OpenClaw sur GKE Autopilot — Guide de lab

📖 Guide de configuration

Vue d'ensemble

Durée estimée : 45–90 minutes

OpenClaw est une passerelle d'agents d'IA multi-tenant permettant d'exécuter des assistants d'IA isolés et persistants reposant sur des modèles Anthropic, avec des espaces de travail GCS-Fuse dédiés et une intégration facultative de canaux Telegram ou Slack. Ce lab vous fait parcourir l'intégralité du cycle de vie opérationnel du module OpenClaw on GKE Autopilot sur Google Cloud : le déployer, y accéder et le vérifier, l'exploiter au quotidien, l'observer, diagnostiquer les problèmes courants et le démanteler.

Le lab porte sur l'exploitation du module GKE et de la plateforme Google Cloud, et non sur les fonctionnalités du produit OpenClaw. Pour la liste complète des services provisionnés et de chaque paramètre de configuration (organisés par groupe), consultez le Guide de configuration — ce lab ne reprend volontairement pas ce détail afin de rester exact dans le temps.

Objectifs

À la fin de ce lab, vous saurez :

• Déployer le module depuis la plateforme RAD et repérer les ressources qu'il provisionne.
• Vous connecter au cluster GKE et accéder à la charge de travail en cours d'exécution.
• Effectuer les opérations du jour 2 — inspecter, mettre à l'échelle, mettre à jour, et gérer les secrets et le stockage.
• Observer la charge de travail avec Cloud Logging et Cloud Monitoring.
• Diagnostiquer et résoudre les problèmes de déploiement et d'exécution les plus courants.
• Démanteler proprement le déploiement.

Prérequis

• Services_GCP (fournit le VPC, le cluster GKE Autopilot, Artifact Registry et les comptes de service partagés dont dépend ce module). Vous n'avez pas besoin de le déployer vous-même au préalable — la plateforme détecte automatiquement s'il existe déjà dans le projet cible et, sinon, le provisionne avant ce module (voir la tâche 1).
• Un projet Google Cloud avec la facturation activée.
• gcloud CLI et kubectl installés ; gcloud auth login et gcloud auth application-default login effectués.
• Le rôle IAM Project Owner (ou équivalent) sur le projet.
• Vous utilisez votre propre projet ? Avant le premier déploiement dans celui-ci, la boîte de dialogue de confirmation du déploiement vous demande de prouver que vous le contrôlez (Get verification code, exécutez les commandes affichées en tant que propriétaire (Owner) du projet, puis Verify) et d'attribuer le rôle Owner au compte de service de déploiement RAD. Un projet que RAD crée pour vous ne nécessite ni l'un ni l'autre.
• Mode avancé pour les modifications ultérieures. Le formulaire de création ne demande que la première page de paramètres (et, dans un projet que RAD crée pour vous, guère plus que le nom du tenant et la région). Tous les autres paramètres du Guide de configuration — y compris les paramètres de mise à l'échelle et de version des tâches du jour 2 — se modifient ensuite avec Update sur la page du déploiement après avoir coché Enable advanced mode, ce qui exige un solde de crédits couvrant le coût de build estimé de la mise à jour (les mises à jour n'entraînent jamais de frais de module). Dans un environnement de lab, seul un administrateur peut utiliser le mode avancé.
• Accès à la plateforme RAD avec l'autorisation de déployer des modules dans le projet.

Définissez une fois ces variables shell ; chaque tâche ci-dessous les réutilise :

export PROJECT="<your-gcp-project-id>"
export REGION="us-central1"           # the region you deploy into

---

Tâche 1 — Déployer le module [Automatisé]

1. Ouvrez Solutions → Solution Catalog → RAD modules dans la navigation supérieure de la plateforme RAD, ouvrez OpenClaw (GKE) depuis la liste Platform Modules pour démarrer la configuration, choisissez Configuration Form sous How would you like to configure this deployment? (le formulaire s'ouvre sur le Conversational Assistant si vous détenez des crédits achetés ou si vous êtes partenaire ou administrateur), renseignez project_id et passez en revue les paramètres. Une clé API Anthropic est requise lors du premier déploiement — saisissez-la dans le champ de paramètre correspondant. Ne configurez que ce dont vous avez besoin par ailleurs — le Guide de configuration documente chaque paramètre par groupe, avec ses valeurs par défaut. Cliquez sur Deploy Module, vérifiez le coût estimé dans la boîte de dialogue Deployment Confirmation lorsqu'elle apparaît et cliquez sur Submit (si la boîte de dialogue ajoute ensuite une étape de confirmation, comme la vérification d'un projet que vous apportez, effectuez-la et cliquez sur Confirm), ce qui ouvre la page d'état du déploiement avec les journaux en temps réel.

2. La plateforme construit une image de conteneur personnalisée (en ajoutant entrypoint.sh par-dessus l'image OpenClaw amont), crée un bucket d'espace de travail GCS monté sur /data via le pilote CSI GCS Fuse, stocke la clé API Anthropic et le jeton de passerelle dans Secret Manager, puis déploie la charge de travail Kubernetes. OpenClaw ne nécessite ni Cloud SQL ni job d'initialisation — l'état des agents réside entièrement sur GCS. Les premiers déploiements prennent environ 15–25 minutes (Cloud Build en représente l'essentiel ; le provisionnement des nœuds GKE allonge la durée pour les nouveaux clusters).

3. Connectez-vous au cluster et repérez l'espace de noms avec des filtres indépendants des noms :

   CLUSTER=$(gcloud container clusters list --project="$PROJECT" --format="value(name)" --limit=1)
   gcloud container clusters get-credentials "$CLUSTER" --region="$REGION" --project="$PROJECT"
   
   NS=$(kubectl get ns -o name | grep openclaw | head -1 | cut -d/ -f2)
   echo "Cluster: $CLUSTER   Namespace: $NS"
   kubectl get all -n "$NS"

---

Tâche 2 — Accéder et vérifier [Manuel]

1. Vérifiez que la charge de travail s'exécute et trouvez son adresse externe :

   kubectl get pods,svc -n "$NS"
   EXTERNAL_IP=$(kubectl get svc -n "$NS" \
     -o jsonpath='{.items[?(@.spec.type=="LoadBalancer")].status.loadBalancer.ingress[0].ip}')
   echo "External IP: $EXTERNAL_IP"

   Si service_type vaut ClusterIP (interne uniquement), utilisez plutôt une redirection de port :

   kubectl port-forward svc/$(kubectl get svc -n "$NS" -o jsonpath='{.items[0].metadata.name}') \
     8080:8080 -n "$NS"
   # Access at http://localhost:8080

2. Vérifiez que le service est en bonne santé :

   curl -s "http://${EXTERNAL_IP}/health"   # expect {"status":"ok"}

3. Récupérez le jeton de passerelle dans Secret Manager pour authentifier les appels d'API :

   GW_SECRET=$(gcloud secrets list --project="$PROJECT" \
     --filter="name~openclaw~gateway-token" --format="value(name)" --limit=1)
   gcloud secrets versions access latest --secret="$GW_SECRET" --project="$PROJECT"

   Le jeton de passerelle est l'identifiant utilisé par les clients et intégrations OpenClaw. La clé API Anthropic peut, si nécessaire, être récupérée de la même façon depuis son secret Secret Manager (filtrez sur ~openclaw~anthropic-api-key).

---

Tâche 3 — Exploiter et maintenir en service (jour 2) [Manuel]

1. Inspectez la charge de travail — le déploiement, les pods et l'autoscaler horizontal :

   kubectl get deploy,pods,hpa,pvc -n "$NS"
   kubectl describe deploy -n "$NS"

2. Mettez à l'échelle en modifiant les paramètres de nombre minimal/maximal d'instances puis en cliquant sur Update sur la page de détails du déploiement — le module possède la spécification de la charge de travail, la mise à l'échelle est donc une modification de configuration, et non un kubectl scale manuel (une modification manuelle serait annulée lors de la prochaine application). Notez qu'OpenClaw est avec état (stateful) ; le Service utilise l'affinité de session ClientIP afin que les connexions WebSocket soient systématiquement acheminées vers le même pod.

3. Mettez à jour la version de l'application en modifiant le paramètre de version via Update sur la page de détails du déploiement ; une nouvelle image est construite et une mise à jour progressive remplace les pods.

4. Gérez les secrets, le stockage et les jobs :

   kubectl get secrets -n "$NS"
   gcloud secrets list --project="$PROJECT" --filter="name~openclaw"
   kubectl get jobs,cronjobs -n "$NS"   # any scheduled backup jobs

5. Inspectez l'espace de travail GCS qui héberge tout l'état des agents, et vérifiez qu'il est monté dans le pod :

   BUCKET=$(gcloud storage buckets list --project="$PROJECT" \
     --filter="name~openclaw~storage" --format="value(name)" --limit=1)
   gcloud storage ls "gs://${BUCKET}/"
   kubectl exec -n "$NS" \
     deploy/$(kubectl get deploy -n "$NS" -o jsonpath='{.items[0].metadata.name}') \
     -- ls /data

---

Tâche 4 — Observer : journalisation et surveillance [Manuel]

1. Journaux — depuis kubectl ou l'explorateur de journaux (Logs Explorer) :

   kubectl logs -n "$NS" deploy/"$(kubectl get deploy -n "$NS" -o jsonpath='{.items[0].metadata.name}')" --tail=50

   Filtre du Logs Explorer : resource.type="k8s_container" AND resource.labels.namespace_name="<namespace>".

2. Surveillance — ouvrez les tableaux de bord GKE / Kubernetes et examinez l'utilisation du CPU et de la mémoire des pods, le nombre de redémarrages et les métriques de requêtes. Lorsque le test de disponibilité (uptime check) est activé, consultez Monitoring → Uptime checks et Alerting → Policies.

---

Tâche 5 — Dépanner et déboguer [Manuel]

Des techniques durables pour les modes de défaillance que vous rencontrerez le plus probablement. Il s'agit de diagnostics au niveau de la plateforme, qui ne changent pas avec les versions d'OpenClaw.

• Pod non Ready / CrashLoopBackOff : inspectez les événements et les journaux. La sonde de démarrage cible GET /health sur le port 8080 et accorde environ 3 minutes pour le montage GCS Fuse et le démarrage de Node.js (36 tentatives × 5 s).

  kubectl describe pod -n "$NS" <pod>          # Events section shows scheduling/probe/mount errors
  kubectl logs -n "$NS" <pod> --previous       # logs from the crashed container

• Échec du montage GCS Fuse : vérifiez que le bucket d'espace de travail existe et que le compte de service Workload Identity du pod dispose du rôle Storage Object Admin sur celui-ci.
• Erreurs de l'API Anthropic (401) : vérifiez que le secret anthropic-api-key possède une version valide matérialisée dans l'espace de noms. Récupérez-la et vérifiez-la via Secret Manager.
• Erreurs de jeton de passerelle : si des clients rencontrent des échecs d'authentification après la rotation d'un secret, les pods doivent être recyclés (redémarrage progressif) pour prendre en compte la nouvelle valeur du jeton.
• Échec du clonage du dépôt de skills : une valeur skills_repo_url / skills_repo_ref injoignable ou inexistante place le pod en CrashLoopBackOff. Recherchez dans les journaux les entrées skill-library et corrigez l'URL/la référence dans la plateforme RAD.
• Pod en attente / pas d'IP externe : consultez les événements de kubectl describe pod pour repérer des problèmes de ressources ou de quota, et vérifiez que le Service LoadBalancer dispose d'une IP attribuée.
• Erreurs de récupération d'image : vérifiez que l'image existe dans Artifact Registry et que le compte de service des nœuds peut la récupérer.

Consultez la section Configuration Pitfalls du Guide de configuration pour les pièges propres à chaque paramètre.

---

Tâche 6 — Démanteler [Automatisé]

Sur la page Deployments, ouvrez le déploiement et cliquez sur l'icône Trash (Delete). Delete exécute terraform destroy et est irréversible (l'enregistrement du déploiement est conservé pour l'historique). Si un déploiement est bloqué et que la plateforme RAD ne peut plus le gérer (par exemple après des modifications manuelles en conflit avec l'état Terraform), utilisez plutôt Purge (depuis la même boîte de dialogue Delete) — cela supprime le déploiement des enregistrements de RAD sans détruire les ressources cloud (RAD oublie simplement le déploiement). Cela supprime tout ce que le module a créé — la charge de travail Kubernetes et son espace de noms, le bucket d'espace de travail GCS, les secrets Secret Manager et les images Artifact Registry. Les ressources appartenant à Services_GCP (le VPC, le cluster GKE, le registre partagé) sont gérées séparément et ne sont pas supprimées ici.

---

Récapitulatif

Tâche	Type	Résultat
1 — Déployer	Automatisé	Le module construit l'image, provisionne l'espace de travail GCS, stocke les secrets et déploie la charge de travail GKE
2 — Accéder et vérifier	Manuel	Se connecter au cluster ; la vérification d'état réussit ; jeton de passerelle récupéré
3 — Exploiter	Manuel	Inspecter la charge de travail, mettre à l'échelle, mettre à jour la version, gérer les secrets/le stockage, inspecter l'espace de travail GCS
4 — Observer	Manuel	Interroger Cloud Logging ; consulter les métriques Cloud Monitoring et le test de disponibilité
5 — Dépanner	Manuel	Diagnostiquer les problèmes de pod, de GCS Fuse, d'API Anthropic, de jeton de passerelle, de synchronisation des skills, de planification et de récupération d'image
6 — Démanteler	Automatisé	Delete (Trash) supprime toutes les ressources du module