Aller au contenu principal

C-06 Gestionnaire de checkpoints

Brique C: Agents, autonomie, exécution. Version anglaise: C-06-checkpoint-manager

1. Rôle et responsabilités​

Persiste l'état d'un tour d'agent après chaque étape significative dans PostgreSQL (eai.checkpoints) pour reprise et rejeu. AgentRunner écrit les checkpoints (POST /v1/runs/{id}/checkpoints) et AgentLoop.resume(run_id) relit le dernier pour reprendre après un crash.

2. Position dans l'architecture et interactions​

  • Écrit par AgentRunner ; lu par AgentLoop.resume(), par le rejeu (C-15) et par le portail.

3. Composant open source et partie développée​

  • Moteur : architecture Navin du SDK Python, sans graphe déclaré. enterprise_ai.loop.AgentLoop reçoit les messages, prépare le contexte, gère les sessions, reprend un run après un crash, traite l'arrêt, le cron et le heartbeat, et expose serve() ; enterprise_ai.runtime.AgentRunner exécute un tour ; enterprise_ai.subagents.SubagentManager lance les sous-agents en parallèle ; enterprise_ai.loop.plan.RunPlan porte le plan ; enterprise_ai.runtime.bus.MessageBus relie canaux et moteur.
  • Adaptateurs optionnels : LangGraph (enterprise_ai.runtime.langgraph.build_graph) et Temporal (enterprise_ai.runtime.temporal.build_workflow) réutilisent les mêmes étapes ; ils ne sont pas requis.
  • Côté serveur, python -m eai.worker exécute les tâches périodiques : tick du scheduler, vidage de l'outbox d'événements, expiration des réservations de quota, détection des heartbeats périmés, rétention.

4. Modèle de données​

Tables (schéma eai, RLS tenant_id):

  • eai.checkpoints

Colonnes communes : id uuid, tenant_id uuid NOT NULL, created_at, updated_at ; politique RLS current_setting('app.tenant_id', true)::uuid.

5. Contrat​

  • Contrat appliqué: execution-contract
  • Schéma JSON: contracts/v1/execution-contract.schema.json
  • Champs clés: resume.checkpoint_id, steps[].index
  • Validation : POST /v1/contracts/{name}/validate ; application d'un manifeste : POST /v1/manifests/apply.

6. Endpoints API​

  • POST /v1/runs/{id}/checkpoints
  • GET /v1/runs/{id}/checkpoints
  • GET /v1/checkpoints/{id}

Requête POST /v1/runs/{id}/checkpoints:

{
  "step_index": 4,
  "state": {
    "messages": 12,
    "scratch": "..."
  }
}

Réponse:

{
  "checkpoint_id": "chk_0042",
  "sha256": "e3b0c4...",
  "created_at": "2025-01-10T10:00:00Z"
}

7. Exemples SDK​

Python:

from enterprise_ai import EnterpriseAI

client = EnterpriseAI(base_url="<control-plane-url>", api_key="eai_xxx_secret")
chk = client.runs.checkpoint("run_01J9", state=state, label="step-4")

TypeScript:

import { EnterpriseAI } from "@enterprise-ai/sdk";

const client = new EnterpriseAI({ baseUrl: "<control-plane-url>", apiKey: process.env.EAI_API_KEY });
const chk = await client.checkpoints.create("run_01J9", { label: "step-4", state });

Java:

EnterpriseAIClient client = EnterpriseAIClient.builder()
    .baseUrl("<control-plane-url>")
    .apiKey(System.getenv("EAI_API_KEY"))
    .build();
Checkpoint chk = client.checkpoints().create("run_01J9", 4, state);

Go:

c, _ := eai.NewClient(eai.WithBaseURL("<control-plane-url>"), eai.WithAPIKey(os.Getenv("EAI_API_KEY")))
chk, _ := c.Checkpoints.Create(ctx, "run_01J9", map[string]any{"label": "after-step-4", "state": map[string]any{"step_index": 4}})

8. Configuration​

  • Variables d'environnement: EAI_DATABASE_URL
  • Clés Helm: controlPlane.config, controlPlane.secrets

9. Contrôles de sécurité​

  • RLS sur tenant_id
  • État chiffré, jamais de secret en clair
  • Toutes les requêtes portent le tenant issu du credential ; RLS PostgreSQL
  • Chaque mutation et décision de politique écrit un événement d'audit chaîné

10. Observabilité​

  • Métriques Prometheus: eai_checkpoints_total, eai_checkpoint_bytes
  • Traces: spans OpenTelemetry avec conventions sémantiques GenAI (gen_ai.operation.name, gen_ai.agent.id, gen_ai.tool.name), attributs eai.tenant_id, eai.run_id, propagation traceparent.
  • Actions d'audit: run.checkpoint

11. Unités FinOps​

  • Stockage des checkpoints (Go-mois).
  • Émis comme Usage Event (POST /v1/finops/usage) avec tenant, projet, agent et run.

12. Modes de défaillance et résilience​

  • Crash entre deux checkpoints : reprise au dernier checkpoint, l'étape en cours est rejouée
  • PostgreSQL indisponible : l'écriture échoue, le tour s'arrête plutôt que de perdre l'état

13. Adoption autonome (client d'un client)​

  • enterprise_ai.agent + PostgreSQL.
  • SDK: enterprise_ai.agent (AgentsClient, RunsClient, SessionsClient)
  • Déploiement minimal : chart Helm avec controlPlane.enabled=true et PostgreSQL ; composants externes désactivés utilisent leur repli in-process.

14. Tests d'acceptation​

  1. Écrire puis relire un checkpoint, hash identique
  2. Lecture inter-tenant -> 404
  3. Accès inter-tenant refusé
  4. Erreur renvoyée en fr avec Accept-Language: fr