NVIDIA-BioNeMo/bionemo-agent-toolkit

NVIDIA BioNeMo Agent Toolkit – 简介

目的 – 此存储库汇集了一系列“代理就绪技能”(agent-ready “skills”)，让基于语言模型的代理（例如 Claude-Code、Codex）能够调用 NVIDIA 的生命科学模型与工具。每项技能都包含代理执行特定生物信息学或药物开发任务所需的指令、脚本与参考资料，范围从蛋白质结构预测到小分子对接。

核心概念

技能 = 插件式封装：针对 NVIDIA NIM (NVIDIA Inference Model) 服务与开源库的封装。
代理可发现并安装：通过 skills CLI 或 Claude-Code 与 Codex 的原生插件市场进行安装。
工作流程：结合多项技能（例如：生成分子 → 对接 → 评分），让代理能够编排多步骤的管线。

如何开始

安装 skills CLI（由 Vercel 维护的工具）。接着可以交互式浏览目录，或直接安装单个技能，例如：
```
npx skills add NVIDIA-BioNeMo/bionemo-agent-toolkit --skill boltz2-nim --yes
```

指定特定的 LLM 代理，若您希望该技能出现在该代理的插件商店中：

npx skills add NVIDIA-BioNeMo/bionemo-agent-toolkit --skill diffdock-nim --agent claude-code

浏览目录而不进行安装：

npx skills add NVIDIA-BioNeMo/bionemo-agent-toolkit --list

此存储库亦提供 JSON 市场文件 (.agents/plugins/marketplace.json, .claude-plugin/marketplace.json)，以便通过代理的原生 UI 添加相同的技能。

主要功能 / 技能目录

领域	技能示例	功能概述 (高阶)
蛋白质结合设计	`protein-binder-design`, `complexa-binder-design`	使用 NVIDIA 的生成模型 (NIM 路由) 与 Proteina-Complexa 流模型，进行目标结合蛋白质的端到端从头设计。
虚拟筛选	`drug-discovery-pipeline`	生成候选分子 (GenMol)、进行对接 (DiffDock) 并评估结合亲和力 (Boltz-2)。
结构预测	`msa-structure-prediction-pipeline`	建立多重序列比对 (通过 ColabFold 进行 MSA-Search)，随后使用 OpenFold3 预测复杂结构。
个别 NIM 模型	`boltz2-nim`, `diffdock-nim`, `evo2-nim`, `genmol-nim`, `molmim-nim`, `openfold2-nim`, `openfold3-nim`, `proteinmpnn-nim`, `rfdiffusion-nim`	轻量级封装，让代理调用对应的 NVIDIA 托管推理端点 (例如：用于结合亲和力预测的 Boltz-2)。
开源模型	`complexa-`, `kermt-`, `codonfm-*`	设置、嵌入、评分或微调用于蛋白质设计、ADMET 预测或密码子层级语言建模的开源基础模型。
基因组学加速	`parabricks`, `genomics-workflow-acceleration`	调用 NVIDIA Parabricks 以进行 GPU 加速的基因组管线技能。
化学信息学工具	`nvmolkit-usage`	通过 `nvMolKit` 库提供 GPU 加速的指纹识别、相似度计算、分群、构象生成与子结构搜索。
等变神经网络原语	`cuequivariance`	暴露等变神经网络的构建块 (张量积、CG 系数)。

每项技能皆位于各自的文件夹中，并附有 SKILL.md 说明代理应遵循的确切步骤，以及选用的 scripts/ 与 references/。

评估 / “技能提升”(Skill Lift)

此存储库包含一个测试工具 (astra-skill-eval)，用于衡量技能在多大程度上提升了代理完成任务的能力。流程如下：

针对真实的 NVIDIA NIM 端点执行托管评估案例 (evals/evals.json)。
比较代理“有”技能与“无”技能时的性能。
ACES 评分器结合了确定性检查（例如：正确的 API 调用）与基于 LLM 的判断。

Boltz-2 技能的命令示例：

ASTRA_HARBOR_VIEWER_UPLOAD=0 astra-skill-eval evaluate nim-skills/boltz2-nim \
  --agent-eval -a claude-code --n-attempts 1 --timeout-multiplier 2.0 \
  --results-dir ./.nv-aces-verify

部分工作流程 (OpenFold3, MSA-Search → OpenFold3) 尚待验证，目前会超时。

适用对象

AI 辅助科学家：希望通过对话式代理 (Claude-Code, Codex 等) 执行复杂生物信息管线，而无需编写样板代码的人员。
工具开发者：正在构建自定义代理，且需要随插即用访问 NVIDIA 生命科学模型的人员。
研究人员：使用提供的评估工具，在真实科学任务上评估 LLM 代理性能的人员。

授权

代码 (脚本、测试) 采用 Apache-2.0 授权。技能定义与文档采用 CC-BY-4.0 授权。个别技能可能会引入具有自身条款的第三方数据。

总结 – NVIDIA BioNeMo Agent Toolkit 是一套真正的生产级、即用型封装集合，让 LLM 代理能够调用最先进的生命科学模型与库，将通用的编程代理转变为蛋白质设计、药物开发、基因组学等领域的专家。