フィールドコンテキスト：ai_tools.description（AIツールカタログページ）。 ルール： - 技術用語（例：RAG、LLM、RTX、VRAM、GitHub）はそのまま使用する。 - 製品名は原文のまま使用する（例：Ollama、LangChain、Qdrant）。 - コード、バージョン番号、URLは翻訳しない。 - 翻訳のみを出力する。前置きやコードフェンスは不要。 - 標準的な日本語のみを使用する。標準的な漢字（和製漢字）のみを使用し、中国語のみの文字は絶対に使用しない。 原文： NVIDIAが2026年6月23日に発表したBioNeMo Agent Toolkitは、汎用大規模言語モデル（LLM）を、新薬開発、タンパク質構造予測、ゲノム解析など、専門的な分子生物学研究を自律的に実行できるAI科学者エージェントに変換するための次世代オープンソース開発ツールキットである。このツールは、NVIDIAのNemotron、NemoClaw、OpenShell技術、および分子生物学用のNIMマイクロサービスを統合的に接続する高度なオーケストレーションフレームワークを提供する。開発者と研究者は、これを使用して、単純なテキスト応答やコーディング支援を超えて、生物学および化学データを深く推論し、仮説を検証し、最適な次の分析ステップを自律的に確立していく自律エージェント（Autonomous Agent）を構築できる。 従来のバイオコンピューティングおよびバイオインフォマティクス分析手法は、複数の独立したツール（例：AlphaFold、AutoDock、ゲノムアライメントツール）の個別の入出力を研究者が手作業で解析し、次のステップに連携させる必要があるという明確な限界があった。これは、翻訳者が辞書と文法書を参照しながら、各文を手動で組み立てる単純な反復作業のようで、研究の効率を大きく損なってきた。BioNeMo Agent Toolkitは、このような断片化されたワークフローを完全にインテリジェント化し、自動化する。特に、モデルコンテキストプロトコルサーバーアーキテクチャを導入することで、AIエージェントがタンパク質構造分析、分子結合力シミュレーション、遺伝子分析などの複雑な計算を実行できる、さまざまな専門的な「スキル」を状況に応じて動的に選択し、呼び出す能力を付与する。 生命工学の研究者たちは、このツールキットを使用して、標的タンパク質に対する低分子化合物のバーチャルスクリーニングプロセスを劇的に簡素化できる。たとえば、エージェントに標的タンパク質情報を提供すると、エージェントは自動的に`boltz2-nim`スキルを使用して、そのタンパク質の3D立体構造を予測した後、活性部位（Active Site）を識別する。次に、結合親和性（Binding Affinity）をシミュレーションするドッキングツールを呼び出し、候補化合物ライブラリの中から上位の有望な候補物質群を自動的に抽出し、その分析結果を整理された学術報告書として視覚化して提供する。このプロセスは、手作業で行っていた場合、数週間かかっていた分析ステップをわずか数時間で実行することで、実際の湿式実験（Wet-lab）に進む前の候補物質選別速度を飛躍的に短縮する。