NVIDIA ha rilasciato BioNeMo Agent Toolkit, un toolkit open source pensato per costruire agenti AI specializzati nelle scienze della vita senza dover sviluppare da zero integrazioni, script e logiche operative per ogni modello scientifico. Il progetto raccoglie librerie, strumenti e modelli NVIDIA dedicati a biologia computazionale, chimica, genomica e scoperta di farmaci, trasformandoli in capacità richiamabili da agenti generici, piattaforme di ricerca e sistemi interni delle aziende biofarmaceutiche.
Il punto centrale non è un nuovo modello linguistico, ma un livello di “skill” che insegna all’agente come utilizzare strumenti specialistici. Ogni skill contiene istruzioni strutturate, script, riferimenti, requisiti di input, artefatti attesi e indicazioni per interpretare i risultati. Un agente può quindi capire quale modello usare per un compito, preparare i dati nel formato richiesto, eseguire il tool, controllare l’output e decidere il passaggio successivo senza limitarsi a produrre una risposta testuale.
Il toolkit include capacità per previsione della struttura proteica, molecular docking, chimica generativa, analisi genomica, protein design e scoperta di biomarcatori. In una pipeline per la ricerca farmaceutica, per esempio, un agente può partire da una domanda su una proteina bersaglio, raccogliere letteratura e dati disponibili, generare o selezionare molecole candidate, stimarne l’interazione con il bersaglio tramite docking, controllare proprietà rilevanti e proporre una lista di esperimenti o candidati da validare. NVIDIA descrive il sistema come un’infrastruttura per collegare ragionamento, modelli scientifici, valutazione dei risultati e workflow computazionali multi-step.
BioNeMo Agent Toolkit utilizza componenti dell’ecosistema NVIDIA già impiegati nella ricerca scientifica. NVIDIA NIM fornisce microservizi per distribuire modelli e inferenza; Parabricks è utilizzato per analisi genomiche accelerate; NeMo supporta la costruzione e l’ottimizzazione di agenti; Nemotron fornisce modelli di ragionamento e linguaggio; NemoClaw e OpenShell possono invece estendere l’agente con funzioni operative come scrittura di codice, modifica di file, gestione di strumenti e controlli di sicurezza.
Il progetto è compatibile con agenti e ambienti diversi. Il repository indica l’installazione tramite skills CLI e permette di associare una skill a strumenti come Claude Code o Codex, oltre a utilizzarla in sistemi personalizzati. Questo significa che il toolkit non vincola il ricercatore a un singolo assistente conversazionale: la componente scientifica viene distribuita come insieme di procedure e integrazioni riutilizzabili, mentre il modello AI può essere scelto o sostituito in base ai requisiti di costo, privacy, deployment e capacità di ragionamento.
NVIDIA riferisce che oltre 50 aziende e istituzioni di ricerca stanno già usando il toolkit. Tra gli adottanti e gli integratori indicati figurano Dassault Systèmes, Databricks, Lilly, Schrödinger, Snowflake e l’Institute for Protein Design dell’Università di Washington, mentre Anthropic e OpenAI vengono citate tra le aziende che stanno integrando il toolkit nei propri agenti scientifici.
Nei test presentati da NVIDIA, l’aggiunta delle BioNeMo Skills a un agente basato su Codex CLI e GPT-5.5 Fast ha aumentato il tasso di completamento dei task dal 57,1% al 100% e ha migliorato l’efficienza nell’uso dei token. Il dato è riferito a workflow valutati dall’azienda e non sostituisce la validazione sperimentale, ma chiarisce il ruolo del toolkit: ridurre gli errori nell’uso degli strumenti scientifici e rendere gli agenti più capaci di completare sequenze operative reali, invece di fermarsi alla consultazione della letteratura o alla generazione di ipotesi.
BioNeMo Agent Toolkit viene distribuito con doppia licenza: il codice sorgente, inclusi script e test, è rilasciato con licenza Apache 2.0; skill, documentazione e materiali descrittivi sono invece distribuiti con licenza Creative Commons Attribution 4.0. Le singole skill possono comunque dipendere da dataset o servizi di terze parti con condizioni specifiche, un elemento rilevante per chi intende utilizzare il toolkit in ambienti commerciali o regolati.
L’obiettivo pratico è rendere gli agenti AI utilizzabili come interfaccia per il calcolo scientifico. Il ricercatore può formulare un obiettivo biologico o chimico, ma il sistema deve anche conoscere i modelli disponibili, i limiti dei dati, le condizioni di esecuzione, la forma degli output e il significato dei risultati. BioNeMo Agent Toolkit prova a codificare proprio questa parte operativa, collegando agenti, software scientifico e infrastruttura di calcolo in workflow ripetibili per ricerca su proteine, molecole, genomi e biomarcatori.