3000

---

Skill Hermes — agent-delegation

Le skill funk/agent-delegation est installé dans le profil funk-ai. Il charge automatiquement le contexte suivant dans chaque session Hermes :

• La liste des 4 agents et leurs spécialités
• Le pattern "collecter localement → déléguer"
• La règle "tu tournes sur storage-01, ne pas SSH vers toi-même"

Localisation du skill

/srv/data/hermes/skills/funk/agent-delegation/SKILL.md          ← source (Git)
/srv/data/hermes/profiles/funk-ai/skills/funk/agent-delegation/SKILL.md  ← profil actif

Le fichier source est versionné dans le repo lab :

hermes-skills/funk/agent-delegation/SKILL.md

Utilisation depuis Hermes TUI

Hermes utilise ask-agent via l'outil Terminal — pas un appel API direct. Le skill lui indique d'utiliser exactement :

Terminal: ask-agent system "ta question"
Terminal: ask-agent monitor "ta question"
Terminal: ask-agent brain "ta question"

Pattern typique (Hermes collecte en local, délègue l'analyse) :

Terminal: systemctl --state=failed --no-pager
Terminal: ask-agent monitor "voici les services en erreur : <résultat> — résume les problèmes"

---

Gestion des skills dans Hermes

Pourquoi le skill doit être dans le profil

Hermes charge les skills depuis $HERMES_HOME/profiles/<profil>/skills/. Un skill placé uniquement dans $HERMES_HOME/skills/ n'est pas chargé par le profil.

# Vérifier les skills du profil funk-ai
sudo -u hermes env HERMES_HOME=/srv/data/hermes hermes skills list | grep -i funk

# État attendu :
# │ agent-delegation │ funk │ local │ local │ enabled │

Ajouter un skill custom à un profil

# 1. Créer le skill dans le repo (versionné)
mkdir -p hermes-skills/funk/<nom-skill>
vim hermes-skills/funk/<nom-skill>/SKILL.md

# 2. Déployer dans le répertoire global HERMES_HOME
sudo mkdir -p /srv/data/hermes/skills/funk/<nom-skill>
sudo cp hermes-skills/funk/<nom-skill>/SKILL.md /srv/data/hermes/skills/funk/<nom-skill>/

# 3. Copier dans le profil cible
sudo mkdir -p /srv/data/hermes/profiles/funk-ai/skills/funk/<nom-skill>
sudo cp /srv/data/hermes/skills/funk/<nom-skill>/SKILL.md \
        /srv/data/hermes/profiles/funk-ai/skills/funk/<nom-skill>/
sudo chown -R hermes:hermes /srv/data/hermes/profiles/funk-ai/skills/funk

# 4. Redémarrer le service
sudo systemctl restart hermes-agent

# 5. Vérifier
sudo -u hermes env HERMES_HOME=/srv/data/hermes hermes skills list | grep funk

Mettre à jour un skill existant

# Modifier le source dans le repo
vim hermes-skills/funk/agent-delegation/SKILL.md

# Synchroniser vers les deux emplacements
sudo cp hermes-skills/funk/agent-delegation/SKILL.md \
        /srv/data/hermes/skills/funk/agent-delegation/SKILL.md
sudo cp hermes-skills/funk/agent-delegation/SKILL.md \
        /srv/data/hermes/profiles/funk-ai/skills/funk/agent-delegation/SKILL.md
sudo chown hermes:hermes /srv/data/hermes/profiles/funk-ai/skills/funk/agent-delegation/SKILL.md

sudo systemctl restart hermes-agent

---

Script ask-agent — référence technique

Déployé sur storage-01 : /usr/local/bin/ask-agent Source versionnée : ansible/roles/litellm/files/ask-agent

# Déployer manuellement (si pas via Ansible)
scp ansible/roles/litellm/files/ask-agent s01:/tmp/
ssh s01 "sudo cp /tmp/ask-agent /usr/local/bin/ask-agent && sudo chmod +x /usr/local/bin/ask-agent"

# Redéployer via Ansible
ansible-playbook -i inventory.yml playbooks/storage-01.yml --tags litellm

Paramètres hardcodés dans le script :

Paramètre	Valeur
LiteLLM URL	http://127.0.0.1:4000/v1/chat/completions
API key	lm-studio (= master_key LiteLLM)
Timeout	120s (curl)
stream	false

---

Dépannage

ask-agent retourne du garbage

Le modèle GGUF est peut-être corrompu (signe d'une erreur disque précédente).

ssh g01 "sudo systemctl status llama-server-system"
ssh g01 "md5sum /mnt/models/<chemin-vers-gguf>"

ask-agent timeout

LiteLLM ou llama-server ne répond pas.

ssh s01 "curl -s http://localhost:4000/health -H 'Authorization: Bearer lm-studio'"
ssh g01 "systemctl status llama-server-system llama-server-monitor"

Le skill n'est pas chargé dans Hermes

Vérifier la présence dans le profil :

sudo ls /srv/data/hermes/profiles/funk-ai/skills/funk/agent-delegation/

Si absent → copier depuis /srv/data/hermes/skills/funk/agent-delegation/ et redémarrer.

Hermes fait du SSH vers storage-01

Le skill lui dit "tu es déjà sur storage-01" — mais si une ancienne session Hermes est ouverte, le skill chargé est l'ancienne version. Fermer la session TUI et en ouvrir une nouvelle après chaque modification du skill.

---

Points d'attention

Sujet	Détail
Deux emplacements	Modifier le skill dans le repo ET dans le profil — sinon désynchronisé
Restart obligatoire	systemctl restart hermes-agent requis après ajout/modif skill
brain coûteux	Claude Sonnet API — réserver aux analyses que system/monitor ne peuvent pas faire
system et monitor isolés	Tournent sur 14 CPUs dédiés — ne bloquent pas le GPU ni Hermes principal
/no_think automatique	Le script ask-agent préfixe automatiquement /no_think pour system et monitor — évite que Qwen3 consomme tous les tokens en raisonnement interne
monitor réservé supervision	Ne pas modifier monitor pour d'autres usages — sera intégré à l'outil de supervision cluster
ask-agent est shell	Dans le skill, toujours écrire Terminal: ask-agent ... — pas une API interne