iop/agent-ops/skills/project/dev-corp-runtime-deploy/SKILL.md

name	version	description
dev-corp-runtime-deploy	1.0.10	dev-corp 배포, public digitalplatform Edge와 내부 DGX/Mac Studio provider pool 배포 및 OpenAI-compatible capacity smoke 절차

dev-corp-runtime-deploy

목적

dev-corp provider pool을 현재 dev-runtime과 같은 구조로 배포한다. 배포는 runner checkout 준비, source clean sync, 테스트, dev-corp runtime rebuild, public Edge/Node 재시작, provider snapshot 기반 capacity 검증까지 포함한다. 현재 dev-corp Edge runtime은 iop.ai.kr이며, mac-mini는 source/build/provider SSH runner로만 사용한다.

언제 호출할지

• 사용자가 dev-corp 배포, dev-corp runtime 배포, 회사 dev 환경 배포처럼 dev-corp 환경 배포를 요청할 때
• public iop.ai.kr Edge와 DGX Spark 01/02 vLLM node, Mac Studio vLLM-MLX node로 이루어진 provider pool을 갱신할 때
• dev-corp model alias, provider endpoint, provider capacity, node 접속 정보를 배포 절차에 반영할 때
• dev-corp OpenAI-compatible /v1/chat/completions 경로가 provider capacity만큼 채워지는지 검증할 때

입력

• env: 배포 대상 환경. 기본값은 dev-corp이다.
• model: OpenAI-compatible model alias. 지정하지 않으면 agent-test/inventory-dev-corp.yaml의 model.aliases에 기록된 model-specific alias를 사용한다.
• capacity_targets: provider별 기대 capacity. 지정하지 않으면 agent-test/inventory-dev-corp.yaml의 target 후보 값을 사용한다.
• source_ref: 배포할 git ref. 지정하지 않으면 mac-mini checkout의 기본 배포 branch 기준을 따른다.

먼저 확인할 것

• agent-ops/rules/project/domain/testing/rules.md를 읽고 사용자 실행 파이프라인 검증 기준을 확인한다.
• go build -o /tmp/iop-inventory-query ./scripts/inventory-query로 current checkout query binary를 만든다.
• /tmp/iop-inventory-query --env dev-corp로 env projection을 먼저 확인한다.
• 필요한 selector별 bounded 조회는 아래 명령으로 실행한다:
  • node: /tmp/iop-inventory-query --env dev-corp --node <node-id-or-alias>
  • provider: /tmp/iop-inventory-query --env dev-corp --provider <provider-id>
  • model: /tmp/iop-inventory-query --env dev-corp --model <model-alias>
• 직접 실행 exit 2가 schema/file 오류일 때만 canonical inventory 전체 읽기로 fallback하고, exit 1은 zero-match로 보고한다.
• dev-corp Edge 배포/검증 통로는 iop.ai.kr이다. mac-mini runner/provider 관리 경유지를 Edge 배포, OpenAI-compatible smoke, Node edge_addr, bootstrap 기본 URL로 잡지 않는다.
• dev-corp provider pool과 compose/local/dev-runtime profile을 섞지 않는다. dev-corp provider pool은 public iop.ai.kr Edge와 dev-corp config를 기준으로 한다.
• mac-mini에 /Users/fe/agent-work/iop-dev-corp checkout이 없으면 배포를 시작하지 말고 checkout 생성과 source sync를 setup blocker로 보고한다.
• mac-mini에서 Spark Ornith 192.168.2.2:8003, 192.168.2.4:8005와 Mac Studio Gemma4 192.168.2.3:8004의 /health와 /v1/models가 성공하는지 확인한다.
• Edge config의 OpenAI-compatible adapter endpoint는 각 Node process 기준으로 평가된다. direct preflight는 192.168.2.x 주소로 하되, Edge가 Node에 내려주는 provider endpoint는 node-local 127.0.0.1:<provider-port>를 우선한다.
• DGX Spark 01/02와 Mac Studio Node의 Edge addr은 iop.ai.kr:18087이다. mac-mini local route 또는 reverse SSH tunnel은 현재 기준 잘못된 Edge addr이며 명시적인 rollback/장애 비교 외에는 사용하지 않는다.
• gemma4:26b와 ornith:35b alias, 그리고 현재 provider별 capacity는 agent-test/inventory-dev-corp.yaml의 최신 검증 상태를 기준으로 판단한다. 현재 방향은 Gemma4는 Mac Studio, Ornith는 Spark 01/02 provider pool이다. 새 배포에서 Edge config 반영과 capacity smoke가 통과하기 전에는 새 결과를 확정값으로 보고하지 않는다.
• DGX Spark vLLM provider의 catalog capacity 4는 262144 token request 4개가 항상 context 100%를 채우는 보장이 아니다. dev-corp 운영 기준은 호출당 prompt+generated KV가 최대 context의 50-70%라는 가정이다. capacity 4, max context 262144에서 KV 524,288 tokens / full-context concurrency 2.0x는 lower bound이고, 운영 target은 KV 734,004-786,432 tokens / full-context concurrency 2.8x-3.0x이다. 이 값이 4.0x가 아니라는 이유만으로 under-capacity로 판정하지 않되, 2.0x-2.8x는 workload-specific smoke 없이는 운영 적합으로 보지 않는다. vLLM에는 vLLM-MLX식 --max-kv-size가 없으므로 실제 KV cache는 gpu_memory_utilization 적용 후 startup log의 GPU KV cache size와 Maximum concurrency for 262,144 tokens per request로 검증한다. 2026-07-13 기준 Ornith Spark01은 8003, --gpu-memory-utilization 0.47, KV 783,347, full-context 2.99x; Spark02는 8005, --gpu-memory-utilization 0.50, KV 1,074,276, full-context 4.10x이다.
• provider catalog admission queue timeout은 queue_timeout_ms=0으로 비활성화하고, Node openai_compat_instances adapter queue/request budget은 long reasoning/long-context 요청을 위해 queue_timeout_ms=1800000, request_timeout_ms=1800000으로 유지한다.
• DGX Spark 02 Ornith endpoint는 Docker publish 때문에 host 192.168.2.4:8005 -> container 8000이다. 8000, 8001, 8002, 8004를 Spark02 Ornith 기본 endpoint로 쓰지 않는다.
• Mac Studio 192.168.2.3:8005 DiffusionGemma endpoint는 secondary provider 후보이며 기본 pool에 자동 포함하지 않는다.
• Mac Studio 192.168.2.3:8004 provider catalog type은 openai_compat이고 실제 runtime은 vLLM-MLX이다. provider catalog capacity는 5로 유지하고, vLLM-MLX runtime은 vllm-mlx=0.4.0, 호출당 최대 context window 262144, requested KV 262144x3 기준으로 runtime headroom --max-num-seqs 6, --prefill-batch-size 6, --completion-batch-size 6, --max-request-tokens 262144, --max-kv-size 786432을 사용한다. Continuous batching은 필수로 유지하고, Gemma4 MLLM/prefix-cache 불안정성을 피하기 위해 --disable-prefix-cache를 둔다. Gemma4 agent/tool-call profile은 현재 지원되는 --enable-auto-tool-choice, --tool-call-parser gemma4, --reasoning-parser gemma4, --default-chat-template-kwargs '{"enable_thinking":true}'를 함께 둔다.
• Mac Studio 192.168.2.3:8004 vLLM-MLX runtime은 2026-06-25 기준 detached screen session vllm_mlx_8004로 관리한다. 이 host는 Python pyexpat 로딩에 DYLD_LIBRARY_PATH=/opt/homebrew/opt/expat/lib가 필요하므로 재시작 명령에 반드시 포함한다.
• 현재 구현의 completion 검증 대상은 legacy /v1/completions가 아니라 /v1/chat/completions이다. /v1/completions는 route가 구현되어 있을 때만 별도 검증한다.
• dev-corp current runtime은 OpenAI-compatible bearer token이 켜져 있다. smoke는 token 원문을 출력하지 말고 OPENAI_API_KEY=$(cat build/dev-corp-runtime/.secrets/openai_api_key) 또는 --api-key-file로 실행한다.
• token, secret header, bootstrap token, private key 경로는 최종 보고에 원문으로 출력하지 않는다.

known/current runtime update notes

• DGX Spark 01/02의 requested KV 262144x2는 vLLM에서 직접 --max-kv-size로 표현하지 않는다. --max_num_batched_tokens는 scheduler iteration budget이므로 KV cache 총량으로 취급하지 않는다. dev-corp 기준은 --max-model-len 262144와 gpu_memory_utilization 적용 후 startup log의 KV cache/concurrency 확인이다.
• capacity/KV 해석 기준은 agent-test/inventory-dev-corp.yaml의 model.capacity_planning_policy를 우선한다. catalog capacity는 일반 요청 admission/queue target이고, Maximum concurrency for 262,144 tokens per request는 full-context upper-bound 진단값이다. capacity 4 기준 2.0x는 lower bound, 2.8x-3.0x는 운영 target이다. 4.0x 미만이라는 이유만으로 실패로 보고하지 않되, 2.8x 미만은 workload-specific smoke 없이 운영 적합으로 보고하지 않는다.
• queue timeout 해석 기준은 agent-test/inventory-dev-corp.yaml의 model.timeout_policy를 우선한다. provider catalog queue_timeout_ms=0은 provider admission queue timeout을 두지 않는다는 뜻이고, adapter instance의 queue_timeout_ms=1800000은 backend request budget과 같은 30분 장기 요청 예산이다.
• Historical Spark Gemma4/FP4 profile note: explicit --max-num-batched-tokens 524288를 revive하는 경우 first profile 중 FP4 MoE token-per-expert 기본 한계에 걸릴 수 있으므로 VLLM_MAX_TOKENS_PER_EXPERT_FP4_MOE=4194304를 유지한다. 현재 Spark Ornith Docker profile의 active capacity source로 취급하지 않는다.
• Historical Spark Gemma4 venv note: DGX Spark 01 Gemma4 0.24.0 venv profile을 revive하는 경우에만 /home/digitalcommerce_dgx_spark_01/vllm_env_0_24_0/bin을 PATH 앞에 둔다. 현재 Spark Ornith provider는 Docker vllm/vllm-openai:nightly-aarch64 기준이다.
• DGX Spark 01/02 Ornith Docker image는 vllm/vllm-openai:nightly-aarch64이고 container command에는 serve를 중복으로 넣지 않는다. Spark01은 host 8003 -> container 8000, Spark02는 host 8005 -> container 8000 기준이다.
• Spark Ornith parser/tool-call profile은 capacity/KV 튜닝과 별개로 agent 동작 가능성을 결정한다. DGX Spark 01/02 Ornith는 --enable-auto-tool-choice --tool-call-parser qwen3_xml --reasoning-parser qwen3 --trust-remote-code --runner generate를 둔다. Gemma4는 Mac Studio vLLM-MLX 8004만 기본 대상으로 하며 별도 chat template override 없이 --continuous-batching --disable-prefix-cache --enable-auto-tool-choice --tool-call-parser gemma4 --reasoning-parser gemma4 --default-chat-template-kwargs '{"enable_thinking":true}'를 둔다.
• 모델별 parser/template 값은 섞지 않는다. Gemma 계열은 tool_call_parser=gemma4, reasoning_parser=gemma4, Gemma4 tool chat template 또는 vLLM-MLX 기본 template kwargs를 사용한다. Qwen 계열은 dev-runtime 문서의 tool_call_parser=qwen, reasoning_parser=qwen3, Qwen 전용 chat template 검증값을 따르며 Gemma4 parser/template을 재사용하지 않는다.
• Mac Studio는 DYLD_LIBRARY_PATH=/opt/homebrew/opt/expat/lib 없이 Python pyexpat import가 실패할 수 있다. screen session vllm_mlx_8004 안에서 이 환경변수를 export한 뒤 시작한다.
• Mac Studio vLLM-MLX는 /Users/dc_dev/vllm-env-0.4.0/bin/python 환경의 vllm-mlx=0.4.0, mlx=0.32.0, mlx-lm=0.31.3, mlx-vlm=0.6.4, transformers=5.12.1, huggingface-hub=1.22.0로 동작한다. --continuous-batching은 유지하고 --disable-prefix-cache를 추가했으며, /health, /v1/models, 직접 API non-stream/stream auto tool-call, streaming multi-turn tool-result final answer를 확인했다.
• Mac Studio vLLM-MLX의 현 값은 "구동 가능한 최종 체크포인트"로 취급한다. 추가 미세 조정은 새 포트/새 venv 또는 명시적 rollback 지점을 둔 별도 실험으로만 수행하고, Spark 01/02 vLLM 설정과 함께 변경하지 않는다. 알려진 잔여 이슈는 Gemma4 thought channel delimiter가 최종 content에 누수될 수 있는 점이며, 이 경우 serving 옵션을 계속 흔들기보다 Edge/provider adapter sanitizer로 containment 하는 방향을 우선 검토한다.
• 2026-07-13 기준 Spark Gemma4 8002/8004 runtime은 내린 상태로 보고, Spark 01/02는 Ornith 8003/8005를 IOP provider로 둔다. Gemma4는 Mac Studio 192.168.2.3:8004 provider만 기본 대상으로 둔다.
• 2026-07-13 재확인 기준 DGX Spark 01 Ornith는 Docker iop-vllm-ornith35b-fp8, host 8003, --gpu-memory-utilization 0.47로 동작하며 startup log에서 GPU KV cache 783,347 tokens, full-context concurrency 2.99x를 확인했다. DGX Spark 02 Ornith는 host 8005, --gpu-memory-utilization 0.50으로 동작하며 GPU KV cache 1,074,276 tokens, full-context concurrency 4.10x를 확인했다.
• 2026-07-02 mac-mini native Control Plane 18002/19004/19005 관측값은 historical evidence다. 2026-07-09 현재 dev-corp Edge source of truth는 public iop.ai.kr이고, current runner에서 public host SSH와 public Control Plane status 접근은 확인되지 않았다.
• 2026-07-13 기준 dev-corp provider-pool Edge OpenAI-compatible capacity smoke 표준은 public https://digitalplatform.iop.ai.kr/v1/chat/completions에서 ornith:35b 9/6, gemma4:26b 9/6 동시 요청이다. Direct Edge listener http://digitalplatform.iop.ai.kr:18086/v1도 같은 backend로 동작하지만 사용자-facing 기본값으로 쓰지 않는다. /v1/responses는 capacity 성공 기준이 아니라 selected provider 지원 여부와 IOP raw passthrough/relay 동작을 분리해 보고한다.
• 2026-07-13 live status 기준 DGX Spark 01/02와 Mac Studio node는 iop.ai.kr:18087로 연결되어 있으며, provider snapshot은 Spark01 Ornith capacity 4, Spark02 Ornith capacity 4, Mac Studio Gemma4 capacity 5이다. 같은 날 model-specific smoke에서 ornith:35b 9/6, gemma4:26b 9/6 요청이 모두 성공했고 완료 후 in_flight=0, queued=0, healthy로 회복했다.

실행 절차

1. 환경 인벤토리 확정

   • 배포 대상 runner, repo path, Edge id, Control Plane status URL, OpenAI base URL, Edge admin URL, Node SSH 정보를 agent-test/inventory-dev-corp.yaml에서 확정한다.
   • public OpenAI/base, bootstrap/artifact, Edge-Node TCP는 기본적으로 iop.ai.kr 경로를 사용한다. mac-mini runner/provider 관리 경로로 Edge를 배포하거나 Node를 붙이는 것은 기본 금지이며, 사용자가 mac-mini local 비교를 명시 요청한 경우에만 별도 비교로 진행한다.
   • provider pool 대상 model alias와 provider별 capacity target을 확정한다.
   • 필수 정보가 없거나 서로 충돌하면 배포를 시작하지 말고 누락/충돌 항목을 보고한다.

2. provider direct preflight

   • mac-mini에서 DGX Spark 01 Ornith http://192.168.2.2:8003/v1/models, DGX Spark 02 Ornith http://192.168.2.4:8005/v1/models, Mac Studio Gemma4 http://192.168.2.3:8004/v1/models를 확인한다.
   • 각 endpoint가 기대 served_model을 노출하는지 확인한다.
   • DGX Spark 02가 provider port down과 SSH banner exchange timeout을 동시에 보이면 runtime 추가 조작을 보류하고, SSH 회복 후 process/log부터 확인한다.
   • 실패한 provider는 Edge config에 넣지 않거나 배포 blocker로 보고한다.

3. mac-mini checkout clean sync

   • mac-mini checkout에서 git fetch 후 배포 기준 ref로 git reset --hard를 수행한다.
   • dirty 파일은 보존 대상으로 보지 않는다. 배포 전 clean 상태를 만든다.
   • 기본 cleanup은 git clean -fd이다. git clean -fdx는 config, token, secret, runtime artifact까지 삭제할 수 있으므로 사용하지 않는다.
   • sync 후 git status --short --branch와 git log --oneline -1을 기록한다.

4. 빌드 전 테스트

   • clean source 기준으로 go test ./...를 실행한다.
   • client/Flutter, proto, Makefile, script, config 변경이 배포 범위에 포함되면 해당 도메인 규칙의 테스트도 추가한다.
   • 테스트가 실패하면 build/deploy를 진행하지 않고 실패 패키지와 핵심 오류를 보고한다.
   • mac-mini 또는 로컬 PATH에 Go가 없으면 시스템 전역 설치 대신 build/.tools 같은 ignored runtime 경로에 임시 Go toolchain을 두고 사용한다.

5. dev-corp runtime rebuild

   • 같은 source ref에서 dev-corp Control Plane binary, Edge binary, mac node binary, Linux ARM64 node binary를 다시 빌드한다.
   • mac-mini에서 직접 빌드할 수 없으면 같은 source ref 기준으로 로컬에서 빌드한 뒤 rsync/scp로 mac-mini runtime 경로에 배포한다.
   • Windows AMD64 node binary는 dev-corp 기본 provider pool 대상이 아니다.
   • stale binary가 의심되거나 config refresh subcommand, admin port, version 출력이 맞지 않으면 clean sync부터 다시 시작한다.
   • 빌드 산출물 경로, timestamp, 크기, 실행 가능 여부를 기록한다.

6. 빌드 후 config check

   • 빌드된 Edge binary로 config check, config refresh --help, config refresh --mode dry-run을 실행한다.
   • dry-run이 rejected 또는 예상 밖 restart_required를 반환하면 배포를 멈추고 config diff를 보고한다.

7. 배포와 재시작

   • Control Plane이 public host에서 운용되는 경우 iop.ai.kr:18002/19004/19005 dev-corp port를 기준으로 확인한다. mac-mini local Control Plane은 dev-corp Edge source of truth가 아니다.
   • Edge는 public iop.ai.kr host에서 18085/18086/18087을 기준으로 재시작/확인한다. mac-mini runner runtime은 dev-corp Edge source of truth가 아니다.
   • DGX Spark 01/02는 Linux ARM64 node binary를 mac-mini 경유로 배포하고 기존 node process를 재시작한다.
   • Mac Studio는 macOS node binary를 mac-mini 경유로 배포하고 기존 node process를 재시작한다.
   • provider runtime 옵션을 갱신하는 배포라면 DGX Spark 01은 /home/digitalcommerce_dgx_spark_01/start_vllm_ornith35b_docker_8003.sh 기준으로 Docker container iop-vllm-ornith35b-fp8를 재생성한다. 핵심 옵션은 --max-model-len 262144, --gpu-memory-utilization 0.47, --max-num-seqs 4, --port 8000, --enable-prefix-caching, --enable-auto-tool-choice, --tool-call-parser qwen3_xml, --reasoning-parser qwen3, --trust-remote-code, --runner generate이다.
   • provider runtime 옵션을 갱신하는 배포라면 DGX Spark 02는 /home/dplab/start_vllm_ornith35b_docker_8005.sh 기준으로 Docker container iop-vllm-ornith35b-fp8를 재생성한다. 핵심 옵션은 --max-model-len 262144, --gpu-memory-utilization 0.50, --max-num-seqs 4, --port 8000, --enable-prefix-caching, --enable-auto-tool-choice, --tool-call-parser qwen3_xml, --reasoning-parser qwen3, --trust-remote-code, --runner generate이다.
   • provider runtime 옵션을 갱신하는 배포라면 Mac Studio는 screen -dmS vllm_mlx_8004 안에서 DYLD_LIBRARY_PATH=/opt/homebrew/opt/expat/lib를 export한 뒤 /Users/dc_dev/vllm-env-0.4.0/bin/python -m vllm_mlx.cli serve를 --continuous-batching, --max-num-seqs 6, --prefill-batch-size 6, --completion-batch-size 6, --chunked-prefill-tokens 1024, --disable-prefix-cache, --max-kv-size 786432, --max-request-tokens 262144, --enable-auto-tool-choice, --tool-call-parser gemma4, --reasoning-parser gemma4, --default-chat-template-kwargs '{"enable_thinking":true}'로 재기동한다.
   • Node bootstrap은 Edge의 node register가 출력한 OS별 완성 명령을 우선한다. Node edge_addr는 iop.ai.kr:18087이어야 한다. node-local provider endpoint 또는 별도 IOP_HOME이 필요한 경우에는 ~/iop-dev-corp-field/node.yaml을 수동 배치할 수 있고, token 원문은 로그/보고에 남기지 않는다.

8. 배포 후 연결 검증

   • Edge, OpenAI-compatible listener, Node TCP, admin port, Control Plane status port가 열려 있는지 확인한다.
   • public Control Plane status가 접근 가능하면 Edge가 connected이고 dev-corp 기준 3개 provider node가 connected인지 확인한다.
   • public Control Plane status가 접근 가능하면 각 node의 provider_snapshots에서 provider id, capacity, in_flight, queued, health, served_models를 확인한다. 접근할 수 없으면 Node log의 registered with edge/connected to edge와 public OpenAI-compatible smoke 결과를 연결 증거로 분리 보고한다.
   • /v1/models가 대상 model alias를 노출하는지 확인한다.

9. OpenAI-compatible capacity smoke

   • /v1/chat/completions를 검증한다. Provider-pool passthrough 경계를 바꾼 배포라면 selected provider가 지원하는 OpenAI-compatible extension field 예: chat_template_kwargs가 IOP에서 거부되지 않고 provider로 전달되는지도 확인한다. /v1/responses는 capacity 성공 기준이 아니라 provider-dependent passthrough/relay 검증으로 분리한다. legacy /v1/completions는 route가 구현되어 있지 않으면 실패로 보지 않는다.
   • 표준 부하 프롬프트는 700~1200 token 수준의 구조화된 답변을 유도해 요청이 동시에 관측될 시간을 만든다.
   • model-specific smoke를 실행한다. ornith:35b는 Spark01/02 합산 capacity 8 기준 9개와 6개 동시 요청을 보내고, gemma4:26b는 Mac Studio capacity 5 기준 9개와 6개 동시 요청을 보낸다.
   • Control Plane status가 접근 가능하면 요청 실행 중 반복 polling하여 대상 provider들의 in_flight가 각 model capacity에 도달하고 초과 요청이 queue에 들어가는지 증거로 남긴다. 짧은 요청에서는 polling이 queued 순간을 놓칠 수 있으므로 HTTP 성공, max in_flight, 최종 회복을 함께 판정한다.
   • public Control Plane status가 접근 가능하면 각 provider의 in_flight가 자기 capacity를 넘지 않고, 적어도 한 번은 기대 capacity까지 차는지 확인한다.
   • public Control Plane status가 접근 가능하면 모든 요청 완료 후 같은 status에서 대상 provider들의 in_flight=0, queued=0으로 돌아오는지 확인한다. 접근할 수 없으면 model-specific HTTP 성공 결과와 Node 연결 로그만으로 smoke 통과와 capacity snapshot 미관측을 구분한다.
   • Gemma 계열 reasoning/tool-parser 텍스트는 정상 응답으로 허용한다. exact-output match를 smoke 성공 기준으로 삼지 않는다.
   • agent/tool-call 경계를 검증할 때는 forced tool call, auto tool call, streaming delta.tool_calls, multi-turn tool result 후 최종 답변을 provider direct와 Edge OpenAI-compatible 경로에서 나눠 확인한다. provider direct가 통과하고 Edge 경유만 실패하면 provider runtime option 문제가 아니라 Edge/Node relay 또는 validation 경계 문제로 분리한다.

10. 결과 보고

• source ref, clean sync 결과, 테스트 결과, 빌드 산출물, process/port 상태, connected node 목록, provider capacity snapshot, capacity smoke 관측값을 보고한다.
• 실패한 단계가 있으면 다음 단계를 진행했는지 여부를 명확히 구분한다.
• capacity smoke가 타이밍 문제로 관측 실패했으면 요청 성공과 별도로 capacity 관측 미충족으로 보고하고, 프롬프트 길이 또는 status polling 간격 조정을 제안한다.

실행 결과 검증

• mac-mini checkout이 배포 기준 ref로 clean sync되었는가
• provider direct endpoint 3개가 mac-mini에서 /health와 /v1/models에 성공했는가
• 빌드 전 go test ./...와 필요한 추가 테스트가 통과했는가
• dev-corp Control Plane/Edge/mac/Linux ARM64 binary가 같은 source ref에서 rebuild되었는가
• 빌드 후 config check, refresh help, refresh dry-run이 통과했는가
• Edge와 3개 provider node가 재시작되고 connected 상태인가
• /v1/chat/completions model-specific capacity smoke에서 각 model/provider capacity까지 in_flight가 차고 초과 요청이 queue에 잡혔는가
• 완료 후 provider in_flight=0, queued=0으로 회복되었는가
• 검증 실패 시: 실패 단계, 실패한 host/provider/endpoint, 관측된 snapshot, 진행 중단 여부를 보고한다.

출력 형식

dev-corp runtime 배포 결과
- Source: <branch/ref/commit>, clean=<yes|no>
- Provider preflight: dgx01=<pass|fail>, dgx02=<pass|fail>, mac-studio=<pass|fail>
- Pre-build tests: <command> - <pass|fail|not-run>
- Build: control-plane=<path>, edge=<path>, mac-node=<path>, linux-arm64-node=<path>
- Post-build checks: config-check=<pass|fail>, refresh-help=<pass|fail>, refresh-dry-run=<status>
- Deployment: control-plane=<pid/status>, edge=<pid/status>, dgx01=<pid/status>, dgx02=<pid/status>, mac-studio=<pid/status>
- Ports: <port summary>
- Nodes: <node_id connected summary>
- Providers: <provider_id capacity/in_flight/queued/health summary>
- OpenAI-compatible: models=<pass|fail>, chat-completions-capacity=<pass|fail>, provider-native-field-passthrough=<pass|fail|not-run>, responses-provider-pool=<pass|provider-unsupported|fail|not-run>
- Capacity evidence: <endpoint별 max in_flight/queued snapshot>
- Blockers/Risk: <없음 또는 내용>

금지 사항

• mac-mini checkout이 없거나 dirty/divergent 상태인데 배포를 계속하지 않는다.
• 사용자가 명시적으로 요청하지 않았는데 mac-mini runner/provider 관리 경로를 dev-corp Edge runtime, Node edge_addr, bootstrap 기본 URL, OpenAI-compatible base URL로 사용하지 않는다.
• git clean -fdx를 기본 cleanup으로 사용하지 않는다.
• 빌드 전 테스트 실패 후 배포를 계속하지 않는다.
• DGX Spark 02 Ornith provider endpoint를 192.168.2.4:8000, 8001, 8002, 8004로 잘못 사용하지 않는다. 현재 기본은 192.168.2.4:8005이다.
• Mac Studio secondary 8005 endpoint를 별도 alias/capacity 결정 없이 기본 provider pool에 포함하지 않는다.
• Mac Studio 8004 vLLM-MLX runtime 재시작 방식을 확인하지 않고 provider process를 임의 종료하지 않는다.
• node02처럼 tunnel 예외가 필요한 경우를 제외하고 Node bootstrap 기본 경로에서 수동 token 치환, named env parameter, 수동 node.yaml 작성을 요구하지 않는다.
• Gemma reasoning/tool-parser 출력을 실패로 판정하거나 exact-output smoke를 기본 성공 기준으로 삼지 않는다.
• OpenAI-compatible 요청 성공만으로 provider snapshot capacity 관측 성공을 선언하지 않는다. public Control Plane status가 접근 가능할 때만 in_flight/queued 관측 성공을 함께 남기고, 접근할 수 없으면 capacity snapshot 미관측으로 분리 보고한다.
• 이 프로젝트 전용 배포 절차를 agent-ops/rules/common/_templates 또는 common skill에 넣지 않는다.