公式発表NVIDIA
NVIDIA、AIエージェント向け「DOCA Skills」の検証動画を公開 BlueField-3向けRDMA開発のコード量を7割削減
NVIDIAは、AIコーディングエージェントに同社独自のデータセンター向け開発プラットフォーム「NVIDIA DOCA」の専門知識（スキル）を付与した際の開発効率を比較するデモ動画を公開しました。同一のAIエージェントに対し、BlueField-3 DPU上でのRDMA通信プログラム構築を指示したところ、スキルを持つエージェントはコード量を約73％削減し、ハードウェアへの試行錯誤コマンド数もほぼ半減させました。本記事では、この検証結果が示すAIによるインフラ開発の未来を解説します。
AI解析: gemini-3.5-flash
元動画: NVIDIA DOCA Skills vs No Skills: Building RDMA on NVIDIA BlueField-3 with Fewer Commands & Less Code
3秒でわかる要点
- 1NVIDIA DOCA Skillsを導入することで、AIエージェントの手書きコード量が695行から189行へと約73%削減されました。
- 2ハードウェアに対する試行錯誤のコマンド実行数が約37回から20回へとほぼ半減し、安全かつ迅速な開発を実現しました。
- 3スキルありエージェントは、NVIDIAが検証済みの既存サンプルコードを即座に特定し、ラッパーを記述する最適解を選択しました。
何が発表されたのか
NVIDIAは、データセンター向けインフラストラクチャ処理ユニット（DPU）である「NVIDIA BlueField-3」と、その開発プラットフォームである「NVIDIA DOCA」を対象に、AIコーディングエージェントの能力を劇的に向上させる「NVIDIA DOCA Skills」の検証デモを公開しました。本発表は、特定のハードウェアや低レイヤーSDKに関する専門知識（ドメイン知識）をAIエージェントに事前に「スキル」としてインプットしておくことで、開発効率がどのように変化するかを定量的に示したものです。研究段階の技術検証という位置づけですが、AIエージェントがインフラシステム開発において即戦力となり得ることを実証する極めて重要なデータとなっています。
発表された機能・アップデートの全容
AIエージェントに与えられたタスクと実行環境
今回のデモでは、2つのAIコーディングエージェントに対して全く同一のタスクが与えられました。そのタスクとは、「Go言語を使用し、NVIDIA DOCAを制御してBlueField-3 DPU上で実際のRDMA（Remote Direct Memory Access）トラフィックを送信するプログラムを構築し、ハードウェア上でデータが正常に到達したことを証明する」という難度の高いものです。実行環境には、実際にネットワーク接続されたBlueField-3が用意され、エージェントはSSH経由でコマンドを実行しながら開発を進めます。一方のエージェントにはDOCAに関する事前知識が与えられておらず（スキルなし）、もう一方にはDOCAのモジュール構成やサンプルコード、ビルド手順がパッケージ化された「NVIDIA DOCA Skills」が統合されています（スキルあり）。
「スキルなし」エージェントによる手動の探索プロセス
スキルを持たないエージェントは、完全に手探りの状態で開発を開始します。まず、対象のBlueField-3環境にどのようなDOCAライブラリやヘッダーファイルが存在するのかを把握するため、ファイルシステム内を検索（findやgrep）するコマンドを何度も実行します。「どのモジュールをインポートすべきか」「どのヘッダーファイルが必要か」「どのサンプルコードを参考にすべきか」を特定するために、何十回ものコマンドを実行してはエラーを確認するという、地道な試行錯誤を繰り返します。このプロセスは、開発者がマニュアルなしで未知のシステムに挑む状態を忠実に再現しており、ハードウェアに対する不要な負荷や、誤った設定を適用してしまうリスクを内包しています。
「スキルあり」エージェントによる最適サンプルの即時活用
これに対し、NVIDIA DOCA Skills（具体的には doca-rdma スキルと各種サンプル群）を統合されたエージェントは、開始直後から迷うことなく最適解へとアプローチします。エージェントは、NVIDIAが提供する検証済みの「DOCA RDMAサンプル」がローカル環境のどのパス（/opt/mellanox/doca/samples/...）に格納されているかを即座に特定しました。手探りでコードをゼロから書き起こすのではなく、既存の動作確認済みサンプルをベースにし、その上にGo言語から呼び出すための薄いラッパーコード（CGOを使用）を記述するという極めて合理的な開発手法を選択します。
DOCAプログラミングガイドスキルの役割とタスクモデル
スキルありエージェントは、doca-programming-guide スキルも活用しています。このスキルは、DOCAの非同期処理モデルである「DOCA Progress Engine」やタスクモデルの設計パターンをAIに提供するものです。これにより、エージェントは単にコードをコピー＆ペーストするだけでなく、BlueField-3のハードウェア特性に適合した正しいイベント駆動型のプログラム構造を自動的に選択しました。また、現在カードにインストールされている正確なDOCAバージョンを特定し、そのバージョンにピン留めされたビルド設定を生成することで、環境依存によるビルドエラーを未然に防いでいます。
他のライブラリやプロンプト条件における一貫した効果
NVIDIAは、今回のRDMA送信タスクだけでなく、他のライブラリやプロンプト条件における追加の検証結果も提示しています。例えば、プロンプトで明示的に「DOCAを使え」と指示しなかった場合、スキルなしエージェントはDOCAをバイパスしてLinuxカーネルの標準コマンドや生の libibverbs ライブラリ（低レベルRDMAライブラリ）を使用した非効率なコードを記述してしまいました。一方で、スキルありエージェントは指示がなくともDOCAの利用が最適であると判断し、一貫してDOCAのパイプラインやフロー制御（Flow）、通信チャネル（Comm Channel）、イーサネット（Ethernet）などの機能を適切に組み合わせたプログラムを生成しました。これにより、AIエージェントの出力品質がプロンプトの記述精度に左右されにくくなるという、実用上の大きなメリットが示されています。
性能・ベンチマーク
デモ動画で示された、スキルなしエージェントとスキルありエージェントの定量的なパフォーマンス比較は以下の通りです。同一のBlueField-3ハードウェア上で、最終的に「RDMA通信の成功とバイトデータの到達確認」という同一のゴールを達成するまでに要したリソースの差分が明確に示されています。
| 評価指標 |
スキルなし（手動探索） |
スキルあり（DOCA Skills適用） |
改善効果（編集部注） |
| 手書きのDOCAコード量 |
695行 |
189行 |
約73%のコード量削減 |
| ハードウェア操作コマンド数 |
約37回（試行錯誤を含む） |
約20回 |
約50%のコマンド数削減 |
| コードアプローチ |
ゼロからの手書き実装 |
検証済みサンプルの再利用＋ラッパー |
安全性と信頼性の向上 |
| 開発のステップ数 |
多数（エラーと修正のループ） |
最小限（直線的にビルドへ移行） |
開発時間の劇的な短縮 |
競合サービスとの比較
本技術は、一般的な汎用LLMやコーディングアシスタント（OpenAIのChatGPT、AnthropicのClaude、GoogleのGeminiなど）単体での利用と比較して、インフラ開発における圧倒的な優位性を持っています。以下にその比較をまとめます。
| 比較項目 |
汎用LLM（競合想定） |
NVIDIA DOCA Skills統合エージェント |
編集部による分析 |
| 低レイヤー知識の正確性 |
ハルシネーション（嘘）が発生しやすい |
実機に適合した正確なパスやAPIを特定可能 |
専門ドメインでは汎用AIの知識不足が顕著になります。 |
| 実機への安全性 |
誤ったコマンド実行によるフリーズのリスク |
検証済みの手順のみを実行するため安全 |
インフラやハードウェア制御では安全性が最優先されます。 |
| コードの最適性 |
冗長な低レベルコードをゼロから書きがち |
公式推奨のサンプルやアーキテクチャを適用 |
保守性の高いコードが自動生成されます。 |
| プロンプト依存度 |
指示が曖昧だと最適な技術選定に失敗する |
曖昧な指示でもDOCAを自動選択可能 |
開発者のプロンプト作成スキルに依存しません。 |
料金・提供プラン
デモ動画内では、この「NVIDIA DOCA Skills」自体の具体的な料金体系や個別の提供プラン、APIの課金単位などに関する言及はありません。ただし、NVIDIA DOCA SDKおよび関連する開発ツール群は、通常NVIDIAのデベロッパープログラムの登録ユーザー向けに提供されているか、BlueField DPUシリーズの購入者に付帯する形でライセンスが提供されています。本機能が将来的にどのような形で一般提供（GA）されるか、あるいは主要なAIエージェントフレームワークにプラグインとして統合されるかについては、今後の公式発表を待つ必要があります。
日本から使う方法
日本の開発者が、このデモと同等のAIエージェントによる自動開発環境を試すための現実的なステップは以下の通りです。
- ハードウェアの確保:
日本国内の正規代理店等を通じて、NVIDIA BlueField-3 DPU、または対応するサーバー環境を確保します。
- DOCA環境のセットアップ:
NVIDIAデベロッパーアカウントを作成し、最新のNVIDIA DOCA SDKおよびランタイム環境をBlueField-3にインストールします。
- AIエージェントフレームワークの準備:
ChatGPT（OpenAI）やその他のLLM APIを利用できる、自社開発またはオープンソースのAIコーディングエージェント環境（LangChainやAutoGPTなど）を構築します。
- ドメイン知識（スキル）のインプット:
動画で示された「doca-rdma」や「doca-programming-guide」に相当する、DOCAのAPI仕様書、サンプルコード、ディレクトリ構成などの構造化データを、RAG（検索拡張生成）やツール定義（Function Calling）の形でエージェントに統合します。現時点では、これらのスキルパッケージが一般公開されているわけではないため、ドキュメントを基に自社でエージェント用のナレッジベースを作成する必要があります。
誰にどう効くのか
システムエンジニア・インフラ開発者
低レイヤーのネットワークプログラミングにおける、膨大なマニュアルの読み込みと試行錯誤の時間が大幅に削減されます。検証済みのコードパターンが自動適用されるため、バグの混入を防ぎ、本来のロジック開発に集中できます。
開発リーダー・プロジェクトマネージャー
ハードウェアを直接操作する開発プロセスにおいて、AIの誤操作による実機のフリーズや設定破壊のリスクを最小限に抑えられます。開発工数の予測可能性が向上し、プロジェクト全体のスケジュール短縮に貢献します。
経営層・CTO
高度な専門知識を持つインフラエンジニアの採用難が続く中、AIエージェントに専門スキルを付与することで、既存メンバーの生産性を最大化できます。データセンターインフラの構築・運用の自動化を加速させ、TCO（総所有コスト）の削減を実現します。
まとめ
本デモは、汎用的なAIエージェントに「専門知識のスキル」を組み合わせることで、難解な低レイヤーハードウェア制御であっても、安全かつ極めて効率的に開発できることを証明しました。コード量73%削減、コマンド数半減という数値は、今後のシステム開発のあり方を大きく変えるインパクトを持っています。読者の皆様におかれましては、自社の開発プロセスにおける「専門知識の構造化」と、AIエージェントへの統合に向けた準備を今から進めることを推奨します。
動画のタイムテーブル
- 0:00AIコーディングエージェントへの同一タスク指示と検証開始
- 0:21スキルなしエージェントによる手動のDOCA探索プロセスの描写
- 0:35スキルありエージェントによるdoca-rdmaスキルの即時活用
- 0:50doca-programming-guideスキルによるタスクモデルの適用
- 1:08両エージェントのハードウェアコマンド実行数の比較（37回対20回）
- 1:18検証結果のまとめと各アプローチのステップ比較
- 1:36スキルがAIエージェントに提供した具体的なコンポーネントの解説
- 1:53コード削減率（73%）と開発プロセスの詳細な差異分析
- 2:34FlowやComm Channelなど他のライブラリにおける追加検証データの提示
記事で紹介したツール
この機能を、いま自分の環境で試す
記事の内容は公式発表の要約です。実際の使い勝手は触ってみないと分かりません。多くは無料枠から始められます。
公式サイトで試す→提供: OpenAI
本記事は元動画の映像・音声をAIが解析して自動生成したものです。誤りが含まれる可能性があるため、正確な仕様・料金は公式発表をご確認ください。元動画を見る（解析モデル: gemini-3.5-flash）
