NVIDIA выпустила BioNeMo Agent Toolkit для превращения биомолекулярных моделей в «навыки» AI‑агентов

NVIDIA представила открытый набор инструментов BioNeMo Agent Toolkit. Он позволяет упаковывать биомолекулярные модели в вызываемые «навыки» для AI‑агентов. Каждый такой навык описывает, что именно делает модель, какие входные данные принимает, какие артефакты должны появиться на выходе и какие сбои возможны. Благодаря этому агент может сам подобрать нужный инструмент, запустить его и корректно интерпретировать результат при работе с научными задачами.

Платформа устроена как несколько связанных слоев. Первый уровень это ускоренные инструменты на базе NVIDIA NIM (NVIDIA Inference Microservices) и открытых моделей BioNeMo. Они дополнены библиотеками вроде cuEquivariance и Parabricks. Второй уровень ориентирован уже на работу агентов. Здесь навыки BioNeMo оформляют отдельные функции, например сворачивание белков, молекулярный докинг, генеративную химию, геномику или дизайн белков. В таком виде агент может обнаруживать их и вызывать как сервисы.

Репозиторий организован по категориям nim-skills, open-models-skills и library-skills. Также есть папка workflows для многошаговых «мета‑навыков». Один из примеров, generative_protein_binder_design, связывает цепочку RFdiffusion → ProteinMPNN → OpenFold3. Как сообщает MarkTechPost, установка навыков выполняется через CLI‑инструмент skills. После этого агент может вызывать модели через размещённые NIM‑эндпойнты или локальные развертывания.

В тестах NVIDIA с использованием Codex CLI и GPT-5.5 fast добавление таких навыков повысило долю завершённых задач с 57.1% до 100%. Кроме того, агенты в среднем показывали в 2 раза больше успешно проходящих проверок на 1 000 токенов. В компании трактуют это как рост эффективности использования токенов.