Anthropic 发布 “硬件版MCP” ：Claude 操控物理世界，8小时跑通数周集成

作者 | 四月

过去一年，Agent 已经把浏览器、终端、代码库和各种软件工具接管了一个遍。现在，Anthropic 将触手伸向了物理世界的硬件接口。

8 月 28 日，Anthropic 正式发布模型硬件标准（Model Hardware Standard，简称 MHS）的研究预览版。这是一项旨在让 Agent 安全且快捷地操控物理设备的底层通信规范，首批接入方为顶尖科学实验室和先进制造商。

物理世界的“USB-C 接口”

MHS本质，是一套面向物理硬件的标准化驱动程序和通信协议。它要解决的问题很具体：实验室里设备互长期存在语言不通的顽疾：显微镜由MATLAB控制，相机用Python，电生理设备跑C#。每台设备都有自己的编程接口，没有统一标准。

过去，把一套自动化系统部署好，通常要几周到几个月，还得靠自动化工程师写定制代码。在生物实验室，这意味着大量实验仍然靠人工。一位博士生要每90分钟去换一次PCR板，凌晨4点也不能例外。一位显微镜研究员启动实验要按固定顺序打开七款软件，顺序错了，整个实验报废。

现在，MHS 将终结这种混乱，它的技术骨架由三层支撑：

标准化驱动。每台设备装上一个MHS驱动程序，用“读取”（比如获取当前温度）、“写入”（比如设定目标温度）这类极简指令统一设备的“语言”。设备以标准格式注册后，可以跨网络被Agent自动发现——不再需要一对一写定制代码。

自然语言标签。机械臂有多重、最大转速是多少、能加热到几度——这些关乎安全、但代码里读不到的物理信息，过去散落在纸质手册和老师傅脑子里。

MHS允许用户直接用大白话写进标签（也可以让AI通过聊天替你生成），系统据此自动生成一份“参考文件”。Agent读完这份文件，就能操作一台它这辈子从没见过的设备。

三种调用通道。设备接好后，Agent通过MCP、命令行或代码文件（API）统一调度，一行代码就能协调多台设备协同工作。

这里有两个信息值得重点关注：首先，MHS与基础模型无关，意味着任何Agent框架都能接入——它不是Claude的专属配件，而是Anthropic在抢“硬件行业标准”的位置；

其二，MHS和MCP是上下层关系——MCP负责Agent够到软件工具，MHS负责Agent够到物理设备。折页意味着，Anthropic的Agent协议栈第一次走出了数字世界。

你可以把它直接理解为物理世界 AI 设备的“USB-C 接口 + 即插即用协议”。大模型不需要预先认识这台机器，只需扫一眼这份标签文件，就能瞬间掌握设备的安全边界和操作逻辑，并通过一行代码跨网络统一调度多台仪器。

科研一线的工作验证

摆脱了定制化接口的障碍，MHS 在 CMU、 基因泰克（Genentech）等早期科研测试中展现出了颠覆性的工程效率提升。

暴力突破精度与速度（QuEra 量子计算）

最有戏剧性的结果来自QuEra。量子计算机的激光频率必须锁定在一万亿分之一的精度，相当于地月距离误差不超过一根头发丝。温度、振动、有人开个门，都可能让激光失锁。人工恢复需要5到10分钟，操作者必须同时盯几台仪器，判断哪里出了问题、先动哪个旋钮。

QuEra之前有个四人团队花几个月写自动化脚本，成功率58%，单次约150秒。

现在，QuEra把问题交给了Claude。通过MHS，Claude能读取仪器、操作旋钮。四个Claude实例组成了循环：一个提假设、一个改脚本、一个跑实验、一个读日志。循环在一夜之间迭代了数百次。到早上，恢复时间从150秒降到约6秒，成功率从58%提到96%。后续盲测700次，成功695次，99.3%。

Claude的核心改进是把线性恢复步骤改写成了决策树：先读仪器状态，判断扰动类型，再走对应分支。人工操作时，即使扰动很小，也必须把每个控制都检查一遍，因为只有查过才能确认。Claude靠反复制造扰动找出了规律，速度是任何操作员都做不到的。

调参环节更夸张。激光伺服环路有12个PID参数，专家先前调出的参数残余误差15.7mV。Claude用16小时做了363次实验，把它降到1.55mV，约降10倍。独立验证显示，Claude的参数连续19小时不失锁，专家参数平均每小时失锁1.6次。

Claude还找到了一处约220kHz的共振峰，专家手动调参漏掉了，那里的噪声高约千倍。用RMS误差近似做判断，容易踩这种坑，而Claude每次调整后都直接算全频谱，不需要靠近似。

八小时碾碎数周壁垒（CMU & Janelia）

CMU团队遇到的环境更极端。三台电脑控制三种设备，接口互相不兼容：机械臂的调度软件只认文件目录，液体处理器走老式Windows COM脚本，读板器根本没有编程接口，只有GUI界面。MHS把三种控制风格统一成一套状态和操作描述。从零写驱动加编排层用了8小时，厂商集成类似的设置通常要几周。

第一轮剂量反应曲线在高端浓度饱和，拟合R²小于0.9。AI自己判断不合格，倒掉重来，把最高浓度从200µg/mL压到100µg/mL，第二轮R²大于0.98。全程无人介入。团队还诱导了六种故障（板子缺失、板子放反、读板器忙、相机断连、设备不可达、急停生效），系统全部在设备动作前拦截。

Janelia的案例展示了MHS的灵活性。显微镜装置由七种软件控制，研究员以往要写大量桥接代码，有时还得加硬件转接。用MHS后，启动实验从七步变成一次点击。后来新加一台相机监测激光束，只花了几分钟。

MHS的来源也有点意思。它最初是Janelia一位博士后Arco Bast为解决自己显微镜设备不互通，搞了一个共享内存字典，让设备之间以内存速度通信。Anthropic的Alek Kemeny参与后，把AI模型接入了这个接口。

实验流程的自动化接管（Genentech & UW）

Genentech（基因泰克）拿BCA蛋白定量实验做了验证。这个流程要协调液体处理器、机械臂、读板器三个设备。Claude负责编排，自己试流速、测吸光度，和专家的结果对比算误差。

水和粘性蛋白样品最终分别收敛到约140µL/s和10µL/s，误差为0.016和0.181的RMSE。专家确认参数合理。这个参数优化过程，以前需要自动化专家为每个参数集写定制逻辑。

但Claude也暴露了物理直觉的短板。液体出现气泡时，它的第一反应是原地重试，结果越搅气泡越多。研究者介入后，告诉它要换到干净孔位、减少混合次数，它才理解问题出在物理层面而不是软件逻辑。

Anthropic在公告里承认，Claude对物理世界的了解来自文本和图像，空间和物理推理有限，需要专家监督。

华盛顿大学Baker和Pinglay实验室的博士生Song做了三个验证：远程监控仪表板、AI代理值守qPCR、机械臂和液体处理器协作搬板。

他之前尝试过传统自动化，花了几周评估平台、追着厂商要支持、写胶水代码，最后放弃。用MHS连接六台仪器不到一周，包括写驱动的时间。

实现远程监控后，qPCR实验的扩增曲线会被实时分析，到合适时机它会问研究者要不要停止。研究人员不用再整夜盯着仪器屏幕，凌晨4点换板的场景也消失了。

此外，生物实验室自动化的科技公司 Tetsuwan 也把MHS接入了自家的自动化生物实验室平台。摄像头检查移液过程，发现气泡就通知Claude，Claude通过Slack给出处理建议，然后用MHS操作离心机把气泡除掉。没有这套协调，流程遇到气泡只能卡住。

他们的测试还做了一个编译器优化实验，用AI闭环优化液体转移精度预测，在最可复现子集上比厂商规格高约17%。

边界与生态

Anthropic明确了边界。MHS目前不支持没有编程接口的设备。Claude的物理直觉仍有限，Genentech的气泡事件就是例证。QuEra团队提到，Claude对硬件的理解是程序化的，遇到真正的硬件故障不会排查。

它还会在自认为有风险的操作前停下来等人批准，导致实验有时整夜停滞。但用QuEra的话说，过度谨慎的代理比不够谨慎的好。

QuEra团队的观察更细致。Claude对硬件的理解是程序化的，遇到真正的硬件故障不会排查；它还会在自认为有风险的操作前停下来等人批准，导致实验有时整夜停滞。不过用QuEra的话说，过度谨慎的代理总比不够谨慎的好。

目前，硬件厂商的跟进速度超出预期。AWS将把MHS集成到Strands Robots库；Doosan Robotics在测试机械臂联动；Universal Robots计划加入支持；Tecan和QIAGEN分别在自己的液体处理平台和核酸纯化平台上做集成。

放到更大的坐标系里看，实验室自动化领域早有SiLA 2、工业领域早有OPC UA这样的老标准，但它们都不是为AI Agent原生设计的；另一边，Physical Intelligence、谷歌Gemini Robotics、英伟达GR00T走的是端到端机器人模型路线，试图教会AI“身体本身怎么动”。

MHS选了完全不同的路：不碰机器人的“小脑”，让大模型当“指挥官”，用标准驱动调度现成的硬件控制系统。前者难在数据和运动控制，后者难在生态——两条路线谁先跑通，还是未知数，但它们更可能是互补而非替代关系。

结语

社区的声音并不一致。有人惊叹，Anthropic发布标准的速度像JavaScript库发版。也不乏嘲讽：“连 Strawberry 里的 r 都数不清，现在就要操作工厂设备了？这我不买账。”

还有问得更具体：安全护栏在预览版里怎么工作？如果代理要求转动阀门，它会直接拒绝吗？开发者Rhiyddun则质疑流程本身：为什么不先发布RFC公开讨论，而是直接给出一个标准？

面对这些质问，Anthropic 目前能给出的对策主要是暂缓全面开源。把研究预览版的范围局限在核心合作方内，就是为了先在真实的设备泥沼里把安全边界捋清楚，测试申请入口设在 https://modelhardwarestandard.com/

声明：本文为 AI 前线编译，不代表平台观点，也不构成投资建议，未经许可禁止转载。

会议推荐

QCon 全球软件开发大会·2026（上海站）现已正式启动。本届大会聚焦 Harness AI 时代的工程实践，从「构建 AI」到「驾驭 AI」，围绕 AI Native 架构、Agent Runtime、AI Infra、Agent 安全与可观测、Loop Engineering、具身智能与世界模型等热门技术方向，邀请全球技术社区与产业一线实践者，共同分享 AI Native 时代最具价值的工程经验。

今日荐文

你也「在看」吗？