Anthropic が Model Hardware Standard（MHS）をリサーチプレビュー公開――AIエージェントが物理機器を安全に操作する共通仕様

記事のサマリー（TL;DR）

• Anthropic が AI エージェント向け物理機器操作の共通仕様「Model Hardware Standard（MHS）」をリサーチプレビューとして公開。HHMI Janelia Research Campus との共同開発が起点
• 装置統合にかかっていた数週間〜数か月の作業を「数時間〜数分」に短縮。MCP（Model Context Protocol）を含む標準プロトコルで任意のエージェントから利用可能
• Genentech・Carnegie Mellon 大・QuEra Computing・AWS・Danaher・Tecan など研究機関とハードベンダー計 10 社超が参加し、レーザー安定化・自動実験・ロボットアームの品質保証などに活用

製造・研究 DX 担当者が押さえておくべき MHS の産業影響

MHS は現状、バイオテック・量子コンピューティング・ロボティクスなど研究寄りの領域での検証が中心ですが、設計思想は「プログラマブルインターフェースを持つあらゆる機器」への適用を前提としています。日本でも製造現場や研究所での機器間連携は属人的なスクリプトや専任エンジニアに依存するケースが多く、MHS のドライバ標準が普及すれば統合コストの構造そのものが変わります。

また、MHS は MCP（Model Context Protocol）を標準サポートしており、Claude だけでなくモデル非依存の構成で利用できます。kintone や Salesforce などの業務 SaaS と物理機器を Claude 経由で接続するような構成も、MCP を共通層として使えば現実的な選択肢になります。AWS が Strands Robots ライブラリで MHS をサポートすると発表しており、クラウドネイティブな製造 IT との親和性も高まっています。Hugging Face の LeRobot・Raspberry Pi も早期採用者として名乗りを上げており、低コストなエッジデバイスとの組み合わせが日本の中小製造業でも試しやすい入り口になり得ます。

詳細

Model Hardware Standard（MHS）とは

Anthropic は、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通仕様「Model Hardware Standard（MHS）」のリサーチプレビューを、科学研究機関と先進製造業の第一陣に向けて公開しました。MHS を使うと、AI エージェントが顕微鏡・液体ハンドラー・ロボットアームといった複数のラボ・製造機器を並列で操作し、通常の創薬実験から量子コンピュータ上のレーザー校正まで、複雑なタスクを実行できます。

MHS の開発は、Anthropic と HHMI Janelia Research Campus の共同プロジェクトとして始まりました。

解決する課題：機器統合に「数週間」かかる問題

ラボや製造施設でハードウェアのセットアップと統合を行うには、通常数週間から数か月を要します。ほとんどの機器はお互いに通信せず、専門家が個別の連携プログラムを構築する必要があります。MHS はこの統合作業を「数時間〜数分」に短縮します。さらに AI をツールに組み込むことで、エージェントが実験の各ステップを推論し、リアルタイムでパラメータを更新し、場合によってはハードウェアエラーから人手を介さずに回復しながら、24 時間稼働の自律的なワークフローを実現します。

Anthropic はオープンソース化に先立ち、科学・ロボティクス・電子機器・製造分野のパートナーと早期版を共有し、AI システムが物理機器を操作する際の安全評価の構築とベストプラクティスの策定を進めています。MHS はプログラマブルインターフェースを持つあらゆるデバイスで動作し、MCP などの標準プロトコルを通じて任意のエージェントから利用可能です。またモデル非依存設計のため、Claude 以外のモデルとも組み合わせられます。

MHS の仕組み

標準ドライバによる統一

MHS は「標準化されたドライバ」を導入することで課題に対処します。このドライバは OS とハードウェアデバイスを仲介するソフトウェアで、read（例：「温度を取得」）・write（例：「温度を設定」）といったシンプルなプリミティブコマンドを使います。あらゆるハードウェアが理解・実行できる共通言語を定義し、各デバイスを標準フォーマットで「検出可能」な状態にすることで、カスタムの「翻訳プログラム」なしにデバイスとエージェントがネットワーク越しに通信できます。

AI が「未知の機器」を理解する仕組み

MHS ドライバは、AI エージェントが初見のデバイスを扱えるよう、コードだけでは読み取れない機械特性（例：ロボットアームの重量）の情報を提供します。従来こうした情報は紙のマニュアルや担当者の暗黙知として散在していましたが、MHS ドライバはユーザーが自然言語でタグ付けできる仕組みを持ちます（ユーザー自身が記述するか、エージェントとの対話でヒアリングさせることも可能）。ドライバはこの情報を基に、デバイスの計測対象・調整可能項目・安全制限などをまとめたリファレンスファイルを自動生成し、エージェントに提供します。

ハードウェア制御の 3 メカニズム

デバイス接続後にエージェントがハードウェアを制御する手段は 3 つあります。

1. MCP（Model Context Protocol）
2. コマンドラインインターフェース
3. コードファイル（API）

これらを組み合わせることで、1 行のコードで複数デバイスをまたいだオーケストレーションが実現します。エージェントは各機器からの動作データを受け取り、ステップをシーケンス化し、リアルタイムでパラメータを調整できます。長時間タスクやオンライン推論より高速な操作が必要な場合は、複数デバイスのドライバコマンドをコードファイルにチェーンし、エージェントが毎ステップ推論しなくてもデバイスが自律的に動く構成も取れます。

Claude の探索的な実験スタイル

テスト中、Claude は科学者のように探索的にハードウェアと向き合う挙動が確認されました。例えばレーザーを調整し、カメラでビームの移動を観察して結果を評価し、このプロセスを繰り返すことで一連の動作を把握。その後、各ステップで推論不要なレーザーアライメントの決定論的スクリプトをコードファイルとして書き出し、全プロセスを単一コマンドで実行できるようにしました。

パートナー各社の早期導入事例

Genentech：ラボ自動化への実装

Genentech の研究者が MHS を実装し、タンパク質濃度を測定する標準手順「BCA タンパク質アッセイ」の自動化をプルーフオブコンセプトとして検証。液体ハンドラー・ロボットアーム・プレートリーダーの 3 機器を連携させました。

ワシントン大学 Baker・Pinglay ラボ：ベンチへの AI エージェント導入

PhD 学生の Zihao Song 氏が MHS を使い、機器のリモート監視ダッシュボード、増幅曲線を監視して適切なタイミングで停止する AI エージェント監視型 qPCR、衝突なくプレートを受け渡すロボットアームと液体ハンドラーの連携、の 3 システムを構築しました。

カーネギーメロン大学：急速自動化による用量反応曲線の測定

CMU の研究者が MHS を用いて連続希釈の用量反応実験を従来比約 3 倍の速度で実施。根本的に非互換のインターフェースを持つ 3 台のコンピューターにまたがる液体ハンドラー・プレートリーダー・ロボットアーム・監視カメラを AI エージェントがオーケストレーション。

HHMI Janelia：顕微鏡研究の加速

Ahrens ラボの科学者 Virginie Ruetten 氏が、共通インターフェースなしに 7 種類のベンダープログラムで動いていたリグを MHS で統合・オーケストレーション。睡眠とストレス回復の研究に活用しています。

QuEra Computing：量子レーザー安定化

中性原子を使った量子コンピュータを開発する QuEra が、量子機械内のレーザーシステムの一部を AI エージェントで制御。エージェントが構築したコントローラーは、レーザーが原子と相互作用するために保持すべき超高精度の周波数「ロック」を、人手介入なしで 99.3% の成功率で回復させます。

Tetsuwan Scientific：地元の汚染プロファイリングに qPCR を活用

Tetsuwan が自社の自動生物学ラボプラットフォーム ResearchOS に MHS を統合。カリフォルニア州 San Pedro Creek の汚染を特定するシチズンサイエンス活動向けの qPCR ワークフローを実現しました。

ハードウェアベンダー・ソフトウェア企業の対応状況

MHS サポートを表明・実装中のベンダーは以下の通りです。

リサーチプレビュー参加と今後の課題

Claude は大規模言語モデルであるため、物理世界の学習はテキスト・画像が中心となり、空間・物理推論には現状まだ専門家の監視が必要です。Genentech では、サンプルの泡立てによるエラーが物理的な障害であることを Claude に認識させるために研究者の誘導が必要でした。また、プログラマブルインターフェースを持たない機器はまだ MHS に未対応のため、対象メーカーとドライバ内蔵化を進めています。

今後の展開として、Hugging Face が LeRobot（ロボティクスライブラリ）に MHS サポートを追加、Raspberry Pi もカメラ MHS ドライバの成功テストを経て複数製品での統合を予定しています。Anthropic はオープンソース化の際に、リサーチプレビューの知見を安全なデプロイガイダンスとして公開する予定です。

リサーチプレビューへの参加申し込みは Anthropic の公式ページ から受け付けています。

MHS の発端

MHS は、Anthropic の Beneficial Deployments チームの Alek Kemeny と、HHMI Janelia Research Campus の博士研究員 Arco Bast の共同作業として生まれました。Bast 氏は、共通インターフェースのない異なるベンダー製レーザー・モーター付きフォーカサー・特殊カメラを組み合わせたリグで複雑な脳イメージング実験を行っており、実験の高速化のために機器間をメモリ速度で通信させる共有メモリ辞書を開発。Kemeny 氏と Bast 氏が協力して AI モデルをそのインターフェースに統合したことが出発点です。