NVIDIA lança DOCA Agent Skills para melhorar o desenvolvimento de infraestrutura BlueField

A NVIDIA publicou no GitHub um conjunto de DOCA AI agent skills criado para ajudar agentes de programação a desenvolver aplicações para unidades de processamento de dados NVIDIA BlueField com menos chamadas de API não suportadas e erros relacionados ao hardware. A iniciativa aborda um problema específico, mas relevante: agentes de programação de uso geral frequentemente não têm o conhecimento específico do dispositivo necessário para software de infraestrutura.

O pacote de skills fornece aos agentes informações estruturadas sobre APIs, recursos de hardware, requisitos de compilação e restrições de implantação em toda a plataforma de software NVIDIA DOCA. Segundo a NVIDIA, a abordagem pode reduzir os ciclos de correção quando desenvolvedores criam aplicações de rede, armazenamento, segurança e telemetria para sistemas BlueField.

O que mudou para os desenvolvedores de BlueField

A NVIDIA DOCA é a plataforma de software da empresa para desenvolver aplicações em DPUs BlueField. Ela cobre funções como redes aceleradas, armazenamento orientado por IA, segurança integrada ao silício, telemetria e gerenciamento do ciclo de vida. As novas DOCA AI agent skills pretendem oferecer aos agentes de programação uma base técnica mais confiável do que apenas dados gerais de treinamento.

Cada skill é fornecida em um formato aberto e leve, centrado em um arquivo SKILL.md. Segundo a NVIDIA, os arquivos contêm assinaturas de API verificadas, requisitos de capacidade de hardware, restrições de contêineres de compilação, nomes de pacotes e modos de falha conhecidos. As skills são direcionadas a componentes ou fluxos de trabalho específicos da DOCA, em vez de serem apresentadas como um único conjunto amplo de instruções.

Por exemplo, uma skill para DOCA Flow pode fornecer as assinaturas corretas de funções e os nomes dos módulos pkg-config, além de informar ao agente quais condições de compilação e mitigações comuns se aplicam. A NVIDIA afirma que as skills abrangem a biblioteca DOCA de forma ampla, incluindo DOCA Flow, GPUNetIO, PCC e RDMA.

Os arquivos não substituem o próprio agente de programação. Em vez disso, a NVIDIA os descreve como uma camada legível por máquina de conhecimento de domínio que permite a um agente verificar seu código proposto em relação às restrições relevantes de software e hardware antes de produzi-lo ou implantá-lo.

A avaliação da NVIDIA mostra uma grande diferença — mas é relatada pelo fornecedor

A NVIDIA testou agentes com 65 prompts de desenvolvimento DOCA, desde perguntas curtas até tarefas de implementação com vários requisitos. A empresa avaliou as respostas com checklists específicos para cada tarefa, baseados em aprovação ou reprovação.

Na avaliação da NVIDIA, agentes sem as skills cumpriram 19% dos itens dos checklists, enquanto agentes que usaram as skills cumpriram 100% em todos os 65 prompts. A empresa afirmou que funções não suportadas, flags incorretas e tags de imagem inválidas eram problemas recorrentes nas respostas sem assistência. Segundo o relatório, o uso incorreto de APIs apareceu em 59 dos 65 prompts.

Esses números indicam o possível valor de fornecer aos agentes contexto estruturado e autorizado para trabalhos de infraestrutura especializada. Eles também devem ser lidos como o benchmark da própria NVIDIA, não como uma avaliação independente de todos os agentes de programação ou fluxos de trabalho DOCA. O material de origem não identifica todos os modelos, configurações de agentes, detalhes de pontuação ou avaliadores externos envolvidos no teste. Portanto, os resultados ainda não estabelecem como as skills funcionarão em diferentes ferramentas e ambientes de produção.

A NVIDIA também apresentou uma demonstração comparativa envolvendo uma aplicação RDMA baseada em Go em um sistema BlueField-3. A empresa disse que o agente que usou as skills exigiu 73% menos código escrito manualmente e 46% menos comandos de hardware do que o agente sem elas. Esses também são resultados relatados pelo fornecedor a partir de uma demonstração, não um estudo geral de produtividade.

Por que os detalhes importam para as equipes de infraestrutura

O problema abordado pela NVIDIA é mais grave no desenvolvimento de infraestrutura do que em muitas tarefas de programação no nível da aplicação. Uma função inventada pode gerar um erro de compilação visível em um projeto de software convencional. Em uma DPU, uma suposição incorreta também pode envolver suporte ao dispositivo, estado do firmware, compatibilidade do contêiner, configuração do link ou uma alteração que exija reinicialização ou ciclo de desligamento e religamento.

A NVIDIA afirma que as skills permitem aos agentes verificar o suporte ao dispositivo antes de escrever o código e aplicar verificações preliminares antes de fazer alterações no nível do firmware. Elas também podem orientar o planejamento de rollback e considerar situações em que seja necessário um ciclo completo de desligamento e religamento. Essas verificações são relevantes para equipes que não podem tratar a infraestrutura física como um ambiente de desenvolvimento infinitamente repetível.

Para os desenvolvedores, o benefício prático não é simplesmente gerar menos linhas de código. O ganho potencial maior é reduzir o número de ciclos entre a primeira resposta de um agente e uma aplicação funcional em hardware real. Um engenheiro de redes que desenvolva um pipeline DOCA Flow ou um desenvolvedor de RDMA que configure um fluxo de trabalho entre host e DPU pode passar menos tempo corrigindo interfaces inventadas e mais tempo validando o comportamento.

Para compradores corporativos, entretanto, as skills não eliminam a necessidade de testes, controles de acesso ou revisão humana. Uma descrição de API legível por máquina pode melhorar o ponto de partida de um agente, mas não garante que o código gerado seja seguro para uma rede de produção, compatível com uma versão específica do firmware ou adequado à política de segurança de uma implantação.

Skills abertas como estratégia de distribuição

A NVIDIA disponibiliza as skills DOCA pelo repositório NVIDIA/skills no GitHub, dando aos desenvolvedores uma forma direta de inspecionar e usar o material junto às suas ferramentas de programação de IA preferidas. O modelo baseado em repositório também cria um caminho para que as orientações evoluam conforme mudem as interfaces DOCA, o hardware compatível e os ambientes de compilação.

Essa escolha de distribuição é importante porque agentes especializados em infraestrutura só são úteis se suas instruções permanecerem alinhadas ao software que operam. A descrição da NVIDIA enfatiza contratos verificados e requisitos de hardware, e não uma ampla competência conversacional. Manter essa precisão será essencial à medida que as plataformas BlueField e os componentes DOCA evoluírem.

O anúncio também reflete uma direção mais ampla no desenvolvimento assistido por IA: em vez de esperar que um modelo geral memorize cada sistema especializado, os fornecedores empacotam o contexto de domínio para que os agentes o carreguem durante a tarefa. Neste caso, o domínio não é um framework de aplicações de consumo, mas uma pilha de hardware e software na qual suposições incorretas podem atrasar a implantação.

O que observar a seguir

O primeiro sinal será saber se desenvolvedores fora da NVIDIA conseguem reproduzir as melhorias relatadas com diferentes agentes de programação, modelos e versões da DOCA. Avaliações independentes devem esclarecer se a diferença de 19% para 100% nos checklists se mantém além do conjunto de prompts da NVIDIA.

As equipes também devem observar com que rapidez o repositório acompanha mudanças no hardware BlueField, no firmware, nas imagens de contêiner e no comportamento das APIs. Skills desatualizadas podem reintroduzir os mesmos problemas de confiabilidade que deveriam reduzir.

Um terceiro sinal é a adoção em fluxos de trabalho completos, e não apenas em demonstrações. Evidências de que as skills ajudam em testes, depuração, rollback e implantação em produção — não somente na geração inicial de código — mostrariam se elas reduzem o risco operacional além do esforço dos desenvolvedores.

Perspectiva da Creati.ai

O lançamento da NVIDIA é uma resposta direcionada a uma limitação real dos agentes de programação de uso geral: fluência não é o mesmo que conhecimento preciso de uma plataforma de hardware especializada. Ao expor as restrições de API e dispositivo em um formato estruturado, a NVIDIA tenta aproximar a assistência dos agentes de uma ferramenta de engenharia e afastá-la da geração de código plausível.

As afirmações mais fortes continuam sob controle do fornecedor, e o valor das skills dependerá de manutenção, testes independentes e integração com salvaguardas de implantação. Ainda assim, a abordagem oferece um modelo prático para fornecedores de infraestrutura: fornecer aos agentes conhecimento operacional versionado e legível por máquina, em vez de depender de que os modelos deduzam detalhes críticos a partir de dados genéricos de treinamento.