Anthropic 开放了模型硬件标准（MHS）的研究预览版，这是一个让 AI agent 安全操作物理设备的共享规范，首批面向科研实验室和先进制造商。MHS 由 Anthropic 与 HHMI Janelia Research Campus 合作开发，旨在解决实验室硬件集成耗时数周甚至数月的问题——每台设备有各自的编程接口，缺乏标准化的集成方式，更谈不上让 AI agent 安全地控制它们。MHS 通过引入标准化驱动解决这些问题：驱动使用一组简单原语（”read”、”write”），让任何有可编程接口的设备都能理解并执行指令；驱动还包含自然语言标签，用户可以将设备特性（如机械臂重量）直接写入，驱动据此自动生成参考文件，让 agent 第一次见到设备就能知道如何使用它。控制层面，MHS 支持 MCP、命令行接口和代码文件三种方式，agent 可通过单行代码协调多台设备，实现步骤编排、实时监控参数调整，以及将长耗时任务的命令链写入代码文件，让设备无需 agent 每一步推理即可自主执行。

在测试中，Claude 以探索性方式与硬件交互，像科学家一样观察并调整激光，然后将其学习到的序列封装成确定性脚本，实现一键对齐。早期合作案例覆盖多个领域：Genentech 将 MHS 作为 BCA 蛋白检测自动化的概念验证；华盛顿大学 Baker 和 Pinglay 实验室用于远程监控仪器和 qPCR 实验智能终止；卡内基梅隆大学使用 MHS 将系列稀释剂量反应实验速度提升约三倍；HHMI Janelia 统一了原本需要七种不同厂商程序的显微镜控制 rig；QuEra Computing 利用 MHS 让 AI agent 控制量子计算机内的激光系统，开发出无需人工干预即能以 99.3% 概率恢复激光“锁定”的控制器；Tetsuwan Scientific 则用 MHS 编排 qPCR 工作流以分析本地污染。

硬件厂商和软件公司也在将 MHS 集成到自己的产品中：AWS 通过 Strands Robots 支持 MHS；Automata 在 LINQ 平台添加 MHS 以实现智能错误处理；Danaher 与 Anthropic 探索 MHS 在智能仪器和自主实验室中的应用；Doosan Robotics 测试 MHS 进行自动质量保证；MBF Bioscience 为 ScanImage 构建 MHS 驱动；QIAGEN 在核酸纯化平台上验证了 MHS 的概念；Tecan 为 Fluent 液体处理平台添加 MHS；Universal Robots 计划加入支持。

目前 MHS 仍处于研究预览阶段，尚未开源。文章坦陈了局限：Claude 的物理推理仍有限，需要专家监督——例如 Genentech 的研究人员需要引导 Claude 认识到样品起泡是物理故障而非软件错误。MHS 暂时不支持没有编程接口的硬件，Anthropic 正与制造商合作内置驱动。下一步，Anthropic 将利用研究预览构建更多安全评估，并制定物理安全路线图。早期采纳者还包括 Hugging Face（在 LeRobot 中添加 MHS）和 Raspberry Pi（完成摄像头驱动测试后计划在多款产品中集成）。