SLV v0.10.0 rilasciato — Dalla CLI all’AI agent: distribuisci e gestisci validator e RPC Solana tramite linguaggio naturale

ELSOUL LABO B.V. (sede: Amsterdam, Paesi Bassi; CEO: Fumitake Kawasaki) e Validators DAO hanno rilasciato SLV v0.10.0. Con questa release, la configurazione e la gestione di validator e RPC Solana possono ora essere completate interamente tramite conversazione in linguaggio naturale, senza competenze specialistiche da riga di comando.

In precedenza, la configurazione iniziale di un validator Solana richiedeva competenza con la CLI, modifica manuale dei file di configurazione e memorizzazione delle procedure — un processo che richiedeva tipicamente da ore a giorni. Con SLV v0.10.0, il deployment viene completato attraverso una breve conversazione con un AI agent. Questa release abbassa strutturalmente la barriera di ingresso alla rete Solana.

Per chi avvia un nuovo validator Solana — Configurare un validator Solana è stata tradizionalmente un’impresa altamente tecnica. Quali comandi eseguire in quale ordine, quali valori di configurazione sono appropriati, quale versione usare — un singolo errore di valutazione in uno di questi aspetti può impedire una partecipazione stabile alla rete. Con SLV v0.10.0, un AI agent gestisce queste decisioni con precisione. Basta descrivere ciò di cui hai bisogno, e l’agent assembla automaticamente i passaggi richiesti, li conferma con te ed esegue.

Per gli operatori di validator esistenti — Solana è attualmente in una fase di frequenti cambi di versione e rollback mentre la rete esegue l’upgrade a v3. Il carico operativo è significativo, con ogni ciclo che richiede verifica ed esecuzione di procedure dispendiose in termini di tempo. SLV v0.10.0 consente di completare upgrade, downgrade, riavvii e cambi di identità — le attività operative quotidiane — interamente tramite conversazione in linguaggio naturale.

Per l’ecosistema Solana nel suo complesso — La qualità della rete Solana dipende direttamente dalla qualità operativa di ciascun validator. Quando le barriere di ingresso rimangono elevate, la diversità degli operatori è limitata, vincolando la decentralizzazione e la resilienza complessive della rete. Abbassare la barriera di ingresso mantenendo la qualità operativa è essenziale per la crescita sana dell’ecosistema Solana.

SLV è stato finora disponibile come strumento CLI. In v0.10.0, quella base CLI è completamente preservata, mentre un nuovo livello consente agli AI agent di operarla con precisione.

You: Deploy a mainnet Jito validator on 203.0.113.10
Agent: I'll set up a mainnet Jito validator. Let me walk you through...

You: Deploy a mainnet Jito validator on 203.0.113.10
Agent: I'll set up a mainnet Jito validator. Let me walk you through...

Gli operatori non devono più memorizzare comandi o modificare manualmente i file di configurazione. L’AI agent seleziona le procedure appropriate, propone i valori di configurazione, verifica tramite un dry run e poi procede all’esecuzione.

Fondamentale: questo non è un sistema che consegna le operazioni Solana a un’AI generica.

Tentare di automatizzare le operazioni dei validator Solana con un’AI generica da sola non produce risultati stabili. Le operazioni sui validator comportano numerose sfumature difficili da documentare — prerequisiti specifici di versione, differenze di configurazione di rete e decisioni di rollback durante gli incidenti. Quando un’AI opera senza questa conoscenza, vengono eseguite procedure ambigue, con il rischio di prestazioni degradate del validator e di una qualità di rete inferiore.

Le AI Agent Skills fornite in SLV v0.10.0 sistematizzano la conoscenza operativa reale accumulata attraverso lo sviluppo e la gestione di SLV in una forma che gli AI agent possono consultare con precisione. Coprono la mappatura completa tra comandi CLI e playbook Ansible, le versioni consigliate, le pratiche operative sicure e le insidie più comuni.

Poiché le operazioni sui validator richiedono fiducia, la precisione della base a cui un AI agent fa riferimento è di importanza critica. SLV fornisce quella base.

SLV v0.10.0 introduce tre AI Agent Skills:

slv-validator — Una skill per distribuire e gestire validator mainnet e testnet, con supporto per configurazioni Jito, Agave e Firedancer.

slv-rpc — Una skill specializzata nella distribuzione e gestione di nodi RPC, che copre configurazioni Standard, Index e Geyser gRPC.

slv-grpc-geyser — Una skill per distribuire e gestire lo streaming gRPC Geyser, con supporto per Yellowstone e Richat.

Ogni skill include SKILL.md con conoscenza operativa completa, AGENT.md che definisce flussi di deployment interattivi, uno script automatizzato di installazione dei prerequisiti e file di inventario di esempio.

Le skill sono composte da semplice Markdown e Ansible, senza lock-in verso alcun AI agent specifico. Funzionano con OpenClaw, Claude Code, Codex, Cursor, Windsurf e qualsiasi altro AI coding agent. Puoi anche eseguire i playbook Ansible direttamente senza un AI agent.

ClawHub Skills: https://clawhub.ai/skills?sort=downloads&q=slv

v0.10.0 espande significativamente il supporto a Firedancer. Ora supporta ufficialmente i tipi di validator firedancer-agave e firedancer-jito, con template di configurazione parametrizzati (hugepages, porte, identità), gestione dei servizi tramite firedancer.service e pulizia di hugetlbfs per i deployment Firedancer. Mentre Firedancer guadagna attenzione come client validator di nuova generazione di Solana, il supporto completo da parte di SLV rende più facile per più operatori adottare Firedancer.

Quando un AI agent esegue operazioni, SLV propone sempre prima un dry run (modalità --check). Le modifiche vengono revisionate prima dell’esecuzione e l’operatore approva prima che qualsiasi cosa venga applicata.

Nota che gli AI agent si comportano in modo diverso a seconda dei prompt e delle istruzioni che ricevono. Sebbene le skill di SLV forniscano una base operativa accurata per l’AI agent, la responsabilità finale delle decisioni di esecuzione e dei loro risultati spetta all’operatore. Questo non è diverso dalle operazioni CLI tradizionali — cambia la forma dello strumento, ma non la titolarità della responsabilità operativa.

ELSOUL LABO è stata approvata nell’ambito del WBSO (Wet Bevordering Speur- en Ontwikkelingswerk), il programma di supporto R&D del governo olandese, per cinque anni consecutivi dal 2022. Tra i progetti di ricerca approvati per il 2026 c’è «Ricerca e sviluppo sull’automazione del posizionamento dei validator e dell’orchestrazione operativa» — e le AI Agent Skills di SLV v0.10.0 rappresentano l’implementazione diretta di questo tema di ricerca.

La ricerca e lo sviluppo di ELSOUL LABO non sono separati dall’implementazione e dalle operazioni reali. Le ipotesi di ricerca prendono forma come implementazioni, vengono validate sotto vincoli operativi e le sfide scoperte alimentano il ciclo successivo di ricerca. SLV v0.10.0 è nato da questo ciclo.

SLV continuerà a perseguire maggiore precisione e automazione più avanzata attraverso l’integrazione con MCP (Model Context Protocol).

Le operazioni sui validator guidate da AI agent sono appena all’inizio. Mentre la release attuale consente già di completare dal deployment alle operazioni quotidiane tramite linguaggio naturale, l’integrazione MCP sbloccherà automazioni ancora più avanzate. Ad esempio, il failover automatizzato — una procedura complessa in più fasi in cui il fallimento non è un’opzione — può essere eseguito con maggiore precisione dagli AI agent tramite MCP. Processi decisionali basati sul monitoraggio, orchestrazione integrata su più nodi e altre capacità che elevano ulteriormente l’affidabilità operativa sono all’orizzonte.

Ciò che SLV fornisce è la base affidabile che supporta questa evoluzione. Non un’adozione vaga dell’AI, ma una collaborazione con AI agent supportata da conoscenza operativa precisa. SLV continuerà a evolversi come la base che supporta strutturalmente la qualità operativa di Solana e crea un ambiente in cui chiunque può partecipare alle stesse condizioni.