Anthropic、AIが物理デバイスを操作する共通規格「Model Hardware Standard」を研究プレビュー公開

Anthropicは2026年8月27日（現地時間）、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規格「Model Hardware Standard（MHS）」の研究プレビューを公開した。科学研究ラボや先端製造のパートナーに先行提供し、安全評価とベストプラクティスの構築を経て将来的にオープンソース化する方針。HHMI Janelia Research Campusとの共同開発から始まり、プログラマブルなインターフェースを持つ任意の機器で動作し、Model Context Protocol（MCP）を含む標準プロトコル経由で任意のエージェントハーネスから利用できる。

出典: Anthropic — Previewing the Model Hardware Standard

MHSが解決する課題と仕組み

• 統合コストの削減: ラボや製造現場では機器ごとに独自のプログラミングIFが存在し、連携に数週間〜数か月を要するのが常態。MHSは統合を数時間〜数分へ短縮するとしている。
• 標準ドライバ: OSとハードウェア間の翻訳層として機能。read（例: get temperature）やwrite（例: set temperature）といった単純なプリミティブで任意の機器が理解・実行できる。
• 自動発見と相互運用: 機器を標準フォーマットで発見可能にし、ネットワーク越しにエージェントと機器が bespoke な変換プログラムなしで通信できる。
• 自然言語タグで機器特性を記述: ロボットアームの重量などコードからは判別しにくい特性を自然言語でタグ付け。ユーザーが直接記述するか、エージェントがヒアリングして生成し、MHSドライバが機器の計測可能項目や可変パラメータ、安全上限を含むリファレンスファイルを自動生成する。
• 3つの制御経路: MCP、コマンドラインインターフェース、コードファイル（API）が連携し、単一行のコードで複数機器のオーケストレーションを可能にする。エージェントは機器の操作データを継続的に受信し、ステップの順序付けや結果監視、リアルタイムでのパラメータ調整を行う。
• コードへのパッケージ化: 長時間タスクや高速制御が必要な場合は、ドライバコマンドをコードファイルに連鎖させ、エージェントが逐次推論せずとも機器側で自律実行できる。

Anthropicは、Claudeがレーザー調整をカメラで観測し、結果を見て再調整を繰り返した後、学んだ手順を決定論的なスクリプトにまとめ単一コマンド化した例を挙げ、エージェントが科学者のように探索的に振る舞うことを示した。MHSは現在、プログラマブルIFを持たない機器には未対応で、製造元と協力してドライバ対応を進めている。

早期パートナーでの成果

Anthropicはバイオ、ロボティクス、量子コンピューティングなどで先行導入した事例を公開した。いずれも Anthropic およびパートナーによる報告値であり、独立した第三者評価ではない。

• Genentech — BCAタンパク質アッセイの自動化:

  • 液体ハンドラー＋ロボットアーム＋プレートリーダーの3機器をMHSで連携。96ウェルプレートで水と粘性のBSA試料の最適流量をClaudeが自律探索。
  • 専門家の手作業を Ground Truth としRMSEで評価。水は約140 µL/sで0.016、粘性BSAは約10 µL/sで0.181が最適と結論付け、専門家が妥当と確認した。
  • チップ採取失敗や液面検出エラーからの自律復旧も観察されたが、泡による物理的失敗では再試行が泡を増やす場面もあり、人手で清浄ウェルへの移動と混合回数削減を教示する必要があった。

• ワシントン大学 Baker/Pinglay研 — タンパク質設計のスループット向上:

  • 計測機器を遠隔監視するダッシュボード、増幅曲線を監視して停止タイミングを判断するqPCRのエージェント監督、ロボットアームと液体ハンドラーの衝突回避ハンドオフを実装。ラボ監視と容量ボトルネックの緩和を狙う。

• HHMI Janelia — 神経イメージング:

  • ゼブラフィッシュ後脳の2光子顕微鏡データや、マウス仮想環境学習時の深部神経イメージング、線虫胚のライトシート顕微鏡などで、レーザーやミラー、センサーをMHSで露出。従来半日を要したセットアップを単一ステップ化した例も報告された。

• QuEra Computing — 量子コンピュータのレーザー安定化:

  • チタンサファイアレーザーの「ロック」再獲得を自動化。従来の専用スクリプトは成功率約58%、所要約150秒だったのに対し、MHS経由でClaudeが夜間に数百回の仮説→実装→実機検証サイクルを回し、決定論的な再ロック制御スクリプトを生成。
  • 開発ランでは成功率96%・約6秒へ改善、同一擾乱セットでの700回の盲検テストでは695回成功（99.3%）。難易度の高い擾乱でも10〜14秒、簡易なものは0.9〜5.4秒で復旧し、人手の5〜10分を大幅に短縮した。
  • 12個のPIDパラメータのチューニングでは、従来15.7 mVだった残留誤差を16時間の自律探索で1.55 mV（約10分の1）へ低減。独立検証では220 kHz共振で手動チューニングより約1,000倍低ノイズだったとし、19時間の保持テストでClaudeのチューニングはロック喪失0回、手動は約1.6回/時だった。いずれもQuEraによる報告値。

• Tetsuwan Scientific — qPCRによる環境汚染プロファイリング:

  • ResearchOSとMHSを統合し、カリフォルニア San Pedro Creekの糞便汚染源をqPCRで解析。カメラで泡・フォームを検出し、遠心による泡消しをClaudeがSlack経由で提案・実行する自律リカバリや、コンパイラの分注精度予測をClaudeが9,143回の分注データから改善（製造元仕様比で約12%高精度、45ラン中31勝）などを報告。環境試料ではヒト由来Bacteroidesマーカー（HF183/BacH）のみ増幅を確認した。

対応ベンダーと今後の展開

• 対応表明ベンダー/プラットフォーム: AWS（Strands Robots経由でMHSをサポートし、研究プレビュー期間はプライベートな事前リリースを提供）、Automata（LINQ）、Danaher、Doosan Robotics、MBF Bioscience（ScanImage）、QIAGEN（QIAsymphony ConnectでPoC）、Tecan（Fluent）、Universal Robots。さらにHugging FaceがLeRobot、Raspberry PiがCamera MHS Driverを含む複数製品でMHS統合を進めている。
• 参加方法: 研究プレビューへの参加はmodelhardwarestandard.comでウェイティングリスト登録が必要。
• 安全性と限界: Anthropicは物理的世界でのAI利用に関する安全性評価の構築と「物理的安全性ロードマップ」の策定を進めていると説明。現時点ではClaudeの空間・物理推論には限界があり、専門家の監督が必要な場面や、リスク判断で人手確認待ちとなるケースもあるとしている。

出典

• Previewing the Model Hardware Standard — Anthropic