Anthropic przenosi standaryzację protokołów ze świata oprogramowania do fizycznych laboratoriów
Anthropic zaprezentowało Model Hardware Standard (MHS), którego celem jest zapewnienie agentom AI ujednoliconego interfejsu do komunikacji z urządzeniami fizycznymi. Rozwiązanie to ma pełnić dla sprzętu taką samą rolę, jaką w obszarze oprogramowania odegrał protokół Model Context Protocol (MCP). Dzięki nowemu standardowi modele mogą w ustrukturyzowany sposób wydawać polecenia i odbierać sygnały z takich maszyn, jak ramiona robotyczne czy aparatura laboratoryjna.
Z pierwszych testów wynika, że standaryzacja warstwy komunikacyjnej drastycznie upraszcza proces łączenia modeli ze sprzętem – czas potrzebny na wdrożenie integracji skrócił się z wielu tygodni do zaledwie kilku godzin. Równocześnie testy ujawniły istotne ograniczenie: model Claude miewał trudności z poprawnym rozumieniem fizycznych zależności przyczynowo-skutkowych.
Każde urządzenie otrzymuje w MHS sterownik, który ujednolica podstawowe funkcje i zawiera informacje niedostępne z poziomu samego oprogramowania – na przykład masę ramienia robotycznego czy jego limity bezpieczeństwa. Użytkownik może opisać te dane naturalnym językiem, a system zamienia je w pliki referencyjne dla agenta.
W testach w firmie biotechnologicznej Genentech Claude koordynował pracę dozownika cieczy, ramienia robotycznego i czytnika płytek przy automatyzacji testów białkowych. Samodzielnie optymalizował parametry pipetowania, ale gdy w lepkim roztworze zaczęły tworzyć się pęcherzyki powietrza, wielokrotnie ponawiał próby naprawy w tym samym naczyniu – fizyczną przyczynę problemu udało się ustalić dopiero po wskazówce człowieka. Na Carnegie Mellon University badacze zintegrowali sprzęt działający na trzech niekompatybilnych systemach komputerowych w około osiem godzin, a w QuEra, firmie rozwijającej komputery kwantowe, programy sterujące przygotowane przez Claude’a zadziałały w 695 na 700 zautomatyzowanych przebiegów (99,3%).
Anthropic przyznaje, że Claude poznaje świat fizyczny przez tekst i obrazy, więc jego rozumowanie przestrzenne i fizyczne ma ograniczenia – na etapie podglądu badawczego nadzór ekspertów jest obowiązkowy. MHS jest na razie dostępny jako research preview dla wybranych partnerów, a firma zapowiada wersję open source. Standard wspierają m.in. AWS, Doosan Robotics, QIAGEN, Tecan, Universal Robots, Hugging Face i Raspberry Pi.
Nasz komentarz: MHS to próba powtórzenia sukcesu MCP w świecie fizycznym – wspólny standard może otworzyć agentom AI drogę do laboratoriów bez kosztownych integracji, ale przykład z Genentech pokazuje, że bez nadzoru człowieka się nie obejdzie.
Wspólny standard dla sprzętu może przyspieszyć automatyzację laboratoriów
Naszym zdaniem największą wartością MHS nie jest pojedynczy wynik z testów, lecz próba usunięcia wąskiego gardła, które dotąd hamowało automatyzację laboratoriów: każda kombinacja urządzeń wymagała osobnej, żmudnej integracji. MCP pokazał, że wspólny protokół potrafi w krótkim czasie zbudować wokół siebie ekosystem narzędzi. Jeśli podobnie stanie się ze sprzętem, agenci AI zyskają dostęp do fizycznych eksperymentów na skalę, która dziś jest poza zasięgiem większości zespołów.
W naszej ocenie warto zwrócić uwagę na trzy rzeczy:
- Integracja przestaje być barierą – skrócenie wdrożenia z tygodni do godzin zmienia rachunek opłacalności automatyzacji, zwłaszcza w mniejszych laboratoriach.
- Rozumowanie fizyczne pozostaje słabym punktem – model uczony na tekście i obrazach może sprawnie sterować sprzętem, a mimo to nie zrozumieć, co dzieje się w probówce.
- O sukcesie zdecydują producenci sprzętu – lista partnerów jest obiecująca, ale standard zyska znaczenie dopiero wtedy, gdy sterowniki MHS staną się normą, a nie wyjątkiem.
Uważamy, że MHS dobrze pokazuje kierunek rozwoju agentów AI: po oprogramowaniu kolejnym polem rywalizacji staje się świat fizyczny, w którym błąd kosztuje nie tylko czas, ale i materiał badawczy.
W skrócie
- Anthropic zaprezentowało Model Hardware Standard (MHS) – wspólny interfejs, przez który agenci AI mogą sterować sprzętem laboratoryjnym i robotami, podobnie jak MCP łączy modele z oprogramowaniem.
- W testach czas integracji skrócił się z tygodni lub miesięcy do godzin – na Carnegie Mellon University sprzęt z trzech niekompatybilnych systemów połączono w około osiem godzin.
- Claude wciąż ma trudności z rozumowaniem fizycznym – w Genentech nie zdiagnozował samodzielnie problemu z pęcherzykami w lepkim roztworze, dlatego MHS działa jako research preview pod nadzorem ekspertów.
Opracowanie redakcyjne na podstawie artykułu The Decoder: https://the-decoder.com/anthropic-wants-to-do-for-physical-hardware-what-its-model-context-protocol-did-for-software/