MCP для микроскопов и телескопов
Anthropic вчера представила Model Hardware Standard (MHS).
Компания хочет повторить свой успех с протоколом взаимодействия агентов. Но для научного оборудования. Идея проста, но реализация ранее казалось чем-то сложным и дорогим. Все лаборатории или производства заполнены оборудованием разных производителей: микроскопами, роботами-манипуляторами, дозаторами, камерами, лазерами, датчиками. У каждого свой API, свой драйвер, свой формат данных. Чтобы заставить все это работать вместе, инженеры неделями и месяцами пишут интеграционный код.
Anthropic предлагает сделать для физического оборудования примерно то, что MCP сделал для цифровых инструментов: единый стандарт, через который AI-агент сможет обнаружить устройство, понять его возможности и ограничения и начать им управлять. Причем MHS не привязан к Claude. Стандарт задуман model-agnostic.
Объявление сделали не про об архитектуре. Уже есть первые примеры. В Genentech Claude управлял жидкостным дозатором, роботизированной рукой и plate reader, самостоятельно подбирая параметры эксперимента. Когда возникали ошибки оборудования, агент в некоторых случаях самостоятельно восстанавливал работу. Правда, эксперимент одновременно показал важное ограничение сегодняшних моделей: Claude прекрасно рассуждает о коде, но гораздо хуже понимает физику пузырьков, вязкости и других совершенно банальных для человека явлений реального мира.
В Carnegie Mellon агент управлял уже несколькими приборами на трех компьютерах. Система сама оценила неудачную выдачу порций реактива дозатором, отбросила эксперимент, изменила диапазон концентраций и повторила его. Весь путь от неавтоматизированного оборудования до результата занял около восьми часов вместо нескольких недель интеграции.
А в лабораториях University of Washington агент контролировал прибор для ПЦР и координировал передачу образцов между дозатором и роборукой. Шесть приборов подключили менее чем за неделю.
До сих пор мы в основном обсуждали Physical AI как проблему моделей: VLA, world models, spatial intelligence, обучение роботов.
Но есть второй слой — инфраструктурный. ИИ мало научить понимать физический мир. Ему нужно дать стандартный способ воздействовать на него с помощью других устройств. Это как бы мульти-актуаторность. ИИ, через протокол MHS может работать с кучей разных актуаторов, которые могут даже и не подозревать друг о друге. Главное, чтобы поддерживали общий протокол.
Если MHS или аналогичный стандарт действительно станет распространенным, лабораторный прибор постепенно превратится для AI-агента в то же самое, чем сегодня для LLM является API. История технологий показывает, что появление стандартов приводило к массовому применению технологии. Если мы сможем внедрить универсальный аппаратный слой для агентного ИИ, то буквально дадим руки агентам.
https://www.anthropic.com/news/model-hardware-standard-research-preview
