Крупные языковые модели теперь действительно обрели руки.
В четверг этой недели Anthropic объявила о запуске MCP для аппаратного обеспечения: Model Hardware Standard (MHS) — нового стандарта, предназначенного для обеспечения безопасного и быстрого управления физическими устройствами всеми AI-агентами, основанными на крупных моделях.
Сейчас такие крупные модели, как Claude, могут управлять такими аппаратными устройствами, как микроскопы, манипуляторы, жидкостные процессоры и лазеры, аналогично использованию MCP (протокола контекста модели). Этот прогресс рассматривается отраслью как ключевой шаг перехода ИИ из цифрового мира в физический.
Практически каждый, кто использует агенты, слышал о MCP — это открытый стандартный протокол, запущенный Anthropic в ноябре 2024 года, предназначенный для обеспечения стандартизированного и безопасного двустороннего интерфейса связи между крупными языковыми моделями (LLM) и внешними источниками данных, локальными файлами, инструментами разработки и различными сервисами приложений.
Основная позиция MCP — «USB-C-разъем для области ИИ», который обеспечивает взаимодействие между крупными моделями и программными средами, такими как GitHub, Slack, локальная файловая система и базы данных. За последние годы развитие технологий ИИ превратило MCP в неотъемлемый фактический стандарт всей экосистемы агентов.
Сейчас это также Anthropic, которая希望通过 аппаратное обеспечение использовать MCP, подняв эту стандартную коммуникационную спецификацию на уровень физического оборудования, датчиков, встроенных систем и тестового оборудования.
Разработка MHS началась с сотрудничества между компанией Anthropic и исследовательским кампусом Janelia Института медицинских исследований Ховарда Хьюза (HHMI), и теперь исследовательская предварительная версия доступна для первых научных лабораторий и передовых производителей.
Обычно лабораториям или производственным заводам требуется несколько недель или даже месяцев для установки и интеграции оборудования. Большинство устройств не могут напрямую взаимодействовать друг с другом, поэтому для создания пользовательских решений по интеграции требуются эксперты. MHS может сократить этот процесс интеграции до нескольких часов или даже минут. Кроме того, благодаря интеграции ИИ в эти инструменты, MHS помогает исследователям и инженерам легче координировать автономные, круглосуточные эксперименты и рабочие процессы. Агенты могут логически анализировать каждый шаг эксперимента, обновлять параметры в реальном времени и в некоторых случаях восстанавливаться от сбоев оборудования без участия человека.
MHS можно использовать с любым устройством, имеющим программируемый интерфейс, и он не зависит от типа базовой модели; любая агентная платформа может использовать стандартные протоколы, такие как MCP, для доступа к нему.
Даже без учета дополнительной сложности интеграции ИИ в систему, обеспечение взаимодействия между несколькими устройствами в лаборатории или на производственной площадке не является простой задачей. Каждое устройство обычно имеет собственный программный интерфейс, и на данный момент не существует стандартизированного метода интеграции. Кроме того, после подключения устройств не существует универсального способа для обмена данными с агентом, а тем более для безопасного управления этими устройствами агентом.
Сейчас MHS решает эти проблемы с помощью стандартизированных драйверов: это программное обеспечение, осуществляющее преобразование между операционной системой компьютера и аппаратными устройствами. Драйверы MHS используют набор простых базовых команд, таких как чтение (например, получение температуры) и запись (например, установка температуры), которые любое аппаратное устройство может понять и выполнить. Это позволяет каждому устройству обнаруживаться в стандартном формате, обеспечивая взаимное обнаружение устройств и агентов и их обмен данными через сеть без необходимости использования пользовательских «переводчиков» между ними.
Драйверы MHS также помогают агентам понимать и использовать устройства, которых они никогда не видели ранее, и предоставляют информацию о характеристиках оборудования, которую невозможно получить только с помощью кода (например, вес манипулятора, что критически важно для безопасной эксплуатации). До сих пор эта информация в основном хранилась в бумажных руководствах, на компьютерах пользователей или существовала в виде неявных знаний. Однако драйверы MHS содержат метки, позволяющие пользователям вводить эту информацию непосредственно на естественном языке (пользователи могут ввести ее самостоятельно или через диалог с агентом, при котором ИИ задает вопросы о его аппаратных настройках).
Используя информацию из этих меток, драйвер MHS автоматически генерирует справочный файл, содержащий общую информацию о характеристиках устройства, например, что он может измерять, что можно настраивать и какие ограничения безопасности будут применяться. Этот файл предоставляет агенту всю необходимую информацию для управления устройством.
После подключения оборудования и того, как агентная программа узнает, как использовать каждое устройство, необходим еще один способ управления этим оборудованием. Для MHS существует три таких механизма: MCP, командная строка и файлы кода (API). Они работают совместно, позволяя пользователю координировать несколько устройств с помощью одной строки кода.
Как только агент получает контроль над устройствами, он может получать данные о работе каждого устройства и осуществлять надзор и управление на высоком уровне. Агент может упорядочивать шаги операций различных приборов, отслеживать результаты и корректировать параметры в реальном времени в зависимости от изменений. Когда агенту необходимо выполнить длительную задачу или управлять устройствами со скоростью, превышающей его возможности онлайн-вывода, он может объединять команды драйверов одного или нескольких устройств в файл кода. Таким образом, устройства могут выполнять операции самостоятельно, без необходимости, чтобы агент выполнял вывод на каждом этапе.
В процессе тестирования MHS Anthropic обнаружила, что Claude взаимодействует с экспериментами и оборудованием с исследовательским подходом, подобным учёному.
Anthropic заметила, что Claude регулирует лазер и через камеру наблюдает за результатами, оценивая, как регулировка перемещает лазерный луч, а затем повторяет этот процесс, пытаясь понять последовательность событий. После этого Claude упаковала полученные знания в файл с кодом, написав детерминированный скрипт, позволяющий калибровать лазер без необходимости на каждом этапе проводить рассуждения, что позволило выполнить весь процесс как одну отдельную команду.
В процессе разработки MHS Anthropic поделилась этой технологией с несколькими лабораториями и производителями оборудования в областях биотехнологий, робототехники и квантовых вычислений. В этих ранних проектах мы видим, что MHS сократила время интеграции оборудования, повысила скорость итераций в различных экспериментальных средах и способствовала реальному времени работы машин и обнаружению сбоев.
Поставщики оборудования и сопутствующие программные компании также встроили поддержку MHS в устройства, чтобы агенты могли обнаруживать и управлять ими. Например:
Amazon Web Services (AWS) поддерживает MHS через Strands Robots — библиотеку для подключения AI-агентов к физическим устройствам. В период исследовательского предварительного просмотра MHS AWS предоставит участникам частную предварительную версию пакета Strands Robots.
Automata добавляет поддержку MHS для своей платформы лабораторной автоматизации LINQ, чтобы обеспечить интеллектуальную обработку ошибок в автономных лабораториях.
Danaher активно изучает, как функции, поддерживаемые MHS, могут помочь ее интеллектуальным приборам и автономным лабораториям масштабировать биомедицинские исследования и разработки.
Doosan Robotics использует свои роботизированные руки для тестирования MHS, включая выполнение автоматической гарантии качества и координацию задач между несколькими роботами.
MBF Bioscience разрабатывает драйвер MHS для ScanImage — программного обеспечения, используемого сотнями нейронаучных лабораторий по всему миру для управления лазерными сканирующими микроскопами, с целью интеграции AI-агентов в реальное время анализа данных и экспериментов.
QIAGEN тестирует MHS с помощью концепции-доказательства на своей платформе очистки нуклеиновых кислот QIAsymphony Connect, чтобы продемонстрировать, как AI-агенты могут помочь лабораториям быстрее диагностировать неисправности оборудования, направлять операторов по восстановлению, повышать время безотказной работы оборудования и одновременно снижать риски для биологических образцов.
Tecan добавляет поддержку MHS для своей платформы Fluent для того, чтобы AI-агенты могли напрямую обнаруживать и управлять этими платформами.
Universal Robots заранее получила права на использование MHS и планирует добавить поддержку MHS на свою платформу роботов.
Перед открытием исходного кода Anthropic хочет дополнительно улучшить этот стандарт.
Как крупная языковая модель, Claude обучается на тексте и изображениях, что означает ограниченность его пространственных и физических рассуждений, требуя по-прежнему экспертного контроля. Например, при работе с образцами белков исследователи Genentek должны были направлять Claude, чтобы он распознал, что погрешности, вызванные вспениванием образца, являются физическими неисправностями, а не программными ошибками, и их можно устранить только соответствующими физическими корректировками.
MHS пока не совместим с оборудованием, не имеющим программного интерфейса, поэтому Anthropic сотрудничает с производителями такого оборудования для интеграции драйверов MHS непосредственно в устройства. Многие разработчики уже используют Claude Code для управления отдельными физическими устройствами. На следующем этапе развития MHS Anthropic планирует расширить этот стандарт, чтобы охватить больше устройств, используемых разработчиками.
Ранними пользователями являются Hugging Face (они добавляют поддержку MHS в свою библиотеку роботов LeRobot) и Raspberry Pi (они включают интеграцию MHS в ряд своих продуктов после успешного тестирования с использованием драйвера Camera MHS).
Справочная информация:
https://www.anthropic.com/news/model-hardware-standard-research-preview
Эта статья с веб-сайта WeChat «Machine Heart» (ID: almosthuman2014), автор: Machine Heart, следящая за агентами