NVIDIA BioNeMo Agent Toolkit 完全指南：用一条命令给 AI Agent 装上十年生命科学功力
从通用问答到专业实验：AI Agent 的生命科学短板
当前 AI 编码 Agent（Claude Code、Codex、Cursor 等）在写代码、查文档、重构项目方面已经非常熟练，但一旦遇到生命科学领域的任务——蛋白质折叠预测、分子对接模拟、基因组序列分析——它们就无能为力了。不是模型不够聪明，而是缺少专业工具链的调用能力：一个通用 Agent 不知道怎么选 DiffDock 还是 Boltz-2，不知道 MSA-Search 的输入格式是什么，更不知道怎么解释分子对接结果。
NVIDIA 在 2026 年 6 月发布的 BioNeMo Agent Toolkit 正是为了解决这个问题。它将 NVIDIA 过去十年积累的生命科学库、工具和开放模型打包成可安装的 Agent 技能（Skills），让任何 AI Agent 在几分钟内获得生命科学专家的能力。
目前已有 Anthropic、OpenAI、Lilly、Databricks 等 50 多家领先公司接入 BioNeMo Agent Toolkit，用于加速药物发现和生物标志物研究。
快速上手：一条命令安装
BioNeMo Agent Toolkit 通过 Vercel 的 skills CLI 分发，安装过程极简：
npx skills add NVIDIA-BioNeMo/bionemo-agent-toolkit npx skills add NVIDIA-BioNeMo/bionemo-agent-toolkit --skill boltz2-nim --yes npx skills add NVIDIA-BioNeMo/bionemo-agent-toolkit --skill boltz2-nim --agent claude-code npx skills add NVIDIA-BioNeMo/bionemo-agent-toolkit --skill boltz2-nim --agent codex npx skills add NVIDIA-BioNeMo/bionemo-agent-toolkit --list
每条技能都是一个包含 SKILL.md（YAML 元数据 + 指令）、可选 references/ 和 scripts/ 的目录，安装后自动注册到对应 Agent 的插件系统中。
对于 Codex 和 Claude Code 用户，仓库还提供了原生插件市场配置文件（.agents/plugins/marketplace.json 和 .claude-plugin/marketplace.json），可以通过 Agent 自身的插件管理器直接发现和安装。
技能目录总览
BioNeMo Agent Toolkit 包含 15+ 条可直接调用的 Agent 技能，覆盖生命科学研究的核心环节：
蛋白质相关技能
| 技能 | 功能 | 技术基础 |
|---|---|---|
boltz2-nim | 生物分子结构预测 + 结合亲和度 | Boltz-2 NIM |
openfold2-nim | 单体蛋白质结构预测 | OpenFold2 NIM |
openfold3-nim | 蛋白质复合物结构预测 | OpenFold3 NIM |
proteinmpnn-nim | 逆折叠 / 基于目标骨架的序列设计 | ProteinMPNN NIM |
rfdiffusion-nim | 从头蛋白质骨架和结合剂设计 | RFdiffusion NIM |
药物发现管线的技能
- protein-binder-design：完整的从头结合剂设计工作流（含 NIM 路线和 Proteina-Complexa 路线）
- complexa-binder-design：基于 Proteina-Complexa 的高质量结合剂生成（预训练流模型 + 推理时优化）
- drug-discovery-pipeline：生成候选分子 → 对接至靶点 → 打分结合亲和度（GenMol → DiffDock → Boltz-2 全流程）
- msa-structure-prediction-pipeline：构建多序列比对 → 预测结构（MSA-Search → OpenFold3）
分子生成与分析
- genmol-nim：从头分子生成、骨架修饰、先导化合物优化
- molmim-nim：隐空间小分子生成与优化
- diffdock-nim：小分子对接与结合姿态预测
- evo2-nim：DNA 序列生成与变异打分
- kermt-*：基于图神经网络的分子性质预测（ADMET），含设置、推理、嵌入、微调、预训练等 8 个子技能
- nvmolkit-usage：GPU 加速化学信息学库（分子指纹、Tanimoto/余弦相似度、Butina 聚类、构象生成）
基因组学
- parabricks / genomics-workflow-acceleration：基于 Parabricks 的加速基因组分析工作流
- msa-search-nim：通过 ColabFold 构建多序列比对
实战：让 Claude Code 具备蛋白质结构预测能力
以最简单也最常用的场景为例——在 Claude Code 中安装 boltz2-nim 技能：
npx skills add NVIDIA-BioNeMo/bionemo-agent-toolkit --skill boltz2-nim --agent claude-code --yes
安装完成后，在 Claude Code 会话中直接输入自然语言指令：
“Predict the 3D structure of this protein sequence and estimate its binding affinity with ligand XYZ”
Claude Code 会自动加载 boltz2-nim 技能中的结构化指令，执行以下步骤：
- 校验输入序列格式（FASTA）
- 准备 NIM 微服务调用参数
- 调用 Boltz-2 运行结构预测
- 解析输出 PDB 文件和结合亲和度分数
- 用自然语言解释预测结果
整个过程中 Agent 不需要手动编写任何脚本——技能已封装了从输入准备到结果解释的完整流程。
实战：自动化虚拟筛选管线
对于药物发现场景，drug-discovery-pipeline 元技能将三个步骤串联成一条完整管线：
npx skills add NVIDIA-BioNeMo/bionemo-agent-toolkit --skill drug-discovery-pipeline --agent claude-code --yes
在会话中描述需求：
“Generate novel molecules targeting protein ABC, dock them to the binding site, and rank by binding affinity”
Agent 自动执行：
- GenMol 生成候选分子库
- DiffDock 将每个分子对接至靶点结合位点
- Boltz-2 计算结合亲和度并排序
每条技能都包含完整的输入输出规范和错误处理逻辑，Agent 能在中间步骤失败时自动重试或选择替代方案。
工作原理：技能即结构化指令集
每条 BioNeMo 技能的核心是一个 SKILL.md 文件，包含：
--- name: boltz2-nim description: Biomolecular structure prediction + binding affinity tools: - nvidia-nim references: - docs/nim/boltz2.md scripts: - prepare_input.py - parse_output.py ---
YAML 元数据声明了技能的名称、描述、依赖工具和参考文档，Markdown 正文则给出了 Agent 在调用该技能时应遵循的分步指令——包括如何选择工具、准备输入、运行任务、检查输出和解释结果。
这种设计使得 BioNeMo 技能完全引擎无关——同样的技能文件可以安装在 Claude Code、Codex 或任何支持 MCP 协议的 Agent 上。
部署方式
BioNeMo Agent Toolkit 支持多种部署方式：
- NVIDIA NIM 微服务：云端部署，即开即用
- 本地 Docker：通过 NVIDIA OpenShell 安全运行时在本地容器中执行
- 企业自有基础设施：支持私有化部署，数据不出企业边界
NVIDIA 还提供了 Nemotron 推理基础模型、NeMo RL 强化学习库和 NemoClaw 安全 Agent 蓝图，用于构建具备推理、工具调用和持续交互能力的生产级生命科学 Agent。
生态与合作伙伴
BioNeMo Agent Toolkit 已获得从 AI 实验室到传统制药巨头的广泛支持：
- 前端实验室：Anthropic、OpenAI 使用 BioNeMo 技能为 Agent 补充科学工具调用能力
- 科学平台：Benchling、Databricks、Snowflake、Seqera 将技能集成到数据工作流中
- 制药企业：Lilly、Natera 将 Agent 管线延伸至发现、转化研究和临床洞察
- CRO 软件：Dassault Systèmes、Cadence (OpenEye)、Schrödinger 将技能融入计算机辅助药物设计平台
- 自动化实验室：Thermo Fisher、Tecan、Automata 将实验室仪器与 BioNeMo 驱动的计算管线打通
许可证
项目采用双重许可模式：
- 源代码（脚本、测试、构建工具）：Apache-2.0
- 技能和文档（SKILL.md、工作流、README）：CC-BY-4.0
这意味着你可以自由使用和修改技能文件，而底层工具的调用可能涉及额外许可。
总结
BioNeMo Agent Toolkit 解决了 AI Agent 在生命科学领域的一个根本问题：有大脑但没工具。通过将 NVIDIA 十年的科学计算积累封装为一条简单的 npx skills add 命令，任何 AI 编码 Agent 都能在几分钟内掌握蛋白质折叠、分子对接、基因组分析等专业能力。
对于开发者来说，这也是一个理解「Agent 技能系统」设计哲学的绝佳案例——将领域专业知识结构化、模块化、工具化，让 Agent 不再是「回答问题的聊天机器人」，而是「能完成科学工作的协作伙伴」。
相关链接