Lanzamiento de SLV v0.10.0: de la CLI al agente de IA para desplegar y operar validadores y RPC de Solana mediante lenguaje natural

ELSOUL LABO B.V. (sede: Ámsterdam, Países Bajos; CEO: Fumitake Kawasaki) y Validators DAO han lanzado SLV v0.10.0. Con esta versión, la configuración y la operación de validadores y RPC de Solana pueden completarse íntegramente mediante conversaciones en lenguaje natural, sin conocimientos especializados de la línea de comandos.

Antes, la configuración inicial de un validador de Solana exigía dominar la CLI, editar manualmente archivos de configuración y memorizar procedimientos; era un proceso que solía durar de horas a días. Con SLV v0.10.0, el despliegue se completa mediante una breve conversación con un agente de IA. Esta versión reduce estructuralmente la barrera de entrada a la red de Solana.

Para quienes inician un nuevo validador de Solana — Configurar un validador de Solana ha sido tradicionalmente una tarea muy técnica. Qué comandos ejecutar y en qué orden, qué valores de configuración son adecuados o qué versión utilizar: un solo error en cualquiera de estas decisiones puede impedir una participación estable en la red. Con SLV v0.10.0, un agente de IA gestiona estas decisiones con precisión. Basta con describir lo que necesita para que el agente reúna automáticamente los pasos necesarios, los confirme con usted y los ejecute.

Para los operadores de validadores actuales — Solana atraviesa una fase de cambios frecuentes de versión y reversiones mientras la red se actualiza a v3. La carga operativa es considerable, ya que cada ciclo exige tiempo para verificar y ejecutar los procedimientos. SLV v0.10.0 permite completar íntegramente mediante una conversación en lenguaje natural las tareas diarias: actualizaciones, retrocesos de versión, reinicios y cambios de identidad.

Para el ecosistema de Solana en su conjunto — La calidad de la red de Solana depende directamente de la calidad operativa de cada validador. Cuando la barrera de entrada sigue siendo alta, se limita la diversidad de operadores y, con ella, la descentralización y la resiliencia general de la red. Reducir esa barrera sin rebajar la calidad operativa es esencial para el crecimiento saludable del ecosistema de Solana.

Hasta ahora, SLV estaba disponible como herramienta CLI. En la versión 0.10.0, esa base de CLI se conserva completamente, mientras que una nueva capa permite a los agentes de IA operarla con precisión.

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...

Los operadores ya no necesitan memorizar comandos ni editar manualmente los archivos de configuración. El agente de IA elige los procedimientos adecuados, propone valores de configuración, los verifica con una ejecución de prueba y después procede a ejecutar.

Es importante subrayar que este sistema no entrega las operaciones de Solana a una IA genérica.

Intentar automatizar la operación de validadores de Solana únicamente con una IA genérica no produce resultados estables. Esta operación contiene numerosos matices difíciles de documentar: requisitos propios de cada versión, diferencias en la configuración de red y decisiones de reversión durante incidentes. Si una IA actúa sin este conocimiento, puede ejecutar procedimientos ambiguos y arriesgar tanto el rendimiento del validador como la calidad de la red.

Las AI Agent Skills que ofrece SLV v0.10.0 sistematizan el conocimiento operativo real acumulado durante el desarrollo y la operación de SLV, en una forma que los agentes de IA pueden consultar con precisión. Incluyen la correspondencia completa entre comandos CLI y playbooks de Ansible, versiones recomendadas, prácticas operativas seguras y errores habituales.

Como operar validadores exige confianza, la precisión de la base que consulta un agente de IA es esencial. SLV proporciona esa base.

SLV v0.10.0 incorpora tres AI Agent Skills:

slv-validator — Skill para desplegar y gestionar validadores de mainnet y testnet, compatible con configuraciones de Jito, Agave y Firedancer.

slv-rpc — Skill especializada en desplegar y gestionar nodos RPC, que abarca las configuraciones Standard, Index y Geyser gRPC.

slv-grpc-geyser — Skill para desplegar y gestionar el streaming de Geyser gRPC, compatible con Yellowstone y Richat.

Cada Skill incluye un SKILL.md con conocimientos operativos completos, un AGENT.md que define los flujos de despliegue interactivos, un script automatizado para instalar los requisitos previos y archivos de inventario de ejemplo.

Las Skills se componen de Markdown y Ansible, sin dependencia de un agente de IA concreto. Funcionan con OpenClaw, Claude Code, Codex, Cursor, Windsurf y cualquier otro agente de programación basado en IA. También es posible ejecutar los playbooks de Ansible directamente, sin agente de IA.

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

v0.10.0 amplía considerablemente la compatibilidad con Firedancer. Ahora admite oficialmente los tipos de validador firedancer-agave y firedancer-jito, con plantillas de configuración parametrizadas (hugepages, puertos e identidad), gestión del servicio mediante firedancer.service y limpieza de hugetlbfs para despliegues de Firedancer. A medida que Firedancer gana atención como cliente de validadores de próxima generación de Solana, la compatibilidad completa de SLV facilita su adopción por más operadores.

Cuando un agente de IA realiza operaciones, SLV siempre propone primero una ejecución de prueba (modo --check). Los cambios se revisan antes de ejecutarlos y el operador debe aprobarlos antes de que se aplique nada.

Los agentes de IA se comportan de forma distinta según los prompts y las instrucciones que reciben. Aunque las Skills de SLV proporcionan una base operativa precisa al agente, la responsabilidad final sobre las decisiones de ejecución y sus resultados recae en el operador. No es diferente de una operación tradicional mediante CLI: cambia la forma de la herramienta, pero no la responsabilidad operativa.

ELSOUL LABO ha recibido durante cinco años consecutivos desde 2022 la aprobación del WBSO (Wet Bevordering Speur- en Ontwikkelingswerk), el programa neerlandés de apoyo a la I+D. Entre los proyectos aprobados para 2026 figura «Investigación y desarrollo sobre la automatización de la ubicación de validadores y la orquestación operativa»; las AI Agent Skills de SLV v0.10.0 son la implementación directa de este tema de investigación.

La investigación y el desarrollo de ELSOUL LABO no están separados de la implementación y la operación reales. Las hipótesis de investigación toman forma como implementaciones, se validan bajo restricciones operativas y los retos descubiertos alimentan el siguiente ciclo de investigación. SLV v0.10.0 nació de este ciclo.

SLV seguirá buscando mayor precisión y una automatización más avanzada mediante la integración con MCP (Model Context Protocol).

La operación de validadores mediante agentes de IA acaba de comenzar. La versión actual ya permite completar en lenguaje natural desde el despliegue hasta la operación diaria, y la integración con MCP habilitará una automatización aún más avanzada. Por ejemplo, un failover automatizado —procedimiento complejo de varios pasos en el que no cabe el error— podrá ejecutarse con más precisión mediante agentes de IA a través de MCP. Aún quedan por llegar la toma de decisiones basada en monitorización, la orquestación integrada de varios nodos y otras capacidades que elevarán todavía más la fiabilidad operativa.

SLV proporciona la base de confianza que apoya esta evolución. No es una adopción vaga de IA, sino una colaboración con agentes de IA respaldada por un conocimiento operativo preciso. SLV continuará evolucionando como la base que respalda estructuralmente la calidad operativa de Solana y crea un entorno en el que cualquiera puede participar en los mismos términos.