Anthropic이 AI로 실험실 기기를 조작하는 Model Hardware Standard 공개했다

AI가 코드만이 아니라 실험실의 현미경, 로봇 팔, 레이저를 직접 조작하는 시대가 왔습니다. Anthropic이 물리 장비를 AI 에이전트가 안전하게 다루기 위한 공통 표준 **Model Hardware Standard(MHS)**의 리서치 프리뷰를 공개했습니다.

한마디로 말하면, AI 에이전트가 여러 하드웨어를 표준 프로토콜로 발견·제어·감시할 수 있게 하는 개방형 사양입니다. 지금까지 몇 주에서 몇 달 걸리던 기기 통합 작업을 몇 시간, 심지어 몇 분으로 줄입니다.

무엇이 문제였나?

실험실이나 공장의 장비들은 제조사마다 제각각인 프로그래밍 인터페이스를 씁니다. 기기끼리 서로 통신도 안 되고, 연결하더라도 AI 에이전트에게 데이터를 넘기거나 안전하게 조작 권한을 주는 표준 방식이 없었습니다. 결국 전문가가 매번 bespoke 통합 프로그램을 만들어야 했죠.

MHS는 표준화된 드라이버로 이 문제를 풉니다. 드라이버는 "read"(온도 가져오기), "write"(온도 설정하기) 같은 단순한 primitive 명령 세트를 제공하고, 모든 기기를 표준 포맷으로 발견 가능하게 만듭니다. 별도의 번역 프로그램 없이도 기기와 에이전트가 네트워크에서 서로를 찾아 대화할 수 있게 되는 거죠.

AI가 처음 보는 기기를 다루는 법

MHS 드라이버의 흥미로운 부분은 자연어 태그입니다. 로봇 팔의 무게처럼 코드만으로는 알 수 없는 물리적 특성을 사용자가 일상 언어로 기록하면, 드라이버가 이를 종합해 기기의 측정 가능 항목·조정 가능 항목·안전 한계를 담은 레퍼런스 파일을 자동 생성합니다. 에이전트는 이 파일 하나로 처음 보는 기기를 안전하게 다룰 수 있습니다.

제어 방식은 MCP, CLI, 코드 파일(API) 세 가지입니다. 특히 코드 파일 방식이 재미있는데, 반복 실험처럼 긴 작업을 드라이버 명령 체인으로 묶어 결정론적 스크립트로 실행하면 에이전트가 매 단계 추론할 필요가 없습니다. Anthropic의 테스트에서 Claude는 레이저를 조정하고 카메라로 결과를 관찰하는 과정을 과학자처럼 반복하다가, 배운 내용을 스스로 하나의 스크립트로 정리해냈습니다.

실제 현장 성과

파트너 실험실 결과가 꽤 인상적입니다:

• Carnegie Mellon: 기존보다 약 3배 빠르게 희석·용량반응 실험을 자동화했습니다.
• QuEra Computing: 양자컴퓨터 레이저 lock 복구를 인간 개입 없이 99.3% 성공시켰습니다.
• 워싱턴대 Baker/Pinglay lab: qPCR 증폭 곡선을 AI가 실시간 감시하다가 적절한 시점에 자동 중단하는 워크플로우를 만들었습니다.

AWS Strands Robots, Tecan, Universal Robots, QIAGEN, 라즈베리파이, Hugging Face LeRobot 등 하드웨어 벤더들의 MHS 지원도 진행 중입니다.

어디까지 왔고 어디로 가나

아직 오픈소스화 전 단계입니다. Claude는 텍스트와 이미지로 물리 세계를 배우기 때문에 공간·물리 추론에 한계가 있어 전문가 감독이 필요합니다. 실제로 Genentech 연구자들은 시료 거품 문제를 소프트웨어 버그가 아닌 물리적 실패로 Claude가 인식하도록 유도해야 했죠. 프로그래밍 인터페이스가 없는 기기도 아직 지원하지 않습니다.

Anthropic은 이 리서치 프리뷰 기간에 안전 평가와 물리 안전 로드맵을 함께 만들겠다고 밝혔습니다. MHS는 MCP의 물리 세계 확장판이라 볼 수 있습니다. 소프트웨어 세계를 바꾼 AI가 이제 실험실과 공장장으로 눈을 돌린 건데, 과학 연구 워크플로우가 앞으로 몇 년 안에 꽤 달라질 것 같습니다.

출처: https://www.anthropic.com/news/model-hardware-standard-research-preview

태그: AI Claude Anthropic