Anthropic推出MHS：让AI代理从屏幕走向实验室设备

过去一年的AI代理主要活跃在软件世界：它们读写文档、调用接口、生成代码，或在网页和应用中完成任务。Anthropic现在试图把这类能力延伸到实验室、工厂和机器人系统，推出名为Model Hardware Standard（MHS）的硬件接口标准研究预览版。

核心要点

• 统一设备接口：MHS为不同设备提供共同的驱动方式和数据交换格式，使激光器、显微镜、摄像头、机械臂等组件能够通过网络协同工作，减少为每套实验系统单独编写“翻译程序”的需要。
• 连接AI代理：MHS本身并不要求使用AI，设备也可以通过命令行或API直接控制。但与Model Context Protocol结合后，科学人员可以用自然语言描述任务，由模型逐步操作设备、读取结果并调整参数。
• 支持闭环实验：Anthropic展示的设想包括让模型调节激光器、通过摄像头检查结果，再反复调整以完成校准；模型也可以控制显微镜观察目标区域，并根据分析结果决定下一步移动位置。
• 描述现实约束：标准还包含硬件标签，用于记录机械臂的重量和运动范围、设备可调参数、测量能力以及安全限制。这些信息可以整理成参考文件，帮助模型理解此前没有训练经验的设备。

Anthropic表示，MHS的灵感来自研究人员搭建复杂神经科学实验时遇到的集成难题。实验通常需要多个厂商的硬件共同运行，而设备之间缺少统一接口，导致准备工作可能耗费大量时间。该公司称，早期与科学合作伙伴测试时，MHS缩短了设备集成周期，使实验迭代更快；但这些效果目前主要来自公司披露，尚未构成普遍适用的独立评估结论。

意义与限制

如果标准能够覆盖足够多的设备，AI代理就可能从“执行软件指令”转变为“参与物理实验”。模型不仅负责单次操作，还可以把跨设备步骤编排成API脚本，并在条件变化时进行调整。对于重复性高、参数众多的实验，这或许能降低自动化门槛，加快假设验证。

不过，连接模型与实体设备也会放大错误的代价。模型对硬件状态的误判、错误的参数设置，或对安全边界理解不足，都可能损坏设备甚至造成事故。因此，硬件标签、权限控制、实时监测、人工确认和可追溯日志，可能比自然语言控制本身更关键。

目前Anthropic正与AWS的Strands Robots、Hugging Face的LeRobot、Raspberry Pi、Automata和Universal Robots等首批合作方进行预览。公司计划将MHS发展为开源、与具体代理无关的标准。能否实现这一目标，将取决于接口是否足够开放、规范是否得到广泛采用，以及后续安全测试能否证明AI在真实设备上的行为可控。

来源：Ars Technica AI