モデルハードウェア標準のプレビュー公開

発表 有益なデプロイメント モデルハードウェア標準のプレビュー公開 2026年8月27日 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であるモデルハードウェア標準（MHS）の技術プレビューを、最初の科学研究ラボと先進的な製造業者のグループに公開します。MHSにより、AIエージェントは顕微鏡、液体ハンドラー、ロボットアームなどの複数のラボおよび製造装置を並列で操作し、ルーチンの創薬実験から量子コンピュータのレーザーキャリブレーションまで、複雑なタスクを実行できます。MHSの開発は、AnthropicとHHMI Janelia Research Campusの協力から始まりました。 ラボや製造施設がハードウェアをセットアップし、統合するには、通常、数週間、場合によっては数ヶ月かかります。ほとんどのデバイスは互いに通信しないため、専門家がカスタムインテグレーションを構築する必要があります。MHSは、この統合作業を数時間または数分に削減します。また、これらのツールにAIを組み込むことで、MHSは研究者やエンジニアが自律的で24時間体制の実験やワークフローをより容易にオーケストレーションするのを助け、エージェントは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、場合によっては介入なしにハードウェアエラーから回復することができます。 私たちは、科学、ロボット工学、エレクトロニクス、製造業のパートナーとMHSの初期バージョンを共有し、標準をオープンソース化する前に、安全評価を構築し、物理機器を操作するAIシステムのためのベストプラクティスを開発するために協力できるようにします。MHSは、プログラム可能なインターフェースを持つあらゆるデバイスで動作します。また、モデルに依存せず、標準的なプロトコル（モデルコンテキストプロトコルなど）を使用して、あらゆるエージェントハーネスからアクセスできます。技術プレビューへのアクセスを申請するには、こちらをご覧ください。 MHSの仕組み モデルハードウェア標準（MHS）の前と後。 ラボや工場にある複数のデバイスを互いに通信させることは、AIをセットアップに統合するという追加の困難を考慮に入れても、困難な場合があります。各デバイスには独自のプログラミングインターフェースがあり、これまで統合するための標準化された方法はありませんでした。そして、デバイスが接続された後、それらがAIエージェントとデータを共有したり、エージェントが安全に操作したりするための共通の方法はありません。MHSは、標準化されたドライバー（コンピュータのオペレーティングシステムとハードウェアデバイス間の翻訳を行うソフトウェア）を導入することで、これらの課題に対処します。MHSドライバーは、単純なプリミティブのセット（「読み取り」（例：「温度を取得」）や「書き込み」（例：「温度を設定」）などのコマンド）を使用し、これはあらゆるハードウェアデバイスが理解して実行できます。そして、各デバイスを標準形式で検出可能にし、デバイスとエージェントがカスタムの「トランスレーター」プログラムなしでお互いを見つけてネットワーク上で通信できるようにします。 MHSドライバーは、AIエージェントが初めて見るデバイスの使用方法を理解するのに役立ち、コードだけではわからない機械の特性に関する情報（例：ロボットアームの重量、安全な操作方法を知る上で重要）を提供します。これまでは、この情報の多くは紙のマニュアル、ユーザーのコンピュータ、または暗黙知として保存されていました。しかし、MHSドライバーには、ユーザーが自然言語で直接情報を書き込めるタグが含まれています（ユーザーは自分で書き込むか、ハードウェアセットアップについて質問するエージェントとチャットすることで行うことができます）。これらのタグからの情報を使用して、MHSドライバーは、デバイスが測定できるもの、調整できるもの、適用される安全制限など、デバイスの一般的な特性に関する情報を含む参照ファイルを自動的に生成します。このファイルには、エージェントがデバイスを操作するために知る必要があるすべてが含まれています。 デバイスが接続され、エージェントが各デバイスの使用方法を知った後、エージェントはハードウェアを制御する方法が必要です。MHSには、MCP、コマンドラインインターフェース、コードファイル（API）の3つのメカニズムがあります。これらは連携して、単一行のコードを介して複数のデバイス間のオーケストレーションを可能にします。エージェントがデバイスを制御できるようになると、各デバイスから動作データを受信し、高レベルで作業を監視および指示できるようになります。エージェントは、楽器間でステップをシーケンス化し、結果を監視し、条件がリアルタイムで変化するにつれてパラメータを調整できます。エージェントが長時間実行タスクを実行する必要がある場合や、オンライン推論では許可されない速度でデバイスを操作する必要がある場合、コードファイルから1つ以上のデバイスのドライバーコマンドをチェーンできます。これにより、エージェントが各ステップで推論する必要なく、デバイス自体が操作を実行できるようになります。 MHSをテストする中で、Claudeが科学者と同じように、探求的な方法で実験やハードウェアと対話することがわかりました。たとえば、Claudeがレーザーを調整し、カメラを通して結果を観察してビームの移動を評価し、プロセスを繰り返してイベントのシーケンスを理解しようとするのを目撃しました。その後、Claudeは学習した内容をコードファイルにパッケージ化し、各ステップで推論する必要なくレーザーを整列できる決定論的なスクリプトを作成しました。これにより、プロセス全体を単一のコマンドとして実行できるようになりました。 MHSの初期例 フロンティアモデルとMHSで人々ができることの始まりにすぎませんが、この標準が、プログラム可能なインターフェースを持つデバイスを使用するあらゆる分野の研究者、エンジニア、その他の実務家が、発見と実験のプロセスをスピードアップするのに役立つことを願っています。 MHSを開発する過程で、バイオテクノロジー、ロボット工学、量子コンピューティングなどの分野のいくつかのラボやハードウェアメーカーと共有しました。これらの初期プロジェクト全体で、MHSはデバイス統合にかかる時間を短縮し、さまざまな実験設定でのイテレーションを高速化し、機械のライブ操作とリアルタイムの障害検出を支援することができました。以下に、パートナーがMHSを含む初期プロジェクトの詳細を共有します。 Genentech：ラボ自動化のためのMHSの実装 Genentechの研究者は、タンパク質濃度を測定する標準的な手順であるBCAタンパク質アッセイの自動化の概念実証としてMHSを実装およびテストしました。この手順では、液体ハンドラー、ロボットアーム、プレートリーダーの連携が必要です。 ワシントン大学 BakerおよびPinglayラボ：AIエージェントをベンチに導入 ワシントン大学 BakerおよびPinglayラボの博士課程学生であるZihao Song氏は、MHSを使用して、楽器をリモートで監視するダッシュボードを構築しました。AIエージェントが監視するqPCR（加熱と冷却の繰り返しサイクルを通じてターゲットDNA配列をコピーする）は、増幅曲線を見て適切なタイミングで手順を停止します。また、ロボットアームと液体ハンドラーを統合して、衝突のないプレートハンドオフを実現しました。 カーネギーメロン大学：迅速な自動化による用量反応曲線の決定 カーネギーメロン大学の研究者は、MHSを使用して、以前よりも約3倍速く連続希釈用量反応実験を実行しました。AIエージェントは、3台の互換性のないインターフェースを持つコンピュータに分散された液体ハンドラー、プレートリーダー、ロボットアーム、および監視カメラをオーケストレーションしました。 HMI Janelia：顕微鏡研究の加速のためのMHSの使用 HMI Janelia Research Campusでは、研究者がMHSを使用して、顕微鏡関連のさまざまなプロジェクトをスピードアップしています。ここでは、睡眠が体のストレス回復を助ける仕組みを研究しているAhrensラボの科学者Virginie Ruetten氏が、共有インターフェースのない7つの異なるベンダープログラムを含む以前のリグを統一およびオーケストレーションするためにMHSを使用した方法を共有しています。 QuEra Computing：量子レーザー安定化におけるMHSの使用 中性原子を使用した量子コンピュータを構築するQuEra社は、MHSを使用してAIエージェントに量子マシン内のレーザーシステムの一部を制御させました。エージェントは、レーザーの「ロック」（超高精度の周波数