SLV v0.10.0 est disponible : de la CLI à l’agent IA pour déployer et exploiter validateurs et RPC Solana en langage naturel

ELSOUL LABO B.V. (siège : Amsterdam, Pays-Bas ; PDG : Fumitake Kawasaki) et Validators DAO publient SLV v0.10.0. Cette version permet de configurer et d’exploiter des validateurs et RPC Solana entièrement par une conversation en langage naturel, sans expertise particulière de la ligne de commande.

Auparavant, la configuration initiale d’un validateur Solana exigeait de maîtriser la CLI, de modifier manuellement les fichiers de configuration et de mémoriser les procédures, un processus qui prenait généralement de quelques heures à plusieurs jours. Avec SLV v0.10.0, une brève conversation avec un agent IA suffit pour mener le déploiement. Cette version abaisse structurellement la barrière d’entrée du réseau Solana.

Pour ceux qui lancent un nouveau validateur Solana — La mise en place d’un validateur Solana est traditionnellement très technique. Une seule erreur dans l’ordre des commandes, les valeurs de configuration ou le choix de version peut empêcher une participation stable au réseau. Avec SLV v0.10.0, un agent IA gère ces décisions avec précision. Il suffit de décrire le besoin : l’agent assemble les étapes requises, les fait confirmer, puis les exécute.

Pour les opérateurs de validateurs existants — Solana traverse une phase de changements de version et de rollbacks fréquents pendant la migration du réseau vers v3. Chaque cycle exige des vérifications de procédure et une exécution chronophages, d’où une charge opérationnelle importante. SLV v0.10.0 permet de réaliser entièrement en langage naturel les opérations courantes : mises à niveau, retours à une version antérieure, redémarrages et changements d’identité.

Pour l’ensemble de l’écosystème Solana — La qualité du réseau dépend directement de la qualité d’exploitation de chaque validateur. Lorsque les barrières à l’entrée restent élevées, la diversité des opérateurs diminue, ce qui limite la décentralisation et la résilience du réseau. Abaisser ces barrières sans sacrifier la qualité opérationnelle est essentiel à la croissance saine de l’écosystème Solana.

Jusqu’à présent, SLV était disponible sous forme d’outil CLI. La v0.10.0 conserve intégralement ce socle et ajoute une couche qui permet aux agents IA de l’utiliser avec précision.

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...

Les opérateurs n’ont plus besoin de mémoriser les commandes ni de modifier manuellement les fichiers de configuration. L’agent IA choisit les procédures adaptées, propose les valeurs de configuration, les vérifie par un dry run, puis passe à l’exécution.

Point essentiel : ce système ne confie pas l’exploitation de Solana à une IA générique.

Tenter d’automatiser l’exploitation des validateurs Solana avec une IA générique ne produit pas de résultats stables. Ces opérations comportent de nombreuses subtilités difficiles à documenter : prérequis propres aux versions, différences de configuration réseau et décisions de rollback en cas d’incident. Sans ces connaissances, l’IA exécute des procédures ambiguës, au risque de dégrader les performances des validateurs et la qualité du réseau.

Les AI Agent Skills de SLV v0.10.0 structurent les connaissances opérationnelles acquises en développant et exploitant SLV sous une forme que les agents IA peuvent consulter avec précision. Elles couvrent la correspondance complète entre les commandes CLI et les playbooks Ansible, les versions recommandées, les pratiques sûres et les pièges courants.

L’exploitation des validateurs exigeant de la confiance, la précision du socle consulté par l’agent IA est critique. SLV fournit ce socle.

SLV v0.10.0 introduit trois AI Agent Skills :

slv-validator — un skill de déploiement et de gestion des validateurs mainnet et testnet, compatible avec les configurations Jito, Agave et Firedancer.

slv-rpc — un skill spécialisé dans le déploiement et la gestion des nœuds RPC, couvrant les configurations Standard, Index et Geyser gRPC.

slv-grpc-geyser — un skill de déploiement et de gestion du streaming gRPC Geyser, compatible avec Yellowstone et Richat.

Chaque skill comprend un fichier SKILL.md qui rassemble les connaissances opérationnelles, un fichier AGENT.md qui définit les parcours de déploiement interactifs, un script automatisé d’installation des prérequis et des exemples d’inventaires.

Les skills reposent sur du Markdown simple et Ansible, sans dépendre d’un agent IA particulier. Ils fonctionnent avec OpenClaw, Claude Code, Codex, Cursor, Windsurf et tout autre agent de développement IA. Les playbooks Ansible peuvent aussi être exécutés directement sans agent IA.

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

La v0.10.0 étend sensiblement la prise en charge de Firedancer. Elle prend officiellement en charge les types de validateurs firedancer-agave et firedancer-jito, avec des modèles de configuration paramétrables (hugepages, ports, identité), la gestion du service via firedancer.service et le nettoyage de hugetlbfs pour les déploiements Firedancer. Alors que Firedancer attire l’attention comme client validateur Solana de nouvelle génération, la prise en charge complète de SLV facilite son adoption par davantage d’opérateurs.

Lorsqu’un agent IA effectue des opérations, SLV propose toujours d’abord un dry run (mode --check). Les modifications sont examinées avant l’exécution, puis l’opérateur approuve leur application.

Les agents IA se comportent différemment selon les prompts et instructions reçus. Les skills de SLV leur fournissent un socle opérationnel précis, mais l’opérateur reste responsable en dernier ressort des décisions d’exécution et de leurs résultats. Il en va de même avec la CLI traditionnelle : la forme de l’outil change, pas la responsabilité opérationnelle.

Depuis 2022, ELSOUL LABO est agréé cinq années consécutives dans le cadre du WBSO (Wet Bevordering Speur- en Ontwikkelingswerk), le programme néerlandais de soutien à la R&D. Parmi les projets agréés pour 2026 figure la « recherche et développement sur l’automatisation du placement des validateurs et de l’orchestration opérationnelle » ; les AI Agent Skills de SLV v0.10.0 en sont une implémentation directe.

Chez ELSOUL LABO, la recherche et le développement ne sont séparés ni de l’implémentation ni de l’exploitation réelle. Les hypothèses prennent forme dans des implémentations, sont validées sous contraintes opérationnelles, puis les difficultés découvertes alimentent le cycle de recherche suivant. SLV v0.10.0 est né de ce cycle.

SLV continuera à rechercher davantage de précision et une automatisation plus avancée grâce à son intégration à MCP (Model Context Protocol).

L’exploitation des validateurs par agents IA ne fait que commencer. La version actuelle permet déjà de gérer en langage naturel le déploiement et les opérations quotidiennes ; l’intégration à MCP ouvrira la voie à une automatisation plus avancée. Un failover automatique, procédure complexe en plusieurs étapes où l’échec est exclu, pourra par exemple être exécuté avec plus de précision par des agents IA via MCP. La prise de décision fondée sur la supervision, l’orchestration intégrée de plusieurs nœuds et d’autres capacités renforceront encore la fiabilité opérationnelle.

SLV fournit la base de confiance qui soutient cette évolution : non pas une adoption vague de l’IA, mais une collaboration avec des agents IA appuyée par des connaissances opérationnelles précises. SLV continuera d’évoluer comme fondation de la qualité opérationnelle de Solana, afin que chacun puisse participer dans les mêmes conditions.