Anthropic werkt aan een standaard waarmee AI-agents uiteenlopende machines en onderzoeksapparatuur kunnen aansturen. De Model Hardware Standard (MHS) moet voorkomen dat voor ieder apparaat afzonderlijk een koppeling moet worden gebouwd. De technologie is nu beschikbaar als research preview.
MHS richt zich onder meer op apparatuur in laboratoria, productieomgevingen en robotica. AI-agents kunnen via de standaard bijvoorbeeld microscopen, vloeistofbehandelingssystemen, robotarmen en lasers bedienen. Anthropic ontwikkelde de technologie aanvankelijk samen met het HHMI Janelia Research Campus.
Standaardlaag tussen AI en machines
De aanpak doet denken aan het Model Context Protocol (MCP), waarmee Anthropic eerder een standaard introduceerde om AI-modellen toegang te geven tot externe databronnen en softwaretools. MHS trekt dat principe door naar fysieke apparatuur.
Daarvoor gebruikt MHS gestandaardiseerde drivers. Die vertalen de functies van apparatuur naar relatief eenvoudige opdrachten, zoals het uitlezen of aanpassen van een waarde. Tegelijk bevat zo’n driver informatie over eigenschappen en beperkingen van het apparaat. Een AI-agent kan daardoor achterhalen wat een aangesloten machine kan en binnen welke grenzen deze mag worden gebruikt.
MHS is overigens niet afhankelijk van AI, nuanceert Ars Technica. Apparatuur kan ook rechtstreeks via de commandline of API-code worden aangestuurd. De koppeling met een AI-model ontstaat onder meer via MCP. Daarmee kan een agent opdrachten in natuurlijke taal verwerken, maar ook zelf bepalen welke opeenvolgende handelingen nodig zijn.
Dat moet vooral het integratiewerk verminderen. Apparatuur van verschillende fabrikanten gebruikt doorgaans eigen interfaces, waardoor organisaties maatwerkkoppelingen moeten bouwen. Volgens Anthropic kan het aansluiten en integreren van hardware daardoor weken of zelfs maanden duren. Met MHS zou dat in sommige gevallen binnen enkele uren of minuten kunnen.
Agent stuurt complete workflow aan
Het gaat niet alleen om het geven van losse opdrachten aan een machine. Een agent kan verschillende apparaten combineren binnen één proces, resultaten volgen en instellingen aanpassen wanneer omstandigheden veranderen. Voor taken die langdurig of zeer snel moeten worden uitgevoerd, kan de agent opdrachten omzetten in code die vervolgens zelfstandig wordt uitgevoerd.
Anthropic demonstreerde dat onder meer met de afstelling van een laser. Claude veranderde de instelling, gebruikte camerabeelden om het effect te beoordelen en herhaalde het proces. Vervolgens zette het model de opgedane kennis om in een deterministisch script waarmee de laser voortaan zonder voortdurende tussenkomst van het AI-model kon worden uitgelijnd.
In een andere demonstratie kreeg Claude een robotarm zover dat die een aluminium blikje oppakte, zonder dat het model specifiek voor die handelingen was getraind. Ook kan een agent bijvoorbeeld een microscoop scherpstellen, de resultaten analyseren en vervolgens bepalen welk gebied nader moet worden onderzocht.
MHS is niet gebonden aan Claude. De standaard is modelagnostisch en kan via verschillende interfaces worden gebruikt, waaronder MCP. Anthropic wil daarmee uiteindelijk een gemeenschappelijke hardwarelaag creëren waarop verschillende AI-agents kunnen aansluiten.
AWS en robotfabrikanten doen mee
Verschillende technologie- en hardwarebedrijven experimenteren al met de standaard. AWS werkt aan ondersteuning via Strands Robots, terwijl Doosan Robotics MHS test met robotarmen. QIAGEN onderzoekt toepassing bij laboratoriumapparatuur en Tecan bouwt ondersteuning voor zijn systemen voor geautomatiseerde vloeistofverwerking. Ook Universal Robots wil MHS in zijn roboticaplatform integreren.
Daarnaast werkt Hugging Face aan ondersteuning binnen robotica-library LeRobot. Raspberry Pi experimenteert eveneens met MHS en heeft de technologie onder meer getest met camera’s.
Voorlopig blijft MHS een research preview. Anthropic wijst erop dat AI-modellen nog beperkingen hebben bij ruimtelijk en fysiek redeneren, waardoor menselijke expertise noodzakelijk blijft. Tijdens de testfase wil het bedrijf daarom ook veiligheidsmaatregelen en evaluatiemethoden verder ontwikkelen.
Na de preview wil Anthropic MHS als open source beschikbaar stellen. Daarmee moet de standaard uiteindelijk ook buiten het ecosysteem van Claude kunnen worden gebruikt voor het koppelen van AI-agents aan de fysieke wereld.