SLV v0.10.0 Dirilis — dari CLI ke AI Agent: Deployment dan Operasi Validator serta RPC Solana melalui Bahasa Alami

ELSOUL LABO B.V. (Kantor pusat: Amsterdam, Belanda; CEO: Fumitake Kawasaki) dan Validators DAO telah merilis SLV v0.10.0. Melalui rilis ini, setup dan operasi validator serta RPC Solana kini dapat diselesaikan sepenuhnya melalui percakapan bahasa alami tanpa keahlian command line khusus.

Sebelumnya, setup awal validator Solana memerlukan penguasaan CLI, penyuntingan file konfigurasi secara manual, dan hafalan prosedur—sebuah proses yang umumnya memerlukan beberapa jam hingga beberapa hari. Dengan SLV v0.10.0, deployment selesai melalui percakapan singkat dengan AI agent. Rilis ini secara struktural menurunkan hambatan masuk ke jaringan Solana.

Bagi pengguna yang memulai validator Solana baru — Setup validator Solana secara tradisional merupakan pekerjaan yang sangat teknis. Perintah yang perlu dijalankan dan urutannya, nilai konfigurasi yang tepat, serta versi yang harus digunakan—satu keputusan keliru pada salah satunya dapat mencegah partisipasi stabil dalam jaringan. Dengan SLV v0.10.0, AI agent menangani keputusan tersebut secara akurat. Cukup jelaskan kebutuhan Anda, lalu agent akan menyusun langkah yang diperlukan, meminta konfirmasi, dan menjalankannya.

Bagi operator validator yang sudah ada — Solana saat ini berada dalam fase perubahan versi dan rollback yang sering seiring upgrade jaringan menuju v3. Beban operasionalnya besar karena setiap siklus memerlukan verifikasi dan pelaksanaan prosedur yang menyita waktu. SLV v0.10.0 memungkinkan upgrade, downgrade, restart, dan pergantian identity—tugas operasional sehari-hari—diselesaikan sepenuhnya melalui percakapan bahasa alami.

Bagi ekosistem Solana secara keseluruhan — Kualitas jaringan Solana bergantung langsung pada kualitas operasional setiap validator. Jika hambatan masuk tetap tinggi, keberagaman operator terbatas sehingga desentralisasi dan ketahanan jaringan secara keseluruhan turut terhambat. Menurunkan hambatan masuk sembari mempertahankan kualitas operasional penting bagi pertumbuhan sehat ekosistem Solana.

Hingga saat ini, SLV tersedia sebagai tool CLI. Pada v0.10.0, fondasi CLI tersebut dipertahankan sepenuhnya, sedangkan sebuah lapisan baru memungkinkan AI agent mengoperasikannya secara presisi.

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...

Operator tidak lagi perlu menghafal perintah atau menyunting file konfigurasi secara manual. AI agent memilih prosedur yang tepat, mengusulkan nilai konfigurasi, memverifikasi melalui dry run, lalu melanjutkan ke eksekusi.

Yang terpenting, sistem ini bukanlah sistem yang menyerahkan operasi Solana kepada AI generik.

Mencoba mengotomasi operasi validator Solana hanya dengan AI generik tidak menghasilkan kondisi stabil. Operasi validator memiliki banyak nuansa yang sulit didokumentasikan—prasyarat khusus versi, perbedaan konfigurasi jaringan, dan keputusan rollback saat insiden. Ketika AI beroperasi tanpa pengetahuan tersebut, prosedur ambigu dapat dijalankan sehingga menimbulkan risiko penurunan performa validator dan kualitas jaringan.

AI Agent Skills dalam SLV v0.10.0 menyistematisasikan pengetahuan operasional nyata yang terakumulasi melalui pengembangan dan operasi SLV ke dalam bentuk yang dapat dirujuk AI agent secara akurat. Cakupannya meliputi pemetaan lengkap antara perintah CLI dan playbook Ansible, versi yang direkomendasikan, praktik operasional aman, serta kendala yang umum dijumpai.

Karena operasi validator menuntut kepercayaan, presisi fondasi yang dirujuk AI agent sangat penting. SLV menyediakan fondasi tersebut.

SLV v0.10.0 memperkenalkan tiga AI Agent Skill:

slv-validator — Skill untuk men-deploy dan mengelola validator mainnet serta testnet, dengan dukungan konfigurasi Jito, Agave, dan Firedancer.

slv-rpc — Skill khusus deployment dan pengelolaan node RPC yang mencakup konfigurasi Standard, Index, dan Geyser gRPC.

slv-grpc-geyser — Skill untuk men-deploy dan mengelola streaming gRPC Geyser, dengan dukungan Yellowstone dan Richat.

Setiap skill mencakup SKILL.md dengan pengetahuan operasional menyeluruh, AGENT.md yang mendefinisikan alur deployment interaktif, script instalasi prasyarat otomatis, dan contoh file inventory.

Skill tersusun dari Markdown biasa dan Ansible tanpa lock-in pada AI agent tertentu. Skill tersebut dapat digunakan bersama OpenClaw, Claude Code, Codex, Cursor, Windsurf, serta AI coding agent lain. Playbook Ansible juga dapat dijalankan secara langsung tanpa AI agent.

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

v0.10.0 memperluas dukungan Firedancer secara signifikan. Versi ini resmi mendukung tipe validator firedancer-agave dan firedancer-jito, template konfigurasi berparameter (hugepages, port, identity), pengelolaan service melalui firedancer.service, serta pembersihan hugetlbfs bagi deployment Firedancer. Seiring Firedancer memperoleh perhatian sebagai client validator Solana generasi berikutnya, dukungan penuh dari SLV memudahkan lebih banyak operator mengadopsinya.

Ketika AI agent menjalankan operasi, SLV selalu mengusulkan dry run (mode --check) terlebih dahulu. Perubahan ditinjau sebelum eksekusi dan operator memberikan persetujuan sebelum apa pun diterapkan.

Perlu diperhatikan bahwa AI agent berperilaku berbeda bergantung pada prompt dan instruksi yang diterima. Meskipun skill SLV menyediakan fondasi operasional akurat bagi AI agent, tanggung jawab akhir atas keputusan eksekusi dan hasilnya berada pada operator. Hal ini tidak berbeda dari operasi CLI tradisional—bentuk tool berubah, tetapi kepemilikan tanggung jawab operasional tidak berubah.

ELSOUL LABO telah mendapat persetujuan WBSO (Wet Bevordering Speur- en Ontwikkelingswerk), program dukungan R&D pemerintah Belanda, selama lima tahun berturut-turut sejak 2022. Salah satu proyek riset yang disetujui untuk 2026 adalah “Riset dan Pengembangan Otomasi Penempatan Validator dan Orkestrasi Operasional”—dan AI Agent Skills SLV v0.10.0 merupakan implementasi langsung tema riset tersebut.

Riset dan pengembangan ELSOUL LABO tidak dipisahkan dari implementasi dan operasi nyata. Hipotesis riset diwujudkan sebagai implementasi, divalidasi dalam kendala operasional, lalu tantangan yang ditemukan dimasukkan kembali ke siklus riset berikutnya. SLV v0.10.0 lahir dari siklus tersebut.

SLV akan terus mengejar presisi yang lebih tinggi dan otomasi lebih maju melalui integrasi dengan MCP (Model Context Protocol).

Operasi validator berbasis AI agent baru saja dimulai. Rilis saat ini telah memungkinkan deployment hingga operasi sehari-hari diselesaikan melalui bahasa alami, sedangkan integrasi MCP akan membuka otomasi yang lebih maju. Sebagai contoh, failover otomatis—prosedur kompleks dengan banyak langkah ketika kegagalan tidak dapat diterima—dapat dijalankan AI agent secara lebih presisi melalui MCP. Pengambilan keputusan berbasis monitoring, orkestrasi terpadu pada beberapa node, dan kemampuan lain yang semakin meningkatkan keandalan operasional akan hadir di masa mendatang.

Hal yang disediakan SLV adalah fondasi tepercaya untuk mendukung evolusi tersebut. Bukan adopsi AI yang samar, melainkan kolaborasi AI agent yang ditopang pengetahuan operasional presisi. SLV akan terus berkembang sebagai fondasi yang secara struktural mendukung kualitas operasional Solana dan menciptakan lingkungan tempat siapa pun dapat berpartisipasi dengan ketentuan yang sama.