Anthropic открыла MHS: стандарт для AI-агентов, которые управляют лабораторным и промышленным оборудованием

Anthropic показала один из самых интересных инфраструктурных анонсов последних недель: Model Hardware Standard (MHS) — research preview общего стандарта, через который AI-агенты могут работать с физическими устройствами вроде микроскопов, liquid handlers, роботизированных рук и производственных установок.

По сути, компания пытается решить старую проблему лабораторий и фабрик: оборудование есть, API местами тоже есть, но всё это плохо стыкуется между собой и почти никогда не готово к нормальной работе с агентами.

Что произошло

Anthropic открыла ранний доступ к MHS для первой группы научных лабораторий и продвинутых производителей. Стандарт создавался вместе с HHMI Janelia Research Campus и задуман как общий слой между AI-агентом и аппаратурой.

По описанию компании, MHS делает несколько важных вещей сразу:

• даёт единый способ описывать устройства и их возможности;
• использует стандартизованный драйвер с базовыми примитивами вроде read и write;
• помогает агенту понять не только кодовый интерфейс, но и физические ограничения устройства — например, что именно можно менять, что измеряется и какие safety-лимиты должны соблюдаться;
• позволяет оркестрировать несколько приборов параллельно через MCP, CLI и API/кодовые файлы.

Anthropic утверждает, что то, на что раньше у лаборатории могли уходить недели или месяцы интеграции, с MHS можно сократить до часов или даже минут.

В качестве ранних примеров компания приводит реальные пилоты:

• Genentech тестировала автоматизацию BCA protein assay с координацией liquid handler, robotic arm и plate reader;
• в University of Washington агент следил за qPCR-процедурой и останавливал её в нужный момент по данным кривых амплификации;
• в Carnegie Mellon MHS помог ускорить serial dilution dose-response эксперименты примерно в 3 раза;
• QuEra использовала стандарт для управления частью лазерной системы в квантовых компьютерах, и агент восстанавливал laser lock в 99,3% случаев без участия человека.

Параллельно поддержку MHS уже изучают или внедряют AWS, Automata, Danaher, Doosan Robotics, MBF Bioscience, QIAGEN, Tecan и Universal Robots.

Почему это важно

Это не просто ещё один релиз «нового AI-инструмента». История интереснее. До сих пор рынок в основном обсуждал AI-агентов внутри браузера, IDE, документов и корпоративного софта. MHS двигает ту же агентную логику в физический мир.

Если такой стандарт действительно приживётся, он может заметно снизить порог для автоматизации в науке и производстве:

• лабораториям не придётся каждый раз собирать уникальную интеграцию под конкретный набор приборов;
• AI-агенты смогут не только анализировать данные, но и запускать, координировать и корректировать реальные эксперименты;
• появится более понятная база для safety-проверок, аудита и ограничений при работе с физическим оборудованием.

Отдельно важно, что Anthropic делает MHS model-agnostic. То есть идея не в том, чтобы привязать всё только к Claude, а в том, чтобы создать общий стандарт, который можно использовать с разными агентами и поверх привычных протоколов, включая MCP.

Для рынка это сильный сигнал: следующий этап конкуренции в ИИ — уже не только «чья модель умнее», а кто даст лучший слой управления реальными рабочими системами.

Что дальше

Пока MHS находится в research preview, и сама Anthropic прямо пишет, что стандарт ещё не готов к полноценному open-source запуску. Это разумно: когда агент получает доступ к физическим устройствам, цена ошибки выше, чем у неудачного ответа в чате.

Ключевые вопросы на ближайшие месяцы такие:

• насколько быстро производители оборудования начнут добавлять поддержку MHS;
• получится ли у Anthropic и партнёров выработать внятные safety-evals и best practices для агентного управления железом;
• станет ли MHS де-факто стандартом для лабораторий и робототехники или останется сильным, но нишевым экспериментом.

Но уже сейчас видно главное: Anthropic пытается занять очень перспективный слой рынка — инфраструктуру, через которую AI-агенты будут не просто советовать, а действовать в реальной среде. Если этот подход взлетит, разговор об «агентах» в 2026 году окончательно выйдет за пределы экрана.