Model bahasa besar sekarang benar-benar telah memiliki tangan.
Pada Kamis minggu ini, Anthropic mengumumkan peluncuran MCP untuk perangkat keras: Model Hardware Standard (MHS), sebuah standar baru yang dirancang untuk membantu semua agen AI yang didorong oleh model besar mengoperasikan perangkat fisik dengan aman dan cepat.
Sekarang, model besar seperti Claude dapat mengoperasikan perangkat keras seperti mikroskop, lengan robot, pemroses cairan, dan laser di dunia fisik, sebagaimana menggunakan MCP (Model Context Protocol). Kemajuan ini dianggap oleh industri sebagai langkah kunci dalam perpindahan AI dari dunia digital ke dunia fisik.
Sebagian besar pengguna agen pasti pernah mendengar tentang MCP, protokol standar terbuka yang diluncurkan oleh Anthropic pada November 2024, yang bertujuan menyediakan antarmuka komunikasi dua arah yang terstandarisasi dan aman antara model bahasa besar (LLM) dengan sumber data eksternal, file lokal, alat pengembangan, dan berbagai layanan aplikasi.
MCP secara strategis didefinisikan sebagai "antarmuka USB-C untuk bidang AI", yang mampu menghubungkan model besar dengan lingkungan perangkat lunak seperti GitHub, Slack, sistem file lokal, dan database. Seiring perkembangan teknologi AI dalam beberapa tahun terakhir, MCP telah berkembang menjadi standar faktual yang tak terpisahkan dalam ekosistem agen cerdas.
Sekarang juga Anthropic, berharap melalui perangkat keras MCP, standar komunikasi ini ditingkatkan ke tingkat perangkat keras fisik, sensor, sistem tertanam, dan perangkat pengujian.
Pengembangan MHS dimulai dari kolaborasi antara perusahaan Anthropic dan Janelia Research Campus dari Howard Hughes Medical Institute (HHMI), dan kini versi pra-penelitian telah tersedia untuk laboratorium penelitian dan produsen canggih pertama.
Biasanya, laboratorium atau pabrik manufaktur memerlukan waktu berminggu-minggu bahkan berbulan-bulan untuk memasang dan mengintegrasikan perangkat keras. Sebagian besar perangkat tidak dapat berkomunikasi langsung satu sama lain, sehingga memerlukan ahli untuk membangun solusi integrasi khusus. MHS dapat mempersingkat proses integrasi ini menjadi beberapa jam bahkan beberapa menit. Selain itu, dengan mengintegrasikan AI ke dalam alat-alat ini, MHS membantu para peneliti dan insinyur lebih mudah mengoordinasikan eksperimen dan alur kerja otonom yang berjalan 24/7. Agen mampu menganalisis setiap langkah eksperimen, memperbarui parameter secara real-time, dan dalam beberapa kasus, memulihkan diri dari gangguan perangkat keras tanpa intervensi manusia.
MHS dapat digunakan bersama perangkat apa pun yang memiliki antarmuka yang dapat diprogram, dan tidak bergantung pada jenis model dasar; setiap kerangka agen dapat mengaksesnya menggunakan protokol standar seperti MCP.
Meskipun tidak mempertimbangkan kesulitan tambahan dalam mengintegrasikan AI ke dalam sistem, membuat berbagai perangkat di laboratorium atau lantai pabrik berkomunikasi satu sama lain pun bukan hal yang mudah. Setiap perangkat biasanya memiliki antarmuka pemrograman sendiri, dan belum ada metode integrasi standar saat ini. Selain itu, setelah perangkat terhubung, tidak ada metode universal untuk membagikan data dengan Agent, apalagi memungkinkan Agent mengoperasikan perangkat-perangkat tersebut secara aman.
Saat ini, MHS mengatasi tantangan-tantangan ini dengan memperkenalkan driver standar: driver ini adalah perangkat lunak yang melakukan konversi antara sistem operasi komputer dan perangkat keras. Driver MHS menggunakan serangkaian perintah dasar sederhana, seperti membaca (misalnya, mendapatkan suhu), menulis (misalnya, mengatur suhu), dan sebagainya, yang dapat dipahami dan dieksekusi oleh perangkat keras apa pun. Ini memungkinkan setiap perangkat ditemukan dalam format standar, sehingga perangkat dan agen dapat saling menemukan dan berkomunikasi melalui jaringan tanpa memerlukan program 'penerjemah' khusus di antara keduanya.
Driver MHS juga dapat membantu agen memahami dan menggunakan perangkat yang belum pernah dilihat sebelumnya, serta menyediakan informasi tentang fitur mesin yang tidak dapat diperoleh hanya melalui kode (misalnya, berat lengan mekanis, yang sangat penting untuk operasi yang aman). Sejauh ini, informasi ini sebagian besar disimpan di manual kertas, komputer pengguna, atau sebagai pengetahuan implisit. Namun, driver MHS menyertakan label yang memungkinkan pengguna memasukkan informasi ini langsung dalam bahasa alami (pengguna dapat memasukkannya sendiri, atau melalui obrolan dengan agen, di mana AI akan menanyakan pengaturan perangkat kerasnya).
Dengan memanfaatkan informasi dari tag-tag ini, driver MHS akan secara otomatis menghasilkan file referensi yang berisi informasi umum tentang fitur perangkat, seperti apa yang dapat diukur, apa yang dapat disesuaikan, dan batasan keamanan apa yang akan diberlakukan. File ini memberikan semua informasi yang diperlukan agen untuk mengoperasikan perangkat.
Setelah perangkat terhubung dan agen memahami cara menggunakan setiap perangkat, diperlukan metode untuk mengontrol perangkat keras tersebut. Untuk MHS, ada tiga mekanisme semacam itu: MCP, antarmuka baris perintah, dan file kode (API). Ketiganya bekerja sama agar pengguna dapat mengoordinasikan beberapa perangkat melalui satu baris kode.
Setelah agen dapat mengontrol perangkat, ia dapat menerima data operasional dari setiap perangkat dan mengawasi serta membimbing pekerjaan pada tingkat yang lebih tinggi. Agen dapat mengurutkan langkah-langkah operasi berbagai instrumen, memantau hasil, dan menyesuaikan parameter berdasarkan perubahan real-time. Ketika agen perlu menjalankan tugas jangka panjang atau mengoperasikan perangkat dengan kecepatan yang melebihi kemampuan inferensinya secara online, ia dapat menggabungkan perintah driver dari satu atau lebih perangkat ke dalam file kode. Dengan demikian, perangkat dapat menjalankan operasi secara mandiri tanpa memerlukan inferensi agen pada setiap langkah.
Selama pengujian MHS, Anthropic menemukan bahwa Claude berinteraksi dengan eksperimen dan perangkat keras dengan cara yang penuh eksplorasi, seperti seorang ilmuwan.
Anthropic mengamati bahwa Claude menyesuaikan laser dan mengamati hasilnya melalui kamera, mengevaluasi bagaimana penyesuaian tersebut memindahkan sinar laser, lalu mengulangi proses ini untuk memahami urutan kejadian. Setelah itu, Claude mengemas informasi yang dipelajari ke dalam file kode, menulis skrip deterministik yang memungkinkannya mengkalibrasi laser tanpa harus bernalar langkah demi langkah, sehingga seluruh proses dapat dijalankan sebagai satu perintah tunggal.
Selama pengembangan MHS, Anthropic berbagi teknologi ini dengan beberapa laboratorium dan produsen perangkat keras di bidang bioteknologi, robotika, dan komputasi kuantum. Dalam proyek-proyek awal ini, kami melihat MHS memperpendek waktu integrasi perangkat, meningkatkan kecepatan iterasi di berbagai lingkungan eksperimen, serta membantu operasi real-time dan deteksi gangguan pada mesin.
Pemasok perangkat keras dan perusahaan perangkat lunak pendukungnya juga telah memasukkan dukungan MHS langsung ke dalam perangkat agar agen dapat menemukan dan mengoperasikan perangkat. Contoh:
Amazon Web Services (AWS) mendukung MHS melalui Strands Robots, sebuah perpustakaan untuk menghubungkan agen AI ke perangkat fisik. Selama pra-peluncuran penelitian MHS, AWS akan menyediakan versi pra-rilis pribadi dari paket perangkat lunak Strands Robots kepada peserta.
Automata sedang menambahkan dukungan MHS untuk platform otomasi laboratoriumnya, LINQ, untuk penanganan kesalahan cerdas pada instrumen di laboratorium otonom.
Danaher sedang secara aktif mengeksplorasi bagaimana fitur yang didukung oleh MHS dapat memperluas skala instrumen cerdas dan laboratorium otonomnya untuk penelitian dan pengembangan biomedis.
Doosan Robotics sedang menguji MHS menggunakan lengan robotnya, termasuk menjalankan jaminan kualitas otomatis dan mengoordinasikan tugas di antara beberapa robot.
MBF Bioscience sedang mengembangkan driver MHS untuk ScanImage, perangkat lunak yang digunakan di ratusan laboratorium neurosains di seluruh dunia untuk menjalankan mikroskop pemindaian laser, dengan tujuan mengintegrasikan agen AI ke dalam analisis data dan eksperimen secara real-time.
QIAGEN sedang menguji MHS melalui konsep bukti di platform pemurnian asam nukleat QIAsymphony Connect untuk menunjukkan bagaimana agen AI dapat membantu laboratorium lebih cepat mengidentifikasi gangguan peralatan, membimbing operator dalam pemulihan, meningkatkan waktu aktif peralatan, sekaligus mengurangi risiko terhadap sampel biologis.
Tecan sedang menambahkan dukungan MHS ke platform penanganan cairan Fluentnya agar agen AI dapat secara langsung menemukan dan mengoperasikan platform-platform ini.
Universal Robots telah memperoleh akses sebelumnya ke MHS dan berencana untuk menambahkan dukungan untuk MHS di platform robotnya.
Sebelum sumber terbuka, Anthropic masih ingin menyempurnakan standar ini lebih lanjut.
Sebagai model bahasa besar, Claude belajar tentang dunia fisik melalui teks dan gambar, yang berarti kemampuan penalaran spasial dan fisiknya terbatas dan masih memerlukan pengawasan ahli. Misalnya, dalam menangani sampel protein, peneliti Genentek harus membimbing Claude untuk mengenali bahwa kesalahan yang disebabkan oleh gelembung pada sampel merupakan gangguan fisik, bukan kesalahan perangkat lunak, yang hanya dapat diatasi melalui koreksi fisik yang sesuai.
MHS saat ini tidak kompatibel dengan perangkat keras yang tidak memiliki antarmuka pemrograman, sehingga Anthropic bekerja sama dengan produsen perangkat semacam itu untuk mengintegrasikan driver MHS ke dalam perangkat keras. Banyak pengembang sudah menggunakan Claude Code untuk mengoperasikan perangkat fisik tunggal. Pada tahap berikutnya MHS, Anthropic berharap dapat memperluas standar ini agar mencakup lebih banyak perangkat yang digunakan oleh pengembang.
Pengguna awal meliputi Hugging Face (yang sedang menambahkan dukungan MHS ke perpustakaan robot mereka, LeRobot) dan Raspberry Pi (yang sedang mengaktifkan integrasi MHS di berbagai produk mereka setelah berhasil menguji driver Kamera MHS mereka).
Referensi:
https://www.anthropic.com/news/model-hardware-standard-research-preview
Artikel ini berasal dari akun WeChat "Machine Heart" (ID: almosthuman2014), penulis: Machine Heart yang fokus pada Agent