ITSM GLPI Automação de atendimento Infraestrutura e Monitoramento com Inteligência Artificial

Plataforma base para automação de infraestrutura, servicedesk e atendimento inteligente com integração entre GLPI, Zabbix, WhatsApp e agentes baseados em LangChain.

Visão do projeto

Este repositório começou como um instalador rápido para Debian 12 com Apache, PHP, MariaDB, Docker, Kubernetes, Zabbix e GLPI. A evolução proposta agora é transformar essa base em uma plataforma de helpdesk e operações de infraestrutura com os seguintes objetivos:

• Provisionar rapidamente o ambiente base de observabilidade e ITSM.
• Integrar WhatsApp como canal de atendimento para usuários e técnicos.
• Permitir abertura, consulta e atualização de chamados via conversa.
• Correlacionar alertas do Zabbix com incidentes no GLPI.
• Usar agentes de IA para triagem, resumo, diagnóstico assistido e execução controlada de automações.
• Implementar hierarquia operacional entre usuário final, técnico, supervisor e administradores.

Escopo atual

Hoje o projeto contém dois grandes blocos:

• Provisionamento inicial do servidor Debian 12 com stack base de infraestrutura.
• Documentação da arquitetura-alvo para a plataforma de servicedesk automatizada.

O instalador atual foi movido para um arquivo próprio:

bash install_debian12_full_stack.sh

Aplicações da solução

Este projeto não deve mais ser lido como um único instalador. A solução completa é composta por aplicações separadas, com implantação por camadas:

• install_debian12_full_stack.sh: prepara o host base e instala GLPI e Zabbix em host dedicado.
• backend/: aplicação separada em FastAPI para orquestrar WhatsApp, GLPI, Zabbix, identidade e regras operacionais.
• WhatsApp Business API: integração externa para entrada e saída de mensagens.
• IA do bot: ollama local como padrão, com opção de troca para openai, groq, gemini ou claude.
• Camada de automação segura: Ansible, AWX ou Rundeck para execução homologada de playbooks.
• Camada futura de IA e conhecimento: agentes, RAG, fila assíncrona e banco operacional próprio.

O detalhamento de quais aplicações existem, o que já está coberto no repositório e a ordem recomendada de implantação fica em Aplicações e implantação.

Arquitetura proposta

flowchart LR
    U[Usuário] --> W[WhatsApp Business API]
    T[Técnico] --> W
    W --> O[Orquestrador de Atendimento]
    O --> G[GLPI]
    O --> Z[Zabbix]
    O --> K[Base de Conhecimento / RAG]
    O --> A[Agentes LangChain ou LangGraph]
    A --> P[Playbooks aprovados / Ansible / AWX / Rundeck]
    P --> I[Infraestrutura e Serviços]
    Z --> O
    G --> N[Notificações e Escalonamento]
    N --> T

Loading

Fluxos principais

1. Usuário abre chamado pelo WhatsApp.
2. O orquestrador identifica o usuário, valida permissões e coleta contexto mínimo.
3. O chamado é criado no GLPI com categoria, impacto, urgência e dados adicionais.
4. Se houver alerta relacionado no Zabbix, o incidente é enriquecido com host, trigger, severidade e histórico.
5. O técnico recebe notificação com resumo, classificação inicial e sugestão de runbook.
6. O técnico pode consultar agentes para diagnóstico, resumo do histórico, próximos passos e automações permitidas.
7. A execução operacional acontece apenas por ferramentas autorizadas, com trilha de auditoria e política de aprovação.

Perfis e hierarquia

• Usuário final: abre chamado, consulta status, envia evidências e recebe atualizações.
• Técnico N1: recebe chamados, executa diagnósticos de baixo risco e usa agentes para triagem.
• Técnico N2 ou N3: atua em incidentes complexos, acessa automações avançadas e aprova mudanças técnicas.
• Supervisor: acompanha fila, define prioridades, aprova ações sensíveis e revisa indicadores.
• Administrador: mantém credenciais, integrações, catálogos de serviço, políticas e observabilidade.

Automações prioritárias

• Abertura de chamado por texto, áudio ou imagem enviada no WhatsApp.
• Consulta de status de chamado sem necessidade de acessar portal web.
• Correlação automática entre incidente do GLPI e evento do Zabbix.
• Enriquecimento do ticket com hostname, IP, serviço afetado, últimas alterações e runbook sugerido.
• Notificação proativa para técnicos e supervisores em incidentes críticos.
• Execução assistida de playbooks aprovados, como teste de conectividade, coleta de logs e reinício controlado de serviços.
• Geração automática de resumo técnico e fechamento padronizado do atendimento.

Guardrails obrigatórios

• Não permitir que o modelo execute shell livre ou comandos arbitrários.
• Toda automação deve sair de uma allowlist de ferramentas e playbooks.
• Segredos devem ficar em cofre dedicado, nunca em prompt ou texto aberto.
• Toda ação técnica precisa gerar auditoria, usuário responsável, horário e resultado.
• Ações destrutivas ou com impacto operacional exigem aprovação explícita.
• O canal de WhatsApp deve usar API oficial ou fornecedor homologado para produção.

Estrutura atual do repositório

.
├── README.md
├── install_debian12_full_stack.sh
├── backend/
│   ├── README.md
│   ├── app/
│   ├── data/
│   ├── tests/
│   ├── pyproject.toml
│   ├── run_dev.sh
│   ├── run_automation_worker.sh
│   ├── run_glpi_analytics_sync.sh
│   └── run_glpi_backfill.sh
├── docs/
│   ├── aplicacoes-e-implantacao.md
│   ├── arquitetura-helpdesk.md
│   ├── ativacao-whatsapp.md
│   ├── automacoes-sugeridas.md
│   ├── checklist-go-live.md
│   ├── fase-5-operacao-avancada.md
│   ├── fechamento-mvp.md
│   ├── glpi-dados-analytics-ml.md
│   ├── implantacao-ambiente-existente.md
│   ├── implantacao-empresa.md
│   ├── langgraph-autonomia-ambiente-monitorado.md
│   ├── portas-e-conectividade.md
│   └── roadmap.md
├── infra/
│   ├── README.md
│   ├── automation-runner/
│   ├── backend/
│   ├── evolution/
│   ├── glpi/
│   ├── helpdesk-lab/
│   ├── observability/
│   └── zabbix/

Documentação complementar

• Arquitetura detalhada
• Aplicações e estratégia de implantação
• Guia passo a passo para implantação em empresa
• Guia para empresa com GLPI e Zabbix ja existentes
• Ativação do WhatsApp com Evolution API
• Checklist de fechamento do MVP
• Checklist executivo de go-live
• Fase 5: Operacao avancada
• Catálogo inicial de automações e agentes
• Dados do GLPI para Analytics e ML
• Autonomia com LangGraph em ambiente monitorado
• Portas e conectividade
• Roadmap de implantação
• Guia do backend MVP
• Laboratório isolado GLPI e Zabbix

Direção técnica recomendada

• GLPI como sistema oficial de chamados, filas, SLA e base de ativos.
• Zabbix como origem de eventos operacionais e monitoração.
• Um backend de orquestração como núcleo de integração entre canais, agentes e ferramentas.
• LangGraph como alternativa preferível se o fluxo exigir estado, aprovações e handoff entre agentes.
• Ansible, AWX ou Rundeck como camada de execução segura para automações.
• Banco operacional separado para o backend da plataforma, evitando acoplamento indevido com a base do GLPI.

Atenção às portas

• Este projeto não deve presumir que 80, 443, 3306, 10050 e 10051 estejam livres no host.
• O backend local foi movido para a faixa 18001-18010, com seleção automática de porta livre.
• O instalador de stack completa agora deve ser tratado como exclusivo para host dedicado ou revisado antes de uso em host com Docker.

Hierarquia operacional no MVP

• O backend já consegue resolver o papel do remetente a partir do número de telefone usando o diretório local de identidades.
• A base inicial fica em backend/data/identities.json.
• Isso permite distinguir usuário final, técnico, supervisor e admin nos fluxos do WhatsApp antes de integrar uma base corporativa real.
• Técnicos, supervisores e admins já podem usar comandos operacionais via WhatsApp com prefixo /, sem misturar esse fluxo com abertura de chamado.
• O mesmo diretório local também pode mapear glpi_user_id para vincular o solicitante real durante a criação do ticket no GLPI.

Próximos passos sugeridos

1. Estruturar o backend de integração entre WhatsApp, GLPI e Zabbix.
2. Definir o modelo de autenticação e vínculo entre número de telefone, usuário e perfil técnico.
3. Criar o primeiro fluxo MVP: abrir chamado pelo WhatsApp e notificar o técnico.
4. Adicionar correlação com alertas do Zabbix.
5. Introduzir agentes apenas para triagem e resumo antes de liberar execução operacional.

Laboratório pronto para integração

Com o stack do laboratorio ativo em infra/helpdesk-lab, o fluxo de integracao e seed fica:

cd infra/helpdesk-lab
./scripts/seed-test-data.sh

Depois:

cd backend
./run_dev.sh

Isso deixa o backend apontando para:

• GLPI: http://127.0.0.1:8088/apirest.php
• Zabbix: http://127.0.0.1:8089/api_jsonrpc.php
• identidades de laboratorio: backend/data/identities.lab.json