italiadatacenter/add-on/AgentPlatform/agent-declarative-vs-byo.yaml

# =====================================================================
# ESEMPIO A — Agent dichiarativo nativo (kagent esegue direttamente)
# Caso d'uso: flow Langflow/Flowise semplice — un LLM + un paio di tool,
# nessuna logica custom complessa. Tradotto 1:1 in prompt + tool MCP.
# =====================================================================
apiVersion: kagent.dev/v1alpha2
kind: Agent
metadata:
  name: k8s-troubleshooter
  namespace: team-alpha
spec:
  description: Agente di troubleshooting Kubernetes
  type: Declarative
  declarative:
    modelConfig: gpt4o-config
    systemMessage: |
      Sei un agente di troubleshooting per Kubernetes...
    a2aConfig:
      skills:
        - id: diagnose-pod-issue
          name: Diagnose Pod Issue
          description: Investiga problemi su pod/servizi Kubernetes
          inputModes: ["text"]
          outputModes: ["text"]
          tags: ["kubernetes"]
    tools:
      - type: McpServer
        mcpServer:
          name: kagent-tool-server
          kind: RemoteMCPServer
          toolNames:
            - k8s_get_pods
            - k8s_describe_pod
            - k8s_get_logs
---
apiVersion: kagent.dev/v1alpha1
kind: ModelConfig
metadata:
  name: gpt4o-config
  namespace: team-alpha
spec:
  provider: OpenAI
  model: gpt-4o
  apiKeySecretRef:
    name: llm-credentials
    key: openai-api-key




# invocazione
Le 4 modalità di invocazione
1. Dashboard kagent (per gli utenti umani, uso interattivo)
bash
kagent dashboard

Apre una UI web dove cerchi k8s-troubleshooter nella lista e chatti direttamente — il modo più immediato per un developer che vuole testare l'agente senza altri strumenti.

2. CLI kagent (per script, pipeline, debug da terminale)
bash
kagent invoke --agent k8s-troubleshooter -n team-alpha \
  --task "Il pod payment-service-7d9f in default sta crashando, investiga"
3. Chiamata diretta via A2A REST (per integrazione da altri sistemi/servizi)

Ogni Agent espone un endpoint A2A standard, con un "agent card" che ne descrive le capability:

bash
kubectl port-forward -n kagent svc/kagent-service 8083:8083

# scopri le capability dell'agente
curl localhost:8083/api/a2a/team-alpha/k8s-troubleshooter/.well-known/agent.json

# invocalo
curl -X POST localhost:8083/api/a2a/team-alpha/k8s-troubleshooter/ \
  -H "Content-Type: application/json" \
  -d '{"task": "Perché il pod payment-service sta in CrashLoopBackOff?"}'

Questa è la via che useresti se, ad esempio, un tuo servizio interno (o un'automazione CI/CD) deve invocare l'agente programmaticamente.

4. Canali chat (Slack/Teams/Discord/Telegram) — via AgentHarness CRD

Se vuoi che i developer interroghino l'agente direttamente da Slack invece che aprire la dashboard, kagent ha una CRD dedicata (AgentHarness) che fa da ponte:

yaml
apiVersion: kagent.dev/v1alpha2
kind: AgentHarness
metadata:
  name: k8s-troubleshooter-slack
  namespace: kagent
spec:
  backend: hermes
  modelConfigRef: default-model-config
  channels:
    - name: platform
      type: slack
      slack:
        botToken:
          valueFrom: {type: Secret, name: slack-tokens, key: bot-token}
        appToken:
          valueFrom: {type: Secret, name: slack-tokens, key: app-token}

Poi in Slack: /mykagent perché il pod X sta crashando? — il bot inoltra la richiesta all'agente via A2A e posta la risposta nel canale. Interessante per un'IDP perché è il canale più naturale per i developer, senza dover imparare dashboard o CLI dedicate.

# =====================================================================
# ESEMPIO B — Agent BYO (Bring Your Own), container esportato da
# Langflow/Flowise dopo containerizzazione custom.
# Caso d'uso: flow complesso con logica di stato/loop che il developer
# ha personalizzato oltre quello che il builder low-code esporta,
# quindi ha bisogno di pieno controllo del codice.
# =====================================================================
apiVersion: kagent.dev/v1alpha1
kind: Agent
metadata:
  name: currency-exchange-agent
  namespace: team-alpha
spec:
  type: BYO
  byo:
    deployment:
      image: ghcr.io/team-alpha/langflow-currency-agent:latest
      workingDir: /app
      env:
        - name: GOOGLE_API_KEY
          valueFrom:
            secretKeyRef:
              name: llm-credentials
              key: gemini-api-key
      port: 8080          # porta su cui l'agente espone l'endpoint A2A

  # Nota: kagent invoca questo agente via protocollo A2A, trattandolo
  # come black box — nessuna decomposizione in prompt/tool separati,
  # perché la logica vive interamente dentro l'immagine.


## Esempio Agent di Orchestrazione
apiVersion: kagent.dev/v1alpha2
kind: Agent
metadata:
  name: incident-commander
  namespace: team-alpha
spec:
  type: Declarative
  declarative:
    systemMessage: |
      Sei il coordinatore per la gestione incidenti. Quando ricevi una
      segnalazione, decidi quali specialisti coinvolgere: se riguarda
      pod/servizi K8s, delega al k8s-troubleshooter; se servono i log,
      delega al log-analyzer. Puoi chiamare entrambi in sequenza se
      il problema lo richiede.
    modelConfig: gpt4o-config
    tools:
      - type: McpServer
        mcpServer:
          name: kagent-tool-server
          toolNames: ["k8s_get_events"]

      # Sotto-agenti esposti come "tool" — la scelta di chiamarli
      # è dell'LLM di incident-commander, non di kagent
      - type: Agent
        agent:
          name: k8s-troubleshooter
          namespace: team-alpha
      - type: Agent
        agent:
          name: log-analyzer
          namespace: team-alpha