SLV v0.10.0 uitgebracht — Van CLI naar AI-agent: implementeer en beheer Solana-validators en RPC's via natuurlijke taal

ELSOUL LABO B.V. (Hoofdkantoor: Amsterdam, Nederland; CEO: Fumitake Kawasaki) en Validators DAO hebben SLV v0.10.0 uitgebracht. Met deze release kunnen Solana-validators en RPC's nu volledig via gesprekken in natuurlijke taal worden opgezet en beheerd, zonder specialistische kennis van de opdrachtregel.

Voorheen vereiste de initiële setup van een Solana-validator CLI-vaardigheid, handmatig bewerken van configuratiebestanden en het onthouden van procedures — een proces dat doorgaans uren tot dagen duurde. Met SLV v0.10.0 kan de implementatie via een kort gesprek met een AI-agent worden afgerond. Deze release verlaagt structureel de toetredingsdrempel voor het Solana-netwerk.

Voor wie een nieuwe Solana-validator start — Het opzetten van een Solana-validator is traditioneel een zeer technische onderneming. Welke commando's moeten in welke volgorde worden uitgevoerd, welke configuratiewaarden zijn geschikt en welke versie moet worden gebruikt? Eén inschattingsfout op een van deze punten kan stabiele deelname aan het netwerk verhinderen. Met SLV v0.10.0 handelt een AI-agent deze beslissingen nauwkeurig af. Beschrijf simpelweg wat u nodig heeft, en de agent stelt automatisch de vereiste stappen samen, bespreekt ze met u en voert ze uit.

Voor bestaande validatoroperators — Solana bevindt zich momenteel in een fase van frequente versiewijzigingen en terugdraaiingen nu het netwerk naar v3 wordt geüpgraded. De operationele last is aanzienlijk, waarbij elke cyclus tijdrovende verificatie en uitvoering van procedures vereist. SLV v0.10.0 maakt het mogelijk dat upgrades, downgrades, herstarts en identiteitswisselingen — de dagelijkse operationele taken — geheel via gesprekken in natuurlijke taal worden voltooid.

Voor het Solana-ecosysteem als geheel — De kwaliteit van het Solana-netwerk hangt direct af van de operationele kwaliteit van elke validator. Wanneer toetredingsdrempels hoog blijven, is operatordiversiteit beperkt, wat de algehele decentralisatie en veerkracht van het netwerk beperkt. Het verlagen van de toetredingsdrempel met behoud van operationele kwaliteit is essentieel voor de gezonde groei van het Solana-ecosysteem.

SLV is tot nu toe beschikbaar geweest als CLI-tool. In v0.10.0 wordt dat CLI-fundament volledig behouden, terwijl een nieuwe laag AI-agents in staat stelt het met precisie te bedienen.

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...

Operators hoeven niet langer commando's te onthouden of handmatig configuratiebestanden te bewerken. De AI-agent selecteert de juiste procedures, stelt configuratiewaarden voor, verifieert via een dry run, en gaat vervolgens over tot uitvoering.

Cruciaal is dat dit geen systeem is dat Solana-operaties overdraagt aan een generieke AI.

Het automatiseren van Solana-validatoroperaties met alleen een generieke AI levert geen stabiele resultaten op. Validatoroperaties omvatten talloze moeilijk te documenteren nuances — versiespecifieke vereisten, verschillen in netwerkconfiguratie en terugdraaiingsbeslissingen tijdens incidenten. Wanneer een AI opereert zonder deze kennis, worden onduidelijke procedures uitgevoerd, wat het risico op verslechterde validatorprestaties en een lagere netwerkkwaliteit met zich meebrengt.

De AI-agentvaardigheden in SLV v0.10.0 systematiseren de praktijkkennis die bij de ontwikkeling en het gebruik van SLV is opgebouwd in een vorm die AI-agents nauwkeurig kunnen raadplegen. Ze bestrijken de volledige mapping tussen CLI-commando's en Ansible-playbooks, aanbevolen versies, veilige operationele praktijken en veelvoorkomende valkuilen.

Omdat validatoroperaties vertrouwen vereisen, is de nauwkeurigheid van de kennisbasis waarop een AI-agent steunt van cruciaal belang. SLV biedt die kennisbasis.

SLV v0.10.0 introduceert drie AI-agentvaardigheden:

slv-validator — Een skill voor het implementeren en beheren van mainnet- en testnet-validators, met ondersteuning voor Jito-, Agave- en Firedancer-configuraties.

slv-rpc — Een skill gespecialiseerd in het implementeren en beheren van RPC-nodes, voor Standard-, Index- en Geyser gRPC-configuraties.

slv-grpc-geyser — Een skill voor het implementeren en beheren van gRPC Geyser-streaming, met ondersteuning voor Yellowstone en Richat.

Elke skill bevat SKILL.md met uitgebreide operationele kennis, AGENT.md die interactieve implementatieflows definieert, een geautomatiseerd installatiescript voor vereisten en voorbeeld-inventarisbestanden.

Skills bestaan uit gewone Markdown en Ansible, zonder lock-in aan een specifieke AI-agent. Ze werken met OpenClaw, Claude Code, Codex, Cursor, Windsurf en elke andere AI-codeeragent. U kunt de Ansible-playbooks ook direct uitvoeren zonder AI-agent.

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

v0.10.0 breidt de Firedancer-ondersteuning aanzienlijk uit. Het ondersteunt nu officieel firedancer-agave en firedancer-jito validatortypes, met geparametriseerde configuratietemplates (hugepages, poorten, identiteit), servicebeheer via firedancer.service en hugetlbfs-opruiming voor Firedancer-implementaties. Naarmate Firedancer aandacht krijgt als Solana's validatorclient van de volgende generatie, maakt volledige ondersteuning vanuit SLV het gemakkelijker voor meer operators om Firedancer te adopteren.

Wanneer een AI-agent operaties uitvoert, stelt SLV altijd eerst een dry run (--check-modus) voor. Wijzigingen worden vóór uitvoering beoordeeld, en de operator keurt goed voordat iets wordt toegepast.

Let op dat AI-agents zich anders gedragen afhankelijk van de prompts en instructies die ze ontvangen. Hoewel SLV's skills een nauwkeurig operationeel fundament bieden voor de AI-agent, blijft de uiteindelijke verantwoordelijkheid voor uitvoeringsbeslissingen en hun uitkomsten bij de operator. Dit verschilt niet van traditionele CLI-operaties — de vorm van het hulpmiddel verandert, maar de verantwoordelijkheid voor het beheer niet.

ELSOUL LABO heeft sinds 2022 vijf jaar op rij goedkeuring gekregen binnen de WBSO (Wet Bevordering Speur- en Ontwikkelingswerk), de fiscale R&D-regeling van de Nederlandse overheid. Onder de onderzoeksprojecten goedgekeurd voor 2026 bevindt zich "Onderzoek en ontwikkeling van automatisering van validatorplaatsing en operationele orkestratie" — en SLV v0.10.0's AI-agentvaardigheden vertegenwoordigen de directe implementatie van dit onderzoeksthema.

De onderzoeks- en ontwikkelingsactiviteiten van ELSOUL LABO zijn niet gescheiden van daadwerkelijke implementatie en operaties. Onderzoekshypothesen nemen vorm aan als implementaties, worden gevalideerd onder operationele beperkingen, en de ontdekte uitdagingen vloeien terug naar de volgende cyclus van onderzoek. SLV v0.10.0 is geboren uit deze cyclus.

SLV zal grotere precisie en geavanceerdere automatisering blijven nastreven door integratie met MCP (Model Context Protocol).

AI-agent-gestuurde validatoroperaties staan nog in de kinderschoenen. Hoewel de huidige release al mogelijk maakt dat implementatie en dagelijks beheer worden uitgevoerd via natuurlijke taal, zal MCP-integratie nog geavanceerdere automatisering ontgrendelen. Bijvoorbeeld, geautomatiseerde failover — een complexe procedure met meerdere stappen waar falen geen optie is — kan met grotere precisie worden uitgevoerd door AI-agents via MCP. Op monitoring gebaseerde besluitvorming, geïntegreerde orkestratie over meerdere nodes, en andere mogelijkheden die operationele betrouwbaarheid verder verhogen liggen in het verschiet.

Wat SLV biedt, is het betrouwbare fundament dat deze evolutie ondersteunt. Geen vage AI-adoptie, maar samenwerking met AI-agents ondersteund door precieze operationele kennis. SLV zal blijven evolueren als het fundament dat structureel de operationele kwaliteit van Solana ondersteunt en een omgeving creëert waarin iedereen kan deelnemen onder dezelfde voorwaarden.