Anthropic öppnade på torsdagen en forskningsförhandsvisning av Model Hardware Standard (MHS), en delad specifikation utformad för att låta AI-agenter säkert använda fysiska enheter som mikroskop, vätskehanterare och robotarmar, enligt ett tillkännagivande som publicerats på företagets webbplats.
Företaget ger en första grupp av vetenskapliga forskningslabb och avancerade tillverkare tillgång till förhandsvisningen och säger att de planerar att göra standarden öppen källkod när säkerhetsutvärderingar och bästa praxis har utvecklats med partners inom vetenskap, robotik, elektronik och tillverkning.
Lösning av integrationsflaskhalsen
Anthropic säger att projektet började som ett samarbete med HHMI Janelia Research Campus, forskningscampus för Howard Hughes Medical Institute. Problemet den riktar sig mot är bekant för alla som har arbetat i ett laboratorium eller på en fabriksvåning: de flesta instrument kommunicerar inte med varandra, och att integrera dem tar vanligtvis veckor eller månader av specialistarbete med att bygga skräddarsydda anslutningar.
Med MHS säger Anthropic att integrationsarbetet krymper till timmar eller minuter. När enheterna väl är anslutna kan AI-agenter orkestrera autonoma experiment dygnet runt, resonera genom varje steg i ett experiment, uppdatera parametrar i realtid och, i vissa fall, återhämta sig från hårdvarufel utan mänsklig inblandning. Företaget säger att standarden redan har använts för uppgifter som sträcker sig från rutinmässiga läkemedelsupptäcktsexperiment till laserkalibrering på en kvantdator.
För mer täckning av verktygen som omformar AI-utveckling, AI Buzz Wire spårar alla större utgåvor över hela branschen.
Hur standarden fungerar
Kärnan i MHS är en standardiserad drivrutin: programvara som översätter mellan en dators operativsystem och en hårdvaruenhet. Föraren avslöjar en enkel uppsättning primitiver - kommandon som "läs" (till exempel få temperatur) eller "skriv" (ställ in temperatur) - som vilken hårdvaruenhet som helst kan förstå och agera på.
Varje enhet görs också upptäckbar i ett standardformat, så att agenter och instrument kan hitta varandra över ett nätverk utan en anpassad översättare emellan. Enligt Anthropic ger föraren dessutom en agent den kontextuella kunskap som traditionellt har levt i pappersmanualer eller i en teknikers huvud - till exempel vikten av en robotarm, vilket är viktigt för att manipulera den på ett säkert sätt. Användare kan själva skriva in den informationen i naturliga taggar eller chatta med en agent som intervjuar dem om deras hårdvarukonfiguration. Föraren producerar sedan automatiskt en referensfil som beskriver vad enheten kan mäta, vad som kan justeras och vilka säkerhetsgränser som kommer att tillämpas.
Agenter kontrollerar hårdvara genom tre mekanismer: Model Context Protocol (MCP), ett kommandoradsgränssnitt och kodfiler som innehåller API:er. Tillsammans, säger Anthropic, tillåter dessa en agent att orkestrera flera enheter med en enda rad kod, sekvensera steg över instrument, övervaka resultat och justera parametrar när förhållandena ändras.
Vad Anthropic observerade med Claude
I tester rapporterar Anthropic att Claude interagerade med hårdvara på ett utforskande sätt som liknar hur en vetenskapsman arbetar. I ett exempel justerade modellen en laser, observerade resultaten genom en kamera för att se hur strålen rörde sig och upprepade processen för att förstå händelseförloppet. Claude paketerade sedan vad den hade lärt sig i ett deterministiskt skript, vilket gjorde att anpassningsproceduren kunde köras som ett enda kommando utan att modellen resonerade genom varje steg.
Det mönstret - en agent som utforskar interaktivt och sedan sammanställer sina resultat till repeterbar kod - är centralt för hur Anthropic förväntar sig att MHS ska användas för långvariga uppgifter som skulle vara långsamma eller dyra att övervaka kontinuerligt.
Modellagnostisk design
Anthropic positionerar MHS som infrastruktur snarare än en produktlåsning. Standarden fungerar med alla enheter som har ett programmerbart gränssnitt, och företaget säger att den är modellagnostisk: vilken agent som helst kan komma åt den med standardprotokoll som MCP. Det kan ha betydelse för adoption i forskningslabb, där utrustning från flera leverantörer och modeller från flera leverantörer ofta blandas.
Tillkännagivandet landar mitt i en hårdnande konkurrens för att koppla AI-modeller till den fysiska världen, med rivaler som söker robotfokuserade modeller och hårdvarupartners. Genom att inrikta sig på laboratorier och tillverkningslinjer först – miljöer med strukturerade, instrumenttunga arbetsflöden – satsar Anthropic på att vetenskaplig och industriell automation kommer att bli den första kommersiellt meningsfulla domänen för inkroppsförda agenter.
Vad du ska titta på
Forskningsförhandsvisningen är begränsad till en första grupp av partners, och Anthropic har inte meddelat något datum för frisläppandet av öppen källkod. Nyckelfrågor för de kommande månaderna inkluderar hur många enhetstillverkare som bygger MHS-drivrutiner, hur säkerhetsutvärderingarna som utvecklats med partners ser ut och om konkurrenter antar eller samverkar med standarden.
För laboratorier som väger införande är förslaget okomplicerat: hårdvaruintegration som en gång tog månader kunde bli en konfigurationsuppgift mätt i timmar, med agenter som kan köra experiment kontinuerligt i bakgrunden. Huruvida det löftet överlever kontakt med rörig, verklig utrustning är testet som forskningsförhandsvisningen är utformad för att besvara.
---
Stay ahead of AIFå de senaste AI-nyheterna, analyserna och genombrotten – allt på ett ställe.
Läs mer AI-nyheter →
