docs(governance): record t23 auto repair gateway rollout

docs/LOGBOOK.md

@@ -1,3 +1,40 @@
+## 2026-05-14 | T23 Auto-repair SSH diagnostic 改走 AwoooP MCP Gateway，補 verifier PromQL template
+
+**背景**：T22 已把近 24h non-success verifier 拆出根因，其中 `DockerContainerMemoryLimitPressure` 多數卡在 `PB-20260505-F4197B` 的 legacy `ssh {host} ...` 動作：AutoRepair executor 只接受 `scheme://host/payload`，因此直接失敗成 `unsupported_action_scheme`。另有 canary / host 類 verifier 缺 PromQL query template，導致 post-execution verification 只能 degraded。
+
+**修正**：
+- `AutoRepairService` 將 read-only legacy `ssh {host} '...'` 診斷命令正規化為 `auto_repair_executor -> AwoooP MCP Gateway -> ssh_diagnose`，並保留 `required_scope=read`、`is_shadow=false`、`flywheel_node=execute` audit context。
+- 寫入/重啟/刪除類 SSH 命令不會被自動轉成 read-only MCP；例如 `docker restart`、`systemctl restart`、`prune`、`rm`、`bash` 仍維持 fail-closed / 需要明確 PlayBook executor。
+- `SSHProvider.ssh_diagnose` 支援短 host mapping（例如 `110` / `188`）與 `container_name`，可收集 host + container read-only evidence。
+- 新增 migration 建立 `auto_repair_executor` active agent contract，僅授權 read-only SSH tools，尤其是 `ssh_diagnose`；未授權 write/admin MCP。
+- `PostExecutionVerifier` 對 Prometheus 類 metric tool 補 `query`，包含 Docker memory / restart / CPU 與通用 K8s/host fallback，避免 `verifier_missing_promql`。
+
+**本地驗證**：
+- `python3 -m py_compile apps/api/src/services/auto_repair_service.py apps/api/src/plugins/mcp/providers/ssh_provider.py apps/api/src/services/post_execution_verifier.py apps/api/tests/test_auto_repair_service.py apps/api/tests/test_ssh_provider_tools.py apps/api/tests/test_post_execution_verifier.py`：pass。
+- `git diff --check`：pass。
+- migration static check：`auto_repair_executor` grant 存在，且未使用會造成 psql 失敗的 `:'var'` syntax。
+- `DATABASE_URL=postgresql+asyncpg://test:test@localhost:5432/test pytest tests/test_auto_repair_service.py tests/test_ssh_provider_tools.py tests/test_post_execution_verifier.py -q`：67 passed。
+- `ruff check --select F,E9 ...`：pass。
+- `pytest tests/test_mcp_gateway_audit.py tests/test_adr100_slo_status_service.py tests/test_adr100_slo_metrics_service.py tests/test_governance_agent.py tests/test_ai_governance_endpoints.py -q`：55 passed。
+
+**推版與 production 驗證**：
+- `813d0883 feat(auto-repair): route ssh diagnostics through mcp gateway` 已推 Gitea main。
+- Gitea Code Review run `2174` success；Run Migration run `2175` success；CD run `2173` tests / build-and-deploy / post-deploy-checks 全 success。
+- 最新 deploy marker：`33e4c923 chore(cd): deploy 813d088 [skip ci]`。
+- Production image：API / Worker `192.168.0.110:5000/awoooi/api:813d088339d05c1e902ffbe84ce07e1ce80343bb`，Web `192.168.0.110:5000/awoooi/web:813d088339d05c1e902ffbe84ce07e1ce80343bb`。
+- K8s rollout：`awoooi-api` / `awoooi-worker` / `awoooi-web` in `awoooi-prod` 均 successfully rolled out。
+- `https://awoooi.wooo.work/api/v1/health`：200 healthy。
+- Production grant check：`auto_repair_executor` 已有 `ssh_diagnose` grant，`granted_scopes=["read"]`，`is_revoked=false`。
+- Production read-only smoke：legacy `ssh {host} 'echo ... docker stats ...'` 透過 `auto_repair_executor -> AwoooP MCP Gateway -> ssh_diagnose` 成功執行，SSHProvider 解析 `host=110` 為 `192.168.0.110`，並產生 host/container read-only evidence。
+- MCP audit check：`trace_id=codex-t23-auto-repair-executor-smoke-provider`，`agent_id=auto_repair_executor`，`tool_name=ssh_diagnose`，`result_status=success`，`required_scope=read`，`gateway_path=awooop_mcp_gateway`，`policy_enforced=true`。
+- PromQL smoke：`DockerContainerMemoryLimitPressure` 產生 `docker_container_memory_usage_bytes{host="110",container_name="momo-scheduler"} / docker_container_memory_limit_bytes{host="110",container_name="momo-scheduler"}`；canary fallback 產生 `up{namespace="awoooi-prod"}`。
+- `/api/v1/ai/slo` 仍會在 24h window 內顯示舊的 `unsupported_action_scheme` historical degraded rows；這是舊執行證據，不能用資料清洗假裝消失，需等新告警樣本覆蓋或窗口滑出。
+
+**目前整體進度**：
+- Alertmanager 低風險自動修復主線：約 97%。
+- 完整 AI 自動化管理產品化：約 88%。
+- T23 已修掉 T22 最大的 executor 格式斷點，並讓 verifier metric query 不再空缺；下一段應處理「已存在 historical degraded incident 如何轉成 replay / closure / ticket 工作鏈」，以及把前端 AwoooP Runs / Event Dossier 對 MCP Gateway、PlayBook、KM、Ansible evidence 做更完整的時間線呈現。
+
 ## 2026-05-14 | T22 Verifier non-success breakdown 前端化，從 warning 變成可行動根因
 
 **背景**：T21 已證實近 24h 自動修復都有 verifier evidence，`coverage_rate=1.0`，但 `verified_non_success=9` 只呈現為單一 warning。Operator 仍不知道是 PlayBook 動作格式錯、verifier target 缺失、PromQL 模板缺失，還是真正修復失敗。

docs/superpowers/specs/2026-04-15-MASTER-ai-autonomous-flywheel-v2.md

@@ -2170,6 +2170,17 @@ Phase 6 完成後
 - Production evidence：API / Worker / Web image 均為 `bad48dee0424656e01e3ae232acba0423ae0c1e1`；`/api/v1/ai/slo` 回 `non_success_breakdown.by_verification_result=[degraded:8]`、`by_failure_class=[unsupported_action_scheme:7, verifier_missing_promql:1]`；`/zh-TW/governance` 200；Playwright render check console error = 0。
 - 目前進度更新：Alertmanager 低風險自動修復主線約 96%；完整 AI 自動化管理產品化約 87%。下一段 T23 應修 `PB-20260505-F4197B` 的 unsupported `ssh {host}` repair step，讓 Docker memory pressure 低風險告警走支援 executor / MCP envelope，並補 verifier PromQL template。
 
+**T23 Auto-repair SSH diagnostic MCP Gateway 化（2026-05-14 台北）**：
+- 觸發：T22 最大 non-success 類別是 `PB-20260505-F4197B` 的 legacy `ssh {host} ...` repair step，AutoRepair executor 無法解析成支援 action envelope；另一類是 verifier metric tool 缺 PromQL query。
+- 修正：`AutoRepairService` 將 read-only legacy SSH diagnostic route 成 `auto_repair_executor -> AwoooP MCP Gateway -> ssh_diagnose`，保留 `required_scope=read`、`policy_enforced=true`、`flywheel_node=execute` audit；寫入/重啟/刪除類 SSH 命令仍 fail-closed，不偷渡成 read-only MCP。
+- MCP/契約：新增 `auto_repair_executor` active agent contract 與 read-only SSH grants；`SSHProvider.ssh_diagnose` 支援短 host mapping 與 `container_name` evidence。
+- Verifier：`PostExecutionVerifier` 對 Prometheus 類 metric tool 補 Docker memory/restart/cpu 與通用 K8s/host fallback PromQL template，避免 `verifier_missing_promql`。
+- 驗證：py_compile pass；`git diff --check` pass；migration static check pass；`pytest tests/test_auto_repair_service.py tests/test_ssh_provider_tools.py tests/test_post_execution_verifier.py -q` 67 passed；`pytest tests/test_mcp_gateway_audit.py tests/test_adr100_slo_status_service.py tests/test_adr100_slo_metrics_service.py tests/test_governance_agent.py tests/test_ai_governance_endpoints.py -q` 55 passed；ruff F/E9 pass。
+- Production deploy：`813d0883 feat(auto-repair): route ssh diagnostics through mcp gateway` 已推 Gitea main；Code Review run `2174` success；Run Migration run `2175` success；CD run `2173` success；deploy marker `33e4c923 chore(cd): deploy 813d088 [skip ci]`。
+- Production evidence：API / Worker / Web image 均為 `813d088339d05c1e902ffbe84ce07e1ce80343bb`；health 200；rollout success；production grant `auto_repair_executor -> ssh_diagnose` 為 `read` scope；read-only smoke 實際產生 `mcp:ssh_diagnose` SSHProvider evidence；MCP audit row 為 `result_status=success`、`required_scope=read`、`gateway_path=awooop_mcp_gateway`、`policy_enforced=true`；PromQL smoke 產生 Docker memory ratio query 與 canary fallback query。
+- 邊界：T23 修的是 executor / evidence collection 斷點，不代表所有 Docker memory pressure 告警都已完成「實際修復」。讀取診斷成功後仍要由後續 PlayBook/action semantics 判斷是否需要 restart、scale、rollback 或轉人工；`/api/v1/ai/slo` 24h window 仍會看到舊 historical degraded rows，需等新樣本覆蓋或窗口滑出。
+- 目前進度更新：Alertmanager 低風險自動修復主線約 97%；完整 AI 自動化管理產品化約 88%。下一段應把 historical degraded rows 轉成 replay / closure / ticket 工作鏈，並把 AwoooP Event Dossier 前端完整串 MCP Gateway、PlayBook、KM、Ansible/Sentry/SignOz evidence。
+
 ---
 
 ### 2026-04-20 晚 (台北) — C1-C4 全流程串接 — Playbook 鏈路保護（commit de2d34d）