Anthropic、AIエージェントによる研究・製造設備の制御を統一ドライバーで実現するMHSをプレビュー

AnthropicはModel Hardware Standard（MHS）の限定的な研究プレビューを公開し、AIエージェント向けに、メーカーの異なる研究・製造設備を横断する共通制御レイヤーの構築を試みている。各設備には引き続きMHSドライバーが必要で、既存のAPI、レガシースクリプト、さらにはグラフィカルインターフェースを`read`や`write`などの基本操作へ変換する。また、測定可能な状態、調整可能なパラメーター、設備の特性、強制適用される安全限界を標準形式で公開する。エージェントはMCP、コマンドライン、またはプログラムから設備を制御できる。高速処理や長時間の運転が必要な場合は、探索によって得られたワークフローを決定論的なスクリプトへコンパイルし、各ステップでモデルの推論を待つ必要をなくせる。

この設計の技術的価値は、自然言語で単一の装置を制御できることだけではない。異なるコンピューターに分散し、互換性のないインターフェースを持つ設備を、エージェントが検出してオーケストレーションできる点にある。AnthropicとGenentechによる概念実証では、Claudeが液体ハンドラー、ロボットアーム、マイクロプレートリーダーを連携させ、吸光度の結果に基づいて、水と粘性の高いタンパク質サンプルのピペッティング速度を調整した。CMUのチームは、通常なら数週間かかる統合作業を8時間で完了したと主張している。また、6種類の人為的な障害条件すべてについて、設備が動作する前にシステムが処理を阻止したという。QuEraも、エージェントによって量子コンピューター用レーザーの再調整時間が、手作業での数分から数秒へ短縮されたとしている。

それでも、エンジニアリングチームはMHSを検証済みの自律実験プラットフォームと見なすべきではない。現時点では申請制であり、完全なプロトコル、ドライバー実装、脅威モデル、適合性テストはまだオープンソース化されていない。事例もAnthropicとパートナー組織が自ら選定したもので、異なるモデルとの比較、長期的な故障率、高リスク設備に関する独立評価は存在しない。Genentechの実験では、Claudeが気泡による物理的な問題に遭遇した際、繰り返し再試行し、最終的には専門家による助言を必要とした。今後は、権限の階層化、緊急停止に対するハードウェアレベルの保証、命令とセンサーデータの監査ログ、そしてオープンソース版が各メーカーのドライバーによる互換性のない方言の乱立を防げるかどうかに注目すべきだ。