SLV v0.10.0 veröffentlicht — Von der CLI zum KI-Agenten: Solana-Validatoren und RPCs per natürlicher Sprache bereitstellen und betreiben

ELSOUL LABO B.V. (Hauptsitz: Amsterdam, Niederlande; CEO: Fumitake Kawasaki) und Validators DAO haben SLV v0.10.0 veröffentlicht. Mit dieser Version können Solana-Validatoren und RPCs vollständig per natürlicher Sprache eingerichtet und betrieben werden – ohne spezielle Kenntnisse der Kommandozeile.
Bisher erforderten Einrichtung und Inbetriebnahme eines Solana-Validators CLI-Kenntnisse, die manuelle Bearbeitung von Konfigurationsdateien und das Auswendiglernen von Abläufen – ein Prozess, der typischerweise Stunden bis Tage dauerte. Mit SLV v0.10.0 erfolgt die Bereitstellung durch ein kurzes Gespräch mit einem KI-Agenten. Diese Veröffentlichung senkt die Zugangshürden zum Solana-Netzwerk grundlegend.
Wer profitiert – und wie
Für alle, die einen neuen Solana-Validator starten — Die Einrichtung eines Solana-Validators war traditionell eine hoch technische Aufgabe. Welche Befehle in welcher Reihenfolge auszuführen sind, welche Konfigurationswerte passen und welche Version verwendet werden soll: Schon eine einzige falsche Entscheidung kann eine stabile Teilnahme am Netzwerk verhindern. Mit SLV v0.10.0 trifft ein KI-Agent diese Entscheidungen präzise. Beschreiben Sie einfach, was Sie benötigen; der Agent stellt die erforderlichen Schritte automatisch zusammen, stimmt sie mit Ihnen ab und führt sie aus.
Für bestehende Validator-Betreiber — Solana befindet sich derzeit während des Upgrades auf v3 in einer Phase häufiger Versionswechsel und Rollbacks. Die betriebliche Belastung ist beträchtlich, da jeder Zyklus eine zeitaufwändige Prüfung und Durchführung der Abläufe erfordert. Mit SLV v0.10.0 lassen sich Upgrades, Downgrades, Neustarts und Identitätswechsel – die täglichen Betriebsaufgaben – vollständig per natürlicher Sprache erledigen.
Für das Solana-Ökosystem insgesamt — Die Qualität des Solana-Netzwerks hängt unmittelbar von der Betriebsqualität jedes Validators ab. Bleiben die Zugangshürden hoch, ist die Vielfalt der Betreiber begrenzt; dadurch werden die Dezentralisierung und Widerstandsfähigkeit des Netzwerks eingeschränkt. Die Zugangshürden zu senken und zugleich die Betriebsqualität zu erhalten, ist für ein gesundes Wachstum des Solana-Ökosystems entscheidend.
Von der CLI zum KI-Agenten – was sich technisch geändert hat
SLV war bisher als CLI-Tool verfügbar. In v0.10.0 bleibt diese CLI-Grundlage vollständig erhalten; eine neue Schicht ermöglicht es KI-Agenten, sie präzise zu bedienen.
text
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...Betreiber müssen sich keine Befehle mehr merken und keine Konfigurationsdateien manuell bearbeiten. Der KI-Agent wählt die passenden Abläufe aus, schlägt Konfigurationswerte vor, prüft sie in einem Probelauf und führt sie anschließend aus.
Wichtig ist: Es handelt sich nicht um ein System, das den Solana-Betrieb einer beliebigen KI überlässt.
Warum dies nur mit den KI-Agenten-Skills von SLV funktioniert
Der Versuch, den Betrieb von Solana-Validatoren allein mit einer beliebigen KI zu automatisieren, liefert keine stabilen Ergebnisse. Validator-Betrieb umfasst zahlreiche schwer dokumentierbare Feinheiten – versionsabhängige Voraussetzungen, Unterschiede bei der Netzwerkkonfiguration und Rollback-Entscheidungen während eines Vorfalls. Arbeitet eine KI ohne dieses Wissen, können unklare Abläufe ausgeführt werden; das gefährdet die Validator-Leistung und die Netzwerkqualität.
Die KI-Agenten-Skills in SLV v0.10.0 systematisieren das praktische Betriebswissen, das durch die Entwicklung und den Betrieb von SLV gewonnen wurde, in einer Form, auf die KI-Agenten zuverlässig zurückgreifen können. Sie decken die vollständige Zuordnung zwischen CLI-Befehlen und Ansible-Playbooks, empfohlene Versionen, sichere Betriebspraktiken und typische Fallstricke ab.
Da Validator-Betrieb Vertrauen erfordert, ist die Präzision der Grundlage, auf die ein KI-Agent zurückgreift, von entscheidender Bedeutung. SLV stellt diese Grundlage bereit.
Drei produktionsreife Skills
SLV v0.10.0 führt drei KI-Agenten-Skills ein:
slv-validator — Ein Skill zur Bereitstellung und Verwaltung von Mainnet- und Testnet-Validatoren mit Unterstützung für Jito-, Agave- und Firedancer-Konfigurationen.
slv-rpc — Ein Skill für die Bereitstellung und Verwaltung von RPC-Knoten mit Standard-, Index- und Geyser-gRPC-Konfigurationen.
slv-grpc-geyser — Ein Skill zur Bereitstellung und Verwaltung von gRPC-Geyser-Streaming mit Unterstützung für Yellowstone und Richat.
Jeder Skill enthält eine SKILL.md mit umfassendem Betriebswissen, eine AGENT.md zur Definition interaktiver Bereitstellungsabläufe, ein Skript zur automatischen Installation der Voraussetzungen und Beispiel-Inventardateien.
Die Skills bestehen aus einfachem Markdown und Ansible und binden nicht an einen bestimmten KI-Agenten. Sie funktionieren mit OpenClaw, Claude Code, Codex, Cursor, Windsurf und jedem anderen KI-Coding-Agenten. Die Ansible-Playbooks können auch direkt ohne KI-Agent ausgeführt werden.
ClawHub-Skills: https://clawhub.ai/skills?sort=downloads&q=slv
Vollständige Firedancer-Unterstützung
v0.10.0 erweitert die Firedancer-Unterstützung deutlich. Die Version unterstützt nun offiziell die Validator-Typen firedancer-agave und firedancer-jito, parametrisierte Konfigurationsvorlagen (Hugepages, Ports, Identität), die Dienstverwaltung über firedancer.service sowie die Bereinigung von hugetlbfs bei Firedancer-Bereitstellungen. Da Firedancer als Solanas Validator-Client der nächsten Generation immer mehr Aufmerksamkeit erhält, erleichtert die vollständige Unterstützung durch SLV weiteren Betreibern die Einführung.
Sicherheit durch Design – zuerst der Probelauf
Wenn ein KI-Agent einen Vorgang ausführt, schlägt SLV immer zuerst einen Probelauf (Modus
--check) vor. Änderungen werden vor der Ausführung geprüft, und der Betreiber muss sie genehmigen, bevor etwas angewendet wird.Beachten Sie, dass sich KI-Agenten je nach erhaltenen Prompts und Anweisungen unterschiedlich verhalten. SLVs Skills stellen dem KI-Agenten zwar eine präzise Betriebsgrundlage bereit, die endgültige Verantwortung für Ausführungsentscheidungen und deren Folgen liegt beim Betreiber. Das unterscheidet sich nicht vom herkömmlichen CLI-Betrieb: Die Form des Werkzeugs ändert sich, die Verantwortung bleibt jedoch beim Betreiber.
Fünf Jahre in Folge WBSO-genehmigt – wo Forschung auf Umsetzung trifft
ELSOUL LABO wird seit 2022 fünf Jahre in Folge im Rahmen der WBSO (Wet Bevordering Speur- en Ontwikkelingswerk), dem niederländischen staatlichen Förderprogramm für Forschung und Entwicklung, anerkannt. Zu den für 2026 genehmigten Forschungsprojekten gehört „Research and Development on Automation of Validator Placement and Operational Orchestration“. Die KI-Agenten-Skills von SLV v0.10.0 sind die direkte Umsetzung dieses Forschungsthemas.
Forschung und Entwicklung bei ELSOUL LABO sind nicht von praktischer Umsetzung und Betrieb getrennt. Forschungshypothesen werden zu Implementierungen, unter betrieblichen Bedingungen validiert, und die dabei entdeckten Herausforderungen fließen in den nächsten Forschungszyklus zurück. SLV v0.10.0 ist aus diesem Zyklus entstanden.
Ausblick
SLV wird durch die Integration mit MCP (Model Context Protocol) weiter an Präzision und fortschrittlicher Automatisierung arbeiten.
KI-Agenten-gestützter Validator-Betrieb steht erst am Anfang. Die aktuelle Version ermöglicht bereits die Bereitstellung und den täglichen Betrieb per natürlicher Sprache; die MCP-Integration wird noch fortschrittlichere Automatisierung freischalten. So kann beispielsweise ein automatisches Failover – ein komplexer, mehrstufiger Vorgang, bei dem ein Ausfall keine Option ist – durch KI-Agenten über MCP präziser ausgeführt werden. Monitoringgestützte Entscheidungsfindung, integrierte Orchestrierung über mehrere Knoten und weitere Funktionen zur Steigerung der Betriebssicherheit liegen vor uns.
SLV bietet die vertrauenswürdige Grundlage für diese Entwicklung: keine vage KI-Einführung, sondern die Zusammenarbeit mit KI-Agenten auf Basis präzisen Betriebswissens. SLV wird sich als Grundlage weiterentwickeln, die die Betriebsqualität von Solana strukturell stärkt und eine Umgebung schafft, in der jeder zu gleichen Bedingungen teilnehmen kann.
Links
- SLV Website: https://slv.dev/de
- SLV GitHub: https://github.com/ValidatorsDAO/slv
- ClawHub-Skills: https://clawhub.ai/skills?sort=downloads&q=slv
- Validators DAO Discord: https://discord.gg/C7ZQSr CkYR
- ERPC Website: https://erpc.global/de


