Grandes modelos de linguagem agora realmente desenvolveram mãos.
Na quinta-feira desta semana, a Anthropic anunciou o lançamento do MCP para hardware: Model Hardware Standard (MHS), um novo padrão projetado para ajudar todos os agentes de IA impulsionados por grandes modelos a manipular dispositivos físicos de forma segura e rápida.
Agora, grandes modelos como o Claude podem operar hardware no mundo físico, como microscópios, braços mecânicos, processadores de líquidos e lasers, da mesma forma que usam o MCP (Model Context Protocol). Esse avanço é considerado pela indústria como um passo crucial para a IA sair do mundo digital e entrar no mundo físico.
Quem usa agentes certamente já ouviu falar do MCP, um protocolo de padrão aberto lançado pela Anthropic em novembro de 2024, projetado para fornecer uma interface bidirecional padronizada e segura entre modelos de linguagem de grande porte (LLMs) e fontes externas de dados, arquivos locais, ferramentas de desenvolvimento e diversos serviços de aplicativos.
A posição central do MCP é "a interface USB-C para a área de IA", capaz de conectar grandes modelos a ambientes de software como GitHub, Slack, sistemas de arquivos locais e bancos de dados. Com o desenvolvimento da tecnologia de IA nos últimos anos, o MCP evoluiu para se tornar o padrão de fato indispensável em todo o ecossistema de agentes inteligentes.
Agora também é Anthropic, que espera usar hardware MCP para elevar este padrão de comunicação para hardware físico, sensores, sistemas embarcados e equipamentos de teste.
O desenvolvimento do MHS começou com uma colaboração entre a Anthropic e o Janelia Research Campus do Howard Hughes Medical Institute (HHMI), e agora está disponibilizando a versão de pré-visualização para pesquisa aos primeiros laboratórios de pesquisa e fabricantes avançados.
Normalmente, laboratórios ou fábricas de fabricação levam semanas ou até meses para montar e integrar hardware. A maioria dos dispositivos não pode se comunicar diretamente entre si, exigindo que especialistas desenvolvam soluções de integração personalizadas. O MHS reduz esse trabalho de integração para horas ou até minutos. Além disso, ao integrar IA nesses instrumentos, o MHS ajuda pesquisadores e engenheiros a coordenar mais facilmente experimentos e fluxos de trabalho autônomos e contínuos. Os agentes conseguem raciocinar sobre cada etapa do experimento, atualizar parâmetros em tempo real e, em alguns casos, recuperar-se automaticamente de falhas de hardware sem intervenção humana.
O MHS pode ser usado com qualquer dispositivo com interface programável e é independente do tipo de modelo básico; qualquer framework de agente pode acessá-lo por meio de protocolos padrão, como o MCP.
Mesmo sem considerar a complexidade adicional de integrar IA ao sistema, tornar vários dispositivos em um laboratório ou na linha de produção se comunicarem entre si não é fácil. Cada dispositivo geralmente possui sua própria interface de programação, e ainda não existe um método padronizado de integração. Além disso, após a conexão dos dispositivos, não há um método universal para que eles compartilhem dados com o Agente, nem um meio para que o Agente opere esses dispositivos de forma segura.
Atualmente, o MHS enfrenta esses desafios introduzindo drivers padronizados: um tipo de software que realiza a conversão entre o sistema operacional do computador e os dispositivos de hardware. Os drivers MHS utilizam um conjunto de comandos básicos simples, como leitura (por exemplo, obter temperatura) e escrita (por exemplo, definir temperatura), que qualquer dispositivo de hardware pode entender e executar. Isso permite que cada dispositivo seja descoberto em um formato padrão, permitindo que dispositivos e agentes se descubram mutuamente e se comuniquem através da rede, sem a necessidade de programas personalizados de “tradução” entre eles.
Os drivers MHS também ajudam os agentes a compreender e utilizar dispositivos nunca vistos antes, fornecendo informações sobre características da máquina que não poderiam ser obtidas apenas por meio de código (como o peso de um braço mecânico, essencial para operações seguras). Até agora, essas informações eram armazenadas principalmente em manuais em papel, em computadores de usuários ou como conhecimento tácito. Mas os drivers MHS incluem rótulos que permitem aos usuários inserir essas informações diretamente em linguagem natural (os usuários podem inseri-las manualmente ou por meio de conversas com o agente, em que a IA pergunta sobre suas configurações de hardware).
Usando as informações dessas tags, o driver MHS gera automaticamente um arquivo de referência contendo informações gerais sobre as características do dispositivo, como o que ele pode medir, o que pode ser ajustado e quais restrições de segurança serão aplicadas. Esse arquivo fornece ao agente todas as informações necessárias para operar o dispositivo.
Após os dispositivos estarem conectados e o agente entender como usar cada um, ainda é necessário um método para controlar esses hardwares. Para o MHS, existem três mecanismos para isso: MCP, interface de linha de comando e arquivos de código (API). Eles trabalham em conjunto para permitir que os usuários coordenem múltiplos dispositivos por meio de uma única linha de código.
Assim que o agente conseguir controlar os dispositivos, ele poderá receber dados de operação de cada dispositivo e supervisionar e orientar o trabalho em um nível mais elevado. O agente pode ordenar os passos de operação de diferentes instrumentos, monitorar os resultados e ajustar parâmetros conforme mudanças em tempo real. Quando o agente precisar executar tarefas de longa duração ou operar dispositivos a uma velocidade superior à sua capacidade de inferência online, ele poderá encadear comandos de driver de um ou mais dispositivos em arquivos de código. Dessa forma, os dispositivos poderão executar as operações por conta própria, sem que o agente precise realizar inferência em cada passo.
Durante o teste do MHS, a Anthropic descobriu que o Claude interage com experimentos e hardware de forma exploratória, como um cientista.
A Anthropic observou que o Claude ajustava os lasers e observava os resultados por meio da câmera, avaliando como os ajustes moviam o feixe laser, e repetia esse processo para entender a sequência dos eventos. Posteriormente, o Claude empacotou as informações aprendidas em um arquivo de código, escrevendo um script determinístico que permitia calibrar o laser sem precisar raciocinar em cada etapa, permitindo que todo o processo fosse executado como um único comando.
Durante o desenvolvimento do MHS, a Anthropic compartilhou a tecnologia com vários laboratórios e fabricantes de hardware em áreas como biotecnologia, robótica e computação quântica. Nesses projetos iniciais, observamos que o MHS reduziu o tempo de integração de equipamentos, aumentou a velocidade de iteração em diversos ambientes experimentais e auxiliou na operação em tempo real e na detecção de falhas de máquinas.
Os fornecedores de hardware e suas empresas de software associadas também incorporaram suporte MHS nos dispositivos, permitindo que agentes descubram e operem os dispositivos. Por exemplo:
A Amazon Web Services (AWS) suporta a MHS por meio do Strands Robots, uma biblioteca para conectar agentes de IA a dispositivos físicos. Durante a pré-visualização da pesquisa da MHS, a AWS fornecerá aos participantes uma versão privada pré-lançamento do pacote Strands Robots.
Automata está adicionando suporte ao MHS para sua plataforma de automação laboratorial LINQ, a fim de realizar tratamento inteligente de erros em instrumentos de laboratórios autônomos.
Danaher está ativamente explorando como os recursos suportados pelo MHS podem permitir que seus instrumentos inteligentes e laboratórios autônomos ampliem a pesquisa e o desenvolvimento biomédicos.
A Doosan Robotics está utilizando seus braços robóticos para testar o MHS, incluindo a execução de garantia de qualidade automatizada e a coordenação de tarefas entre vários robôs.
MBF Bioscience está desenvolvendo o driver MHS para o ScanImage, software utilizado em centenas de laboratórios de neurociência ao redor do mundo para operar microscópios de varredura a laser, com o objetivo de integrar agentes de IA à análise de dados em tempo real e aos experimentos.
A QIAGEN está testando o MHS por meio de um conceito de prova de conceito em sua plataforma de purificação de ácidos nucleicos QIAsymphony Connect, para demonstrar como agentes de IA podem ajudar os laboratórios a diagnosticar falhas de equipamentos mais rapidamente, orientar operadores na recuperação, aumentar o tempo de atividade dos equipamentos e reduzir o risco às amostras biológicas.
Tecan está adicionando suporte ao MHS para sua plataforma de manipulação de líquidos Fluent, permitindo que agentes de IA descubram e operem diretamente essas plataformas.
Universal Robots já obteve antecipadamente o uso do MHS e planeja adicionar suporte ao MHS em sua plataforma de robôs.
Antes da abertura do código-fonte, a Anthropic ainda deseja aprimorar mais esse padrão.
Como um modelo de linguagem de grande porte, o Claude aprende sobre o mundo físico por meio de texto e imagens, o que significa que suas capacidades de raciocínio espacial e físico são limitadas e ainda exigem supervisão especializada. Por exemplo, ao lidar com amostras de proteínas, os pesquisadores da Genentech tiveram que orientar o Claude a identificar que a falha causada pela formação de bolhas na amostra era um problema físico, e não um erro de software, e que só poderia ser mitigada por correções físicas apropriadas.
O MHS atualmente não é compatível com hardware que não possui interface de programação, portanto, a Anthropic está colaborando com fabricantes desses dispositivos para integrar os drivers do MHS diretamente no hardware. Muitos desenvolvedores já estão usando o Claude Code para operar dispositivos físicos individuais. Na próxima fase do MHS, a Anthropic pretende expandir esse padrão para abranger um maior número de dispositivos utilizados pelos desenvolvedores.
Os primeiros adotantes incluem a Hugging Face (que está adicionando suporte ao MHS em sua biblioteca de robôs, LeRobot) e a Raspberry Pi (que está habilitando a integração do MHS em vários de seus produtos após testes bem-sucedidos com seu driver de câmera MHS).
Conteúdo de referência:
https://www.anthropic.com/news/model-hardware-standard-research-preview
Este artigo é do canal do WeChat "Machine Heart" (ID: almosthuman2014), autor: Machine Heart focada em Agentes