Anthropic、AI エージェントが物理デバイスを安全に操作する規格「MHS」の研究プレビューを公開

Anthropic は、AI エージェントが物理デバイスを発見・操作できるようにする共有仕様「Model Hardware Standard（MHS）」の研究プレビューを公開しました。この規格が目指すのは、インフラの接続問題です。

実験台や工場セルは、互換性を考慮して設計されたベンダーの機器で構成されているため、各計器が独自のインターフェースを持ち、専門家がペアごとに手動で専用変換プログラムを作成する必要があります。Anthropic チームによると、従来のセットアップには数週間から数ヶ月を要しますが、MHS を導入すればその時間は数時間、あるいは数分に短縮されます。

統合コスト

各計器は独自のプログラミングインターフェースを搭載しているため、専門家はすべての機器ペア間に手動で専用変換プログラムを作成しなければなりません。一度配線が完了しても、デバイスからエージェントへ状態を渡す共通の方法や、エージェントによる安全な操作を実現する仕組みはまだ存在しません。Anthropic によれば、従来のセットアップには数週間から数ヶ月かかりますが、MHS を用いればその時間を数時間、あるいは数分に短縮できます。

仕組み

MHS は、OS とデバイスの間に位置するドライバ層を標準化します。読み取り（温度の取得）、書き込み（温度の設定）といった基本的な操作と、デバイス発見機能を小さなプリミティブセットとして公開し、ネットワーク上で変換プログラムなしにデバイスとエージェントが互いを見つけられるようにします。

また、AI モデル単体では表現できない知識も保持します。例えば、ロボットアームの重量などが該当します。ドライバタグを使えば、ユーザーは自然言語でその情報を記述できますし、エージェントがセットアップについてインタビューを行うことも可能です。このドライバは、これらのタグをコンパイルして参照ファイルを作成します。そこには、デバイスが測定する値や調整可能な項目、適用される安全制限などが明記されます。

制御は、モデル・コンテキスト・プロトコル（Model Context Protocol）、CLI、およびコードファイルという3つのメカニズムを通じて行われます。MHS はモデルに依存しない仕様であり、あらゆるエージェント・ハネスが標準プロトコルを介してこれにアクセス可能です。

インタラクティブな解説図 | 数値は Anthropic の MHS 発表内容に基づき検証済み | © Marktechpost

パートナー企業が測定した結果

Genentech は、液体ハンドラー、ロボットアーム、プレートリーダーを連携させることで BCA タンパク質アッセイの自動化を実現しました。Claude は染色液の試行移液を行い、吸光度を読み取り、専門家の作成したプレートを RMSE（平均二乗誤差）で評価して自身をスコアリングしました。その結果、水では約 140 µL/s（RMSE 0.016）、粘性のある BSA では 10 µL/s（RMSE 0.181）というパラメータに収束し、これらの数値は自動化の専門家によって妥当であると確認されています。

QuEra Computing の事例が最も顕著な成果を示しました。4 人のチームが数ヶ月かけて構築した専用レーザー再ロックスクリプトでは、試行ごとに約 150 秒を要し、成功率は約 58% に留まっていました。しかし、同じ課題を MHS を介して 4 つの役割を持つエージェント・ループに任せたところ、無人で一晩稼働させた結果、ロック解除に成功する確定的な Python スクリプトが生成されました。700 回の試行のうち 695 回（成功率 99.3%）を達成し、最も困難なケースでも 10〜14 秒で完了しました。これに対し、人間による作業では 5〜10 分を要します。また、Claude はサーボの残留誤差を専門家の 15.7 mV から 1.55 mV に削減。19 時間にわたる連続運転中もロックが失われることはなく、一方、専門家によるチューニングでは約 1 時間あたり 1.6 回の割合でロックが外れていました（QuEra ブログより）。

カーネギーメロン大学では、互換性のないインターフェースを持つ 3 つのコンピューターにまたがる液体ハンドラー、プレートリーダー、ロボットアーム、カメラをオーケストレーションし、通常の 3 倍の速度で用量反応実験を行いました。そのうちの一つはプログラムによる制御インターフェースすら持っていませんでした。ドライバー作成から完了した曲線の取得まで、エージェントが R² < 0.9 の適合を拒否した後の自動再実行を含めると、約 8 時間かかりました。一方、ベンダーのセットアップでは数週間かかるのが一般的です。6 つの誘発された故障条件はすべて、どの装置も作動する前にブロックされました。

ワシントン大学では、ベーカー研究室とピングレイ研究室の博士課程学生が、ドライバー作成を含めて 1 週間で 6 つの機器を接続しました。Tetsuwan Scientific は MHS を qPCR 汚染プロファイリング用の ResearchOS プラットフォームと連携させました。ジェネリアでは、マイクロスコピー装置が固定順序で起動されていた 7 つのプログラムから、ダッシュボードのワンクリック操作へと進化しました。

キーポイント

• AI エージェントがプログラム可能なインターフェースを持つあらゆるデバイスを発見・操作できるようになる、共有ドライバー仕様。
• 統合期間が数週間から数時間に短縮：CMU では 8 時間で完了した用量反応曲線の取得を実現。
• QuEra のレーザー再ロック：確定的なスクリプトにより、約 150 秒で 58% から 700 回の試行全体で 99.3% に向上。
• モデル非依存かつ MCP 互換。安全制限はプロンプトではなくドライバー内に実装される。

まだ一般公開前であり、監視が必要ですが、Claude の物理推論には依然として大きな隙間があります。

本記事「Anthropic が AI エージェントが物理デバイスを安全に操作するための共有仕様である Model Hardware Standard (MHS) の研究プレビューを公開」は、MarkTechPost で最初に掲載されました。