Anthropic 推出 Model Hardware Standard：讓 AI 代理長出雙手的「實體世界版 MCP」

2026 年 8 月 27 日，Anthropic 開放了 Model Hardware Standard（MHS） 的研究預覽——這是一套讓 AI 代理安全操作實體設備的共用規格。如果這聽起來有點熟悉，那是應該的：2024 年 11 月 Anthropic 開源了 Model Context Protocol（MCP），如今它已成為連接 AI 模型與軟體工具、資料的事實標準。MHS 是它的續篇，而且指向更龐大的目標：實體世界。MCP 給了代理存取 API 與文件的能力，MHS 則給了它們雙手——一套標準化方法，用來探索、理解、控制與協調顯微鏡、液體處理工作站、機械手臂、盤式讀取器，甚至量子電腦內部的雷射系統。

首批使用者來自科學研究實驗室與先進製造廠，而 Anthropic 隨公告發布的早期成果相當驚人：原本需要數週到數個月的設備整合工作，壓縮到數小時內完成；代理能在無人介入下從硬體錯誤中自行恢復；還有一項量子運算試點，由代理徹夜迭代產出的雷射恢復控制器，表現勝過人類工程師耗費數月打造的成果。

MHS 要解決的整合難題

每個實驗室與工廠都有同樣的噩夢：設備彼此無法溝通。每台儀器都附帶原廠軟體、各自的程式介面，常常連程式語言都不同——這裡是 MATLAB、那裡是 Python、另一邊是 C#。要讓兩台儀器協同運作，得靠專門人員撰寫客製化的「翻譯」程式碼，而且一直沒有一套標準化的方法，能把這些設備的控制權交給 AI 代理，更別提要安全地做到。建置一套自動化系統通常需要數週到數個月。

MHS 用標準化驅動程式來解決這件事——驅動程式是作業系統與硬體設備之間的翻譯層。MHS 驅動程式揭露一組簡單的原語：「read」（讀取溫度）與「write」（設定溫度），任何設備都能理解；同時以標準格式讓每台設備在網路上可被探索，代理與設備便能彼此發現、直接溝通，中間不再需要客製翻譯程式。

最巧妙的部分，是 MHS 處理了代理無法單從程式碼推敲出來的實體脈絡。驅動程式內含以自然語言撰寫的標籤，描述機器特性——例如機械手臂的重量，這對安全操作至關重要。這些知識過去存在紙本手冊或操作員的腦海裡。驅動程式利用這些標籤自動產生一份參考文件，說明設備能量測什麼、能調整什麼、會強制執行哪些安全限制。設備連上後，代理可透過三種機制控制硬體——MCP、命令列介面與程式碼檔案（API）——並能用一行程式碼協調多台設備。遇到長時間執行或高速任務時，代理可以把驅動命令串接成確定性的腳本，執行時不需逐步推理。這套標準與模型無關：任何代理框架都能使用。

MHS 源自 Anthropic Beneficial Deployments 團隊的 Alek Kemeny 與 HHMI Janelia 研究園區博士後研究員 Arco Bast 的合作——Bast 為了讓自己腦部造影實驗設備得以互相溝通，打造了一個共享記憶體字典。Anthropic 計畫在預覽結束後將標準開源。

試點計畫實際做了什麼

Genentech 用 MHS 執行 BCA 蛋白質定量分析——這項常規程序需要協調液體處理工作站、機械手臂與盤式讀取器，由 Claude 負責指揮全部三台設備。在優化移液流速的任務中，Claude 進行試驗轉移、以 RMSE 對照專家操作的「標準答案」盤自我評分，最終收斂到水約 140 µL/s、黏稠 BSA 溶液 10 µL/s 的參數，Genentech 的自動化專家確認這些參數合理。Claude 還自行從吸頭吸取失敗與液體偵測錯誤中恢復——這是大多數科學儀器根本不具備的能力。

試點也暴露了限制。當蛋白質樣本起泡時，Claude 的直覺是在同一孔位換參數重試，結果只讓液體更加劇烈晃動、產生更多氣泡。直到研究人員告訴它要換到乾淨孔位並減少混合循環，它才理解問題的物理本質。這些經驗隨後被編碼成可重用的「技能」。

卡內基美隆大學 從零開始為 CyBio Felix 液體處理工作站、Varioskan LUX 盤式讀取器、Spinnaker 機械手臂與監控攝影機撰寫驅動程式——這些設備分散在三台電腦上，介面根本不相容（一個是目錄監看式排程器、一個是老舊的 Windows ActiveX/COM 介面、一個是完全沒有 API 的純 GUI 程式，MHS 像人一樣直接操作它的畫面）。從原始設備到完成一系列稀釋劑量反應曲線（包含一次自主重跑）只花了 八小時，而委外建置通常需要數週，實驗執行速度也快了約 3 倍。團隊人為誘發六種失敗情境（盤子缺失、盤子轉向、讀取器忙碌、攝影機斷線、設備無回應、急停按下），系統在任何設備動作前就正確擋下了全部六種。在科學品質上：代理拒絕了自己的第一組結果（因飽和導致 R² < 0.9），自主決定丟棄該盤、把濃度範圍從 200 壓縮到 100 µg/mL 重跑，在完全無人介入下產出 R² > 0.98 的乾淨曲線。

QuEra Computing 這家中性原子量子電腦公司，把鈦寶石雷射系統的控制權交給 Claude——雷射頻率必須鎖定到大約一兆分之一的精度。一套由四人團隊耗費數月打造的客製恢復腳本，重鎖成功率 58%、每次約 150 秒。QuEra 接著讓四個 Claude 角色（提出假設、修改程式、執行、審查日誌）徹夜循環跑了數百次，全程無人值守。到清晨，改寫後的控制器只需約 6 秒、成功率 96%；在之後 700 次試驗的盲測中成功 695 次（99.3%），最困難的干擾也只要 10–14 秒，而人類需要 5–10 分鐘。代理還在 363 次實驗、16 小時無人值守中重新調校了伺服迴路的 12 個 PID 參數，把殘餘雜訊從 15.7 mV 降到 1.55 mV——比人類專家的調校安靜約 10 倍——並連續 19 小時不掉鎖，而手動調校每小時掉鎖約 1.6 次。

其他合作夥伴：華盛頓大學 Baker 與 Pinglay 實驗室在一週內（含手寫驅動）串接六台儀器，實現遠端監控、代理監督的 qPCR，以及 LeRobot 機械手臂與液體處理工作站之間無碰撞的盤件交接；HHMI Janelia 把一套七套程式拼湊的顯微鏡系統統一進單一共用狀態字典，硬體整合從數天縮短到數分鐘；Tetsuwan Scientific 則在其 ResearchOS 自動化生物實驗平台上使用 MHS，進行一項公民科學 qPCR 計畫，分析加州聖佩德羅溪的糞便污染來源——期間 Claude 發現試劑管裡有氣泡，主動掃描網路上的相容離心機，自行把氣泡離心排除。

第一天就成形的生態系

硬體廠商已開始內建支援：AWS（透過 Strands Robots 函式庫）、Automata（LINQ）、Danaher、Doosan Robotics、MBF Bioscience（ScanImage，全球數百間神經科學實驗室的雷射掃描顯微鏡都靠它運作）、QIAGEN、Tecan（Fluent 液體處理平台）與 Universal Robots。開源陣營方面，Hugging Face 正把 MHS 加入 LeRobot，Raspberry Pi 也在多項產品上啟用整合。

為什麼重要——以及後續觀察重點

MCP 的啟示是：標準會複利成長。一旦「把代理接上工具」變得稀鬆平常，整個代理軟體生態系便應運而生。MHS 旨在實驗室與工廠複製同樣的動能——那裡的瓶頸從來不是模型智慧，而是整合成本與安全性。Anthropic 對缺口毫不諱言：Claude 對物理世界的理解來自文字與圖片，空間推理仍需專家監督；MHS 只適用於具備可程式介面的設備；公司也正配合預覽計畫建構實體安全路線圖，後續將發布安全評估並開源。

不過方向已經再明確不過。這些試點最有價值的成果不是加速幅度，而是行為本身：代理拒絕自己產出的不良數據、主動重跑實驗、在硬體動作前擋下不安全狀態、把探索性的試錯過程收斂成確定且可檢視的腳本。這就是自主實驗室的骨架。對一個花了兩年時間自動化鍵盤的產業來說，MHS 是第一個認真、且獲得供應商背書的嘗試，要為迴路的另一端——會動的機器——建立標準。