AgentK - Especialista em Configurações YAML Kubernetes

AgentK é um assistente inteligente especializado em análise, otimização e gestão de configurações YAML do Kubernetes. Utilizando GPT-4.1 e MCP (Model Context Protocol), oferece orientações baseadas em boas práticas para criação e manutenção de recursos Kubernetes de qualidade profissional.

Objetivo Principal

AgentK é seu consultor especializado em YAML Kubernetes, focado em:

• Extrair e analisar configurações existentes do cluster
• Sugerir melhorias baseadas em boas práticas de produção
• Validar configurações antes da aplicação (dry-run)
• Implementar recursos com verificação automática de conflitos
• Orientar na criação de YAMLs seguindo padrões de qualidade

Importante: AgentK não é uma ferramenta de monitoramento, mas sim um especialista em configurações YAML e aplicação de boas práticas.

Capacidades Principais

Gestão Completa de Recursos (CRUD)

• Listar recursos do cluster por tipo
• Extrair configurações YAML de recursos existentes
• Obter YAML específico por nome e namespace
• Implementar recursos (create/update automático com prevenção de conflitos)
• Deletar recursos individuais do cluster
• Validar YAMLs com dry-run antes da aplicação

Foco em Boas Práticas

• Labels e annotations consistentes
• Resource limits e requests adequados
• Configurações de segurança apropriadas
• Estrutura YAML limpa e legível

Recursos Suportados

• Namespaced: pods, services, deployments, configmaps, secrets, ingresses, persistent_volume_claims, replicasets, statefulsets, cronjobs, jobs, horizontal_pod_autoscalers, replication_controllers, daemon_sets
• Cluster-wide: nodes, persistent_volumes, namespaces

Exportação de Histórico

• Relatórios em Markdown com estatísticas da sessão
• Métricas de performance (tempo de execução, tokens utilizados)
• Histórico completo de conversas e chamadas MCP

🚀 Tecnologias

• FastMCP + Kubernetes Python Client (Servidor)
• Streamlit + GPT-4 (Cliente)
• 6 MCP Tools para operações CRUD completas
• Configuração Externa (resource_config.yaml)

🛠️ Setup e Execução (AgentK)

Pré-requisitos

• Docker e Docker Compose instalados
• Acesso a um cluster Kubernetes (kubectl configurado)
• Chave de API da OpenAI

1. Variáveis de Ambiente

# 1. Clone e configure
git clone https://github.com/VitorDie/AgentK-MCP.git
cd AgentK-MCP

# 1. crie o arquivo .env
touch .env
# 2. Edite o arquivo .env recém-criado e insira a sua chave da OpenAI:
echo "OPENAI_API_KEY=sk-sua-chave-aqui" >> .env

2. Infraestrutura Kubernetes (Minikube e Túnel SSH)

Para que o AgentK atue no cluster, precisamos apontar os certificados corretamente. O projeto utiliza uma arquitetura agnóstica através da pasta certs-remotos/.

A. Extraindo os Certificados:

Se o Minikube for local:

mkdir -p certs-remotos
cp ~/.minikube/ca.crt ~/.minikube/profiles/minikube/client.{crt,key} ./certs-remotos/

Se o Minikube estiver em uma VM remota:

mkdir -p certs-remotos
scp -i ~/.ssh/sua_chave usuario@IP_DA_VM:~/.minikube/ca.crt usuario@IP_DA_VM:~/.minikube/profiles/minikube/client.{crt,key} ./certs-remotos/

B. Configurando o Kubeconfig Remoto:

# 1. Copie o arquivo de template fornecido no repositório:
cp remote-kubeconfig.example.yaml remote-kubeconfig.yaml

# 2. Abra o remote-kubeconfig.yaml e altere a linha server de acordo com o seu ambiente:

# MINIKUBE LOCAL
Em remote-kubeconfig.yaml use o IP interno da rede Docker (descubra com kubectl cluster-info). Ex: server: https://192.168.49.2:8443

# MINIKUBE EM VM REMOTA
# Crie um túnel SSH para a sua máquina local e aponte para o localhost, e mantenha ele aberto enquanto estiver usando a aplicação:
ssh -L 0.0.0.0:6443:[IP_INTERNO_MINIKUBE]:[PORTA_INTERNA] usuario@IP_DA_VM -N -f

# Você roda o kubectl cluster-info lá dentro da VM e pega o resultado (ex: 192.168.49.2). 
# Depois, no seu terminal local, você sobe o túnel com os seus dados reais:
ssh -i .ssh/gcp_agentk -L 0.0.0.0:6443:192.168.49.2:8443 agentk@10.128.0.2 -N -f

Neste caso, em remote-kubeconfig.yaml mantenha o arquivo com server: https://localhost:6443.

3. Rodando os Serviços (Docker Compose)

Com a infraestrutura de rede e credenciais prontas, você pode levantar os serviços utilizando o Docker Compose como orquestrador.

Interface Principal do Agente (Modo Interativo):

Inicia o assistente e o servidor MCP integrados.

docker compose build --no-cache agentk
docker compose up agentk

Testes Unitários:

Executa a suíte de testes de forma isolada, validando a lógica das ferramentas e do Collector.

docker compose run --rm tests-unit

Testes de Integração:

Executa o fluxo completo do Agente K8s batendo na API real do Minikube configurado.

docker compose run --rm tests-integration

Executando o Teste de Performance (Benchmark)

O serviço de performance é responsável por rodar os testes de carga e análise de vulnerabilidades em lote, essencial para a coleta de métricas (Duração, Tokens consumidos, Acurácia).

# 1. Execute o container dedicado ao benchmark:
docker compose build --no-cache performancetest

# EXECUÇAO COM OLLAMA

## AMD

docker compose --profile amd up -d ollama-amd && docker compose --profile amd up -d performancetest

## NVIDIA

docker compose --profile nvidia up -d ollama-nvidia && docker compose --profile nvidia up -d performancetest

## ver log de execução

docker logs -f performance-test

# EXECUÇÃO UTILIZANDO APENAS OPENAI

docker compose up -d ollama-cpu servermcp
docker compose up performancetest

# 2. Coleta de Dados: 
# Os resultados de cada iteração, incluindo os prompts completos e as respostas do LLM, serão gravados em tempo real no arquivo results/benchmark_master.csv.

Principais Diferenciais

• Boas Práticas Integradas: Sugestões de melhorias automáticas
• Dry-run Integrado: Validação antes da aplicação
• Interface Conversacional: Interação natural via chat
• Configuração Externa: Flexibilidade e customização

🏗️ Arquitetura

📚 Documentação Completa

📖 Guias de Configuração e Deploy

• Configuração do Ambiente na VM - Setup completo do ambiente de produção
• Pipeline CI/CD com GitHub Actions - Deploy automático e rollback

🧪 Testes e Validação

• Procedimento de Testes do AgentK - Metodologia completa dos 50 testes realizados
• Arquivos de Teste YAML - 10 arquivos com misconfigurations + 50 resultados exportados

📊 Resultados e Métricas

Taxa de Detecção:

• ✅ Credenciais Expostas: 100% (50/50)
• ✅ Versão de Imagem: 100% (50/50)
• ✅ Erros Semânticos: 96% (48/50)

Taxa de Implementação: 88% (44/50 testes bem-sucedidos)

AgentK - Exemplo de uso

🎨 Recursos Visuais

• Arquitetura do Sistema - Diagrama da arquitetura MCP
• Exemplos de YAML - basic-example.yaml e orion-example.yaml

🔗 Links Rápidos

Documento	Descrição
Procedimento de Testes	Metodologia, resultados e análise dos 50 testes
Resultados dos Testes	50 sessões exportadas com timestamps
VM Setup	Configuração do ambiente de produção
CI/CD Pipeline	Deploy automatizado com GitHub Actions

---

Orientador: Professor Dr. Fábio Henrique Cabrini
Instituição: Faculdade Engenheiro Salvador Arena

---