Tempo de leitura: 5 minutos
Olá, é um prazer inenarrável estar mais uma vez escrevendo este post. A NVIDIA anunciou a disponibilidade das DOCA Agent Skills no GitHub, um conjunto de habilidades criado para ajudar agentes de IA a desenvolver aplicações para a plataforma NVIDIA DOCA e os DPUs BlueField. A proposta é reduzir erros causados por APIs incorretas, incompatibilidades de hardware e configurações de compilação inadequadas.
Agentes de programação já conseguem escrever bastante código, mas infraestrutura especializada costuma exigir algo além de conhecimento geral. Um comando inventado ou uma função usada fora de contexto pode transformar uma tarefa aparentemente simples em horas de depuração. É justamente nesse ponto que entram as NVIDIA DOCA Agent Skills.
O que são as NVIDIA DOCA Agent Skills
As NVIDIA DOCA Agent Skills são arquivos estruturados no formato SKILL.md que fornecem aos agentes informações verificadas sobre componentes e fluxos de trabalho do DOCA. O material inclui assinaturas reais de APIs, requisitos de hardware, restrições de compilação, nomes de módulos do pkg-config e problemas comuns com suas possíveis soluções.
Na prática, a habilidade funciona como uma camada de conhecimento especializado. Em vez de depender apenas de padrões encontrados em dados gerais de treinamento, o agente pode consultar uma especificação voltada ao ambiente DOCA antes de sugerir código ou executar comandos.
As habilidades abrangem componentes como DOCA Flow, GPUNetIO, PCC e RDMA. Segundo a NVIDIA, elas não substituem o agente, mas oferecem o contexto necessário para que ele raciocine de maneira mais próxima à de um desenvolvedor experiente na plataforma.
Por que as NVIDIA DOCA Agent Skills são necessárias
O DOCA cobre funções de rede acelerada, armazenamento, segurança, telemetria e gerenciamento do ciclo de vida em sistemas baseados nos DPUs BlueField. Além disso, o comportamento disponível pode depender do hardware instalado, do firmware e do ambiente de compilação.
Isso cria uma diferença importante entre escrever um exemplo genérico e construir uma aplicação que realmente compile, seja compatível com o dispositivo e possa ser executada com segurança. Um agente sem conhecimento específico pode assumir que determinada função existe, ignorar uma limitação do equipamento ou recomendar uma alteração arriscada em um sistema em produção.
Para medir esse problema, a NVIDIA comparou respostas de agentes com e sem as habilidades em 65 prompts de desenvolvimento DOCA. Sem as skills, os agentes atenderam a 19% dos itens avaliados. Com elas, atenderam a 100% dos critérios nos prompts analisados pela empresa.
A avaliação também registrou falhas recorrentes sem as habilidades: uso incorreto de APIs em 59 dos 65 prompts, ausência de verificação de capacidade de hardware em 46, roteamento inadequado de ferramentas em 39, falta de testes de fumaça em 34 e versões presumidas em 30 casos.
Como as NVIDIA DOCA Agent Skills ajudam no desenvolvimento
APIs verificadas antes do código
Em um exemplo envolvendo o DOCA Comch, o agente com as skills utiliza chamadas reais, respeita a ordem dos argumentos e segue a sequência correta do ciclo de vida. Isso evita que o desenvolvedor comece a integração corrigindo funções ou flags que nunca existiram.
Esse tipo de assistência é especialmente útil quando a aplicação depende de bibliotecas extensas e de detalhes que não aparecem em exemplos genéricos. O objetivo não é apenas gerar código mais rapidamente, mas diminuir a quantidade de correções entre a primeira resposta e uma implementação funcional.
Verificação de hardware
As habilidades também orientam o agente a verificar se o equipamento realmente oferece os recursos necessários. Em um cenário de RDMA iniciado por um kernel CUDA, por exemplo, o fluxo considera a topologia PCIe entre GPU e NIC e a compatibilidade com GPUNetIO antes de comprometer a aplicação com determinada interface.
Essa ordem faz diferença. Escrever primeiro e descobrir a incompatibilidade apenas ao executar no hardware é como projetar uma ponte sem conferir se existe chão do outro lado. A verificação antecipada reduz retrabalho e ajuda a identificar APIs alternativas quando a configuração original não é suportada.
Compilação e linkedição
Outro caso apresentado pela NVIDIA envolve um programa DOCA Flow que compila, mas falha na etapa de linkedição com uma referência indefinida. Com as skills, o agente reconhece a natureza do erro e orienta o uso do pkg-config para obter as flags corretas do linker, em vez de sugerir parâmetros inventados.
Alterações de firmware com mais cautela
O cenário mais sensível envolve mudanças de nível de firmware em um BlueField-3 usado em produção. Segundo a NVIDIA, o agente equipado com as habilidades considera inventário prévio, caminho de gerenciamento fora de banda, janela de manutenção, plano de reversão e a necessidade de um desligamento completo para que alterações no estilo do mlxconfig tenham efeito.
Esse último ponto é importante porque uma reinicialização comum não equivale necessariamente a um ciclo de energia completo. Para mudanças que afetam hardware, a resposta correta não deve se limitar ao comando: ela precisa incluir as condições para executar a operação sem transformar um teste em incidente.
Resultados apresentados pela NVIDIA com as NVIDIA DOCA Agent Skills
Em uma demonstração com dois agentes encarregados de criar uma aplicação Go para enviar tráfego RDMA em um BlueField-3, ambos conseguiram concluir a tarefa. A diferença esteve no caminho utilizado: o agente com skills escreveu 189 linhas de código manual, contra 695 do agente sem skills, uma redução de 73%.
O agente equipado também executou 20 comandos de hardware, enquanto o outro usou 37. De acordo com a NVIDIA, isso representa uma redução de 46% nesse indicador. Os números foram apresentados pela própria empresa e refletem a demonstração e a avaliação descritas no anúncio, não uma garantia de desempenho para todos os projetos.
O lançamento também se conecta a uma tendência mais ampla de desenvolvimento orientado por agentes. Em abordagens como as descritas no artigo do Planksnet sobre desenvolvimento nativo de IA, a utilidade do agente depende não apenas do modelo, mas da forma como tarefas, validações e ferramentas são organizadas.
Como começar a usar as NVIDIA DOCA Agent Skills
As habilidades estão disponíveis no repositório NVIDIA/skills no GitHub. O material inclui habilidades gerais e opções específicas para DOCA Flow, GPUNetIO, RDMA e outros componentes.
Para equipes que já utilizam agentes no desenvolvimento de infraestrutura, a proposta é relativamente direta: fornecer ao agente um conhecimento de domínio verificável antes de pedir que ele escreva código ou execute mudanças. Ainda assim, respostas geradas por agentes devem ser revisadas, especialmente quando envolvem firmware, produção ou operações irreversíveis.
No fim, as NVIDIA DOCA Agent Skills não tornam o desenvolvimento automático nem eliminam a necessidade de experiência técnica. Elas atacam um problema mais específico: impedir que o agente precise redescobrir APIs, requisitos de hardware e regras de implantação por tentativa e erro. Em aplicações de infraestrutura, essa diferença pode separar uma demonstração rápida de uma sequência longa de correções.
