앤트로픽 MHS, AI 에이전트의 실험 장비 제어를 표준화한다

지금까지 AI 에이전트의 활동 영역은 문서, 검색, 코드, 소프트웨어 API처럼 대부분 컴퓨터 내부에 머물렀다. 실험실 장비나 로봇처럼 물리 세계에서 움직이는 시스템은 제조사와 제품마다 제어 방식이 달라, 여러 장치를 함께 사용하려면 별도의 통합 프로그램을 만드는 일이 필요했다. 앤트로픽이 공개한 Model Hardware Standard(MHS)는 이 문제를 줄이기 위한 공통 하드웨어 계층이다.

핵심 내용

• 공통 장치 인터페이스: MHS는 레이저, 현미경, 카메라, 로봇 팔 등 다양한 장비에 공통 드라이버 방식과 데이터 교환 형식을 제공하는 것을 목표로 한다. 장치 조합마다 별도의 ‘번역’ 프로그램을 작성해야 하는 부담을 낮출 수 있다.
• AI 없이도 사용 가능: MHS는 언어 모델을 필수로 요구하지 않는다. 장비는 명령줄이나 API 파일로 직접 제어할 수 있다. 여기에 Model Context Protocol을 연결하면 연구자가 자연어로 작업을 설명하고, AI가 각 단계를 나눠 장치를 조작하는 방식이 가능해진다.
• 측정과 조정을 반복하는 실험: 앤트로픽은 AI가 레이저를 조정한 뒤 별도의 카메라로 결과를 확인하고, 필요한 만큼 설정을 다시 바꾸는 예를 제시했다. 현미경의 초점을 맞추고 결과를 분석한 다음, 더 관찰해야 할 영역으로 장비를 이동하는 작업도 상정한다.
• 물리적 제약을 설명하는 태그: 하드웨어의 무게, 움직임 범위, 조정 가능한 매개변수, 측정 기능, 안전 제한 등을 태그로 기록한다. 모델이 학습하지 않은 장치라도 참조 파일을 통해 기본적인 특성과 한계를 확인할 수 있게 하려는 방식이다.

앤트로픽은 이 구상이 HHMI 자넬리아 연구 캠퍼스의 신경과학 실험에서 얻은 영감을 바탕으로 했다고 설명한다. 여러 장비를 동시에 운용하는 실험에서는 장치 간 통합 작업 자체가 큰 부담이 될 수 있다. 회사는 과학 연구 파트너와 진행한 초기 테스트에서 장비 통합에 걸리는 시간이 줄고 실험 반복이 빨라졌다고 밝혔다. 다만 현재 공개된 성과는 회사의 설명에 기반하며, 모든 연구 환경에 적용되는 독립적인 검증 결과로 보기는 어렵다.

의미와 과제

표준이 충분히 널리 적용되면 AI 에이전트의 역할은 소프트웨어 명령 실행을 넘어 물리적 실험 절차를 조율하는 단계로 확장될 수 있다. 에이전트가 여러 장비의 작업 순서를 API 스크립트로 만들고, 조건이 바뀔 때 이를 수정한다면 반복적인 보정이나 변수가 많은 실험의 자동화에 도움이 될 가능성이 있다.

하지만 물리 장비에서는 모델의 실수가 더 큰 비용으로 이어진다. 장비 상태를 잘못 판단하거나 안전 한계를 오해해 매개변수를 바꾸면 기기 손상이나 사고가 발생할 수 있다. 하드웨어 태그만으로는 충분하지 않으며, 권한 관리, 실시간 모니터링, 위험 작업에 대한 사람의 승인, 비상 정지, 상세한 로그가 함께 필요하다.

현재 앤트로픽은 AWS의 Strands Robots, Hugging Face의 LeRobot, Raspberry Pi, Automata, Universal Robots 등과 MHS 프리뷰를 진행하고 있다. 향후에는 특정 AI 에이전트에 종속되지 않는 오픈 표준으로 발전시키겠다는 계획이다. 이를 위해서는 다양한 제조사가 참여할 수 있는 개방성, 실제 장비 간 호환성, 그리고 AI의 물리적 행동을 검증하는 안전 평가가 관건이 될 전망이다.

출처: Ars Technica AI