Model Hardware Standard. Nowy protokół Anthropic łączy agentów AI z mikroskopami, robotami i sprzętem laboratoryjnym

Dwa lata po Model Context Protocol Anthropic bierze się za komunikację AI z fizycznym sprzętem. Firma zaprezentowała Model Hardware Standard, czyli MHS, specyfikację pozwalającą agentom AI obsługiwać m.in. mikroskopy, dozowniki cieczy i ramiona robotyczne. Standard ma ograniczyć potrzebę tworzenia osobnych integracji dla każdego urządzenia i skrócić przygotowanie sprzętu z tygodni lub miesięcy do godzin, a nawet minut. Na razie MHS jest dostępny w ramach ograniczonego programu testowego.

Anthropic prezentuje Model Hardware Standard, protokół mający ujednolicić sposób, w jaki agenci AI komunikują się z fizycznym sprzętem, od urządzeń laboratoryjnych po ramiona robotyczne.

Współtwórca Neuralinka rzuca wyzwanie Elonowi Muskowi. Jego implant do oka właśnie podbija Europę

Model Hardware Standard ma rozwiązać problem, który staje się coraz bardziej widoczny wraz z rozwojem agentów AI. Model potrafi planować eksperyment, ale nadal potrzebuje specjalnego oprogramowania, aby wykonać go na konkretnym urządzeniu. MHS wprowadza wspólny standard sterowników, dzięki któremu agent może wykrywać urządzenia, odczytywać ich stan i wydawać polecenia niezależnie od producenta sprzętu. Anthropic porównuje tę koncepcję do USB-C, choć w tym przypadku chodzi o warstwę programową, a nie fizyczne złącze. MHS współpracuje z Model Context Protocol, zaprezentowanym przez Anthropic w 2024 roku. MCP służy do łączenia agentów AI z narzędziami i danymi, natomiast MHS rozszerza ten model na urządzenia fizyczne. Dzięki temu agent może za pośrednictwem jednego interfejsu komunikować się z mikroskopem, kamerą, ramieniem robota czy urządzeniami laboratoryjnymi. Standard jest przy tym niezależny od konkretnego modelu AI, może korzystać z niego dowolny agent obsługujący odpowiedni interfejs. 

Gemini Robotics 2 - robot poprawia błąd w locie zamiast zaczynać zadanie od nowa. Apollo 2 i Franka F3 Duo w akcji

Najważniejsza zmiana dotyczy sterowników. MHS definiuje standardowy zestaw operacji, takich jak „read” do odczytywania parametrów urządzenia oraz „write” do ich zmiany. Sprzęt staje się dzięki temu wykrywalny w ujednoliconym formacie, a agent może uzyskać informacje o jego możliwościach bez pisania osobnego „tłumacza” dla każdego producenta. Anthropic pozwala również opisywać w naturalnym języku cechy urządzenia i jego ograniczenia, np. wagę ramienia robota czy parametry bezpiecznej pracy. Takie informacje mogą być istotne, ponieważ model nie musi znać ich z danych treningowych ani domyślać się ich na podstawie kodu. To właśnie integracja sprzętu jest jednym z największych wąskich gardeł automatyzacji laboratoriów. Anthropic twierdzi, że przygotowanie urządzeń do współpracy z systemem AI może obecnie zajmować tygodnie lub miesiące. MHS ma skrócić ten proces do godzin lub minut. W praktyce oznacza to możliwość połączenia kilku urządzeń w jeden zautomatyzowany proces, w którym agent nie tylko planuje kolejne kroki, ale również na bieżąco odczytuje stan sprzętu, zmienia parametry i reaguje na wyniki eksperymentu. 

Wrocławski zespół Shen AI zdobywa certyfikację MDR dla bezkontaktowego pomiaru ciśnienia krwi

Anthropic pokazał już kilka takich zastosowań. W jednym z eksperymentów agent Claude obsługiwał układ laboratoryjny składający się m.in. z dozownika cieczy, ramienia robotycznego i czytnika płytek. System analizował wyniki kolejnych prób i sam korygował parametry procesu. W innym pokazie Claude sterował ramieniem robota, które miało podnieść aluminiową puszkę, mimo że nie był wcześniej trenowany pod kątem konkretnego ruchu. Firma prezentuje również zastosowanie MHS do kalibracji lasera wykorzystywanego w komputerze kwantowym. Anthropic nie próbuje przy tym konkurować z NVIDIĄ w tworzeniu kompletnego stosu robotycznej AI. MHS nie jest modelem sterującym robotem ani systemem symulacyjnym. To warstwa komunikacyjna między agentem a fizycznym urządzeniem, która może działać z różnymi modelami i agentami. Firma chce w ten sposób stworzyć standard, który będzie można zastosować zarówno w laboratoriach naukowych, jak i w robotyce, elektronice czy produkcji.

SpaceX szykuje kosmiczną flotę serwerowni. Efektem ubocznym będzie nowy rodzaj elektrośmieci spadających prosto z orbity

Projekt rozpoczął się jako współpraca Anthropic z HHMI Janelia Research Campus. Do programu testowego dołączyli również partnerzy ze świata robotyki, elektroniki i produkcji, m.in. Hugging Face, Raspberry Pi, Automata, Universal Robots oraz AWS Strands Robots. Na tym etapie MHS pozostaje jednak ograniczoną wersją testową. Partnerzy mają pomóc Anthropic w opracowaniu testów bezpieczeństwa i dobrych praktyk dla agentów sterujących fizycznym sprzętem. Dopiero po tym etapie firma planuje udostępnić standard jako open source. To ważne ograniczenie, bo sterowanie fizycznym urządzeniem oznacza zupełnie inny poziom ryzyka niż wykonanie błędnej operacji w programie. Anthropic przyznaje, że modele nadal mają ograniczenia w rozumieniu świata fizycznego i wymagają nadzoru ekspertów. MHS ma więc nie tylko ułatwić komunikację z maszynami, ale również stworzyć wspólną warstwę, na której można budować mechanizmy bezpieczeństwa. Jeśli projekt się przyjmie, MHS może stać się dla agentów AI tym, czym standardowe API stało się dla oprogramowania, czyli sposobem na korzystanie z urządzeń bez pisania osobnej integracji dla każdego modelu i producenta. Na razie to jednak eksperyment Anthropic. Firma chce najpierw sprawdzić, czy jeden wspólny standard rzeczywiście pozwoli bezpiecznie przenieść agentów AI z ekranu do świata fizycznego.