Anthropic은 AI 에이전트가 실험실 장비와 공장 장비를 안전하게 제어할 수 있도록 설계된 공유 사양인 MHS(모델 하드웨어 표준)의 연구 미리 보기를 출시했습니다. 회사는 MHS가 복잡한 기계를 AI와 통합하는 데 필요한 시간을 몇 달에서 몇 시간 또는 몇 분으로 단축한다고 주장합니다. 이 표준은 현재 대기자 명단을 통해 연구실과 제조업체를 선택할 수 있지만 Anthropic은 향후 이 표준을 오픈 소스로 공개할 계획입니다.
표준이 AI를 물리적 장치에 연결하는 방법
Anthropic의 MCP(Model Context Protocol)가 소프트웨어 연결을 표준화한 방식과 마찬가지로 MHS는 물리적 하드웨어에 대한 범용 변환기 역할을 합니다. 모든 기기에 맞춤형 소프트웨어를 요구하는 대신, 표준화된 명령과 작동 매개변수 및 안전 한계를 자세히 설명하는 자동 생성 참조 파일을 통해 장치가 통신할 수 있도록 해줍니다.
이 시스템은 모델에 구애받지 않으며 프로그래밍 가능한 인터페이스를 갖춘 모든 하드웨어에서 작동합니다. 초기 실제 실험에서는 다양한 연구 환경에서 상당한 효율성 향상이 입증되었습니다.
- QuEra Computing: 이전에는 4명으로 구성된 엔지니어링 팀이 복구에 150초가 걸렸고 58%의 성공률을 보인 레이저 재잠금 스크립트를 작성하는 데 수개월을 소비했습니다. 야간 최적화 루프를 실행하면서 4개의 Claude 인스턴스가 프로세스를 재구성하여 개발 중 96%의 성공률과 700번의 블라인드 테스트에서 99.3%의 성공률로 복구 시간을 6초로 단축했습니다. Claude는 또한 16시간 동안 무인 상태로 12개의 상호 의존적인 서보 매개변수를 조정하여 잔류 오류를 15.7mV에서 1.55mV로 줄였습니다.
- Carnegie Mellon University: 연구원들은 8시간 만에 3대의 컴퓨터에 액체 처리기, 플레이트 판독기, 로봇 팔 및 카메라를 통합했습니다. 이 설정 프로세스는 일반적으로 몇 주가 걸렸습니다. Claude Opus 4.8 에이전트에 의해 구동되는 이 시스템은 연속 희석 실험을 3배 더 빠르게 실행했습니다. 안전 테스트에서 MHS는 하드웨어가 이동되기 전에 유발된 6가지 오류 조건을 성공적으로 차단했습니다.
- Genentech: 엔지니어들은 자동화된 단백질 분석 워크플로우 전반에 걸쳐 MHS를 배포했으며, 여기서 Claude는 다양한 점도에 대해 액체 이동 속도를 자율적으로 최적화했습니다.
초기 제한사항 및 후속 조치
이러한 초기 성공에도 불구하고 미리 보기에서는 주요 운영 제약 사항이 강조되었습니다. Genentech의 한 사례에서 Claude는 동일한 소프트웨어 명령을 다시 시도하여 유체 처리 거품을 제거하려고 반복적으로 시도했으며, 문제가 코드 기반이 아닌 물리적 문제임을 명확히 하기 위해 사람의 개입이 필요했습니다. 또한 AI 모델은 주로 텍스트 로그와 이미지를 통해 물리적 환경을 처리하기 때문에 공간 추론에는 여전히 전문가의 감독이 필요합니다.
Anthropic은 Universal Robots, Tecan, AWS를 포함한 하드웨어 파트너와 협력하여 MHS 지원을 확대하고 있습니다. LeRobot 프로젝트에 대한 Hugging Face 계획 지원 및 Raspberry Pi 테스트 드라이버 호환성을 통해 통합이 소비자 인접 플랫폼으로 확장되고 있습니다. Anthropic은 아직 확고한 오픈 소스 출시 날짜, 공개 스키마 또는 표준에 대한 특정 거버넌스 모델을 발표하지 않았습니다.
이 주제에 대해 더 알고 싶다면 아래를 참고하세요