刚刚，Anthropic发布物理MCP：Claude开始接管真实世界

大语言模型，现在真的长出手了。

本周四，Anthropic 宣布推出硬件用 MCP：Model Hardware Standard（MHS），这是一项新标准，用于帮助所有大模型驱动的 AI 智能体（Agent）安全快捷地操纵物理设备。

现在，Claude 这样的大模型可以像用 MCP（模型上下文协议）一样在物理世界中操作显微镜、机械臂、液体处理器、激光器等硬件了。这一进展被业内视作 AI 从数字世界走向物理世界的关键一步。

使用智能体的人多少会听说过 MCP，这是 Anthropic 在 2024 年 11 月推出的一项开放标准协议，旨在为大语言模型（LLM）与外部数据源、本地文件、开发工具及各类应用服务之间提供一种标准化、安全的双向通信接口。

MCP 的核心定位是「AI 领域的 USB-C 接口」，能打通大模型与 GitHub、Slack、本地文件系统、数据库等软件环境。随着近年来的 AI 技术发展，MCP 已经演变为整个智能体生态中不可或缺的事实标准。

现在也是 Anthropic，希望通过硬件用 MCP，将这套标准通信规范升维到了物理硬件、传感器、嵌入式系统与测试设备上。

MHS 的开发始于 Anthropic 公司和霍华德・休斯医学研究所 (HHMI) Janelia 研究园区的合作，现在已面向首批科研实验室和先进制造商开放了研究预览版。

通常情况下，实验室或制造工厂需要数周甚至数月的时间来搭建和集成硬件。大多数设备之间无法直接通信，因此需要专家构建定制化的集成方案。MHS 可以将这种集成工作缩短至数小时甚至数分钟。此外，通过将 AI 融入这些工具，MHS 还帮助研究人员和工程师更轻松地协调自主的、全天候的实验和工作流程。智能体能够推理实验中的每个步骤，实时更新参数，并且在某些情况下，无需人工干预即可从硬件故障中恢复。

MHS 可与任何具有可编程接口的设备配合使用，它也与基础模型的种类无关，任何智能体框架都可以使用标准协议，例如 MCP 来访问它。

即使不考虑将 AI 集成到系统中的额外难度，让实验室或工厂车间中的多个设备相互通信也并非易事。每个设备通常都有自己的编程接口，目前还没有标准化的集成方法。而且设备连接后，也没有通用的方法让它们与 Agent 共享数据，更没有方法让 Agent 安全地操作这些设备。

现在，MHS 通过引入标准化驱动程序来应对这些挑战：该驱动程序是一种在计算机操作系统和硬件设备之间进行转换的软件。MHS 驱动程序使用一组简单的基本命令，像读取（比如获取温度）、写入（比如设置温度）等，任何硬件设备都可以理解并执行这些命令。它使每个设备都能以标准格式被发现，从而使设备和智能体能够相互发现并跨网络通信，而无需在两者之间使用定制的「翻译」程序。

MHS 驱动程序还能帮助智能体理解、使用从未见过的设备，并向其提供仅凭代码可能无法获取的机器特性信息（比如机械臂的重量，这对于安全操作至关重要）。迄今为止，这些信息大多存储在纸质手册、用户电脑或作为隐性知识。但 MHS 驱动程序包含标签，允许用户直接用自然语言输入这些信息（用户可以自行输入，也可以通过与智能体聊天，由 AI 询问其硬件设置）。

利用这些标签中的信息，MHS 驱动程序会自动生成一个参考文件，其中包含设备的一般特性信息，例如它可以测量什么、可以调整什么以及将强制执行哪些安全限制。该文件为智能体提供了操作设备所需的一切信息。

设备连接完毕且智能体程序了解如何使用每个设备后，还需要一种方法来控制这些硬件。对于 MHS 而言有三种这样的机制：MCP、命令行界面和代码文件（API）。它们协同工作，使用户能够通过一行代码协调多个设备。

一旦智能体能够控制设备，它就能接收来自每个设备的运行数据，并在高层级上监督和指导工作。智能体可以对不同仪器的操作步骤进行排序，监控结果，并根据实时变化的情况调整参数。当智能体需要执行长时间运行的任务或以超出其在线推理能力的速度操作设备时，它可以将来自一个或多个设备的驱动程序命令串联到代码文件中。这样，设备就可以自行执行操作，而无需智能体在每个步骤都进行推理。

在测试 MHS 的过程中，Anthropic 发现 Claude 与实验和硬件的交互方式如同科学家一般充满探索性。

Anthropic 观察到 Claude 在调整激光器，并通过摄像头观察结果，评估调整如何移动激光束，然后重复此过程，试图理解事件发生的顺序。之后，Claude 将学习到的信息打包成代码文件，编写了一个确定性脚本，使其无需每一步都进行推理即可校准激光器，从而整个过程可以作为一个单独的命令运行。

在开发 MHS 的过程中，Anthropic 与生物技术、机器人、量子计算等领域的几家实验室和硬件制造商分享了这项技术。在这些早期项目中，我们能看到 MHS 缩短了设备集成时间，提高了各种实验环境下的迭代速度，并有助于机器的实时运行和故障检测。

硬件供应商及其配套软件公司也在设备中内置了 MHS 支持，以便智能体能够发现和操作设备。例如：

• 亚马逊云科技（AWS）通过 Strands Robots 为 MHS 提供支持。这是一个用于将 AI 智能体连接到物理设备的库。在 MHS 研究预览期间，AWS 将向参与者提供 Strands Robots 软件包的私有预发布版本。
• Automata 正在为其实验室自动化平台 LINQ 添加 MHS 支持，以对自主实验室中的仪器进行智能错误处理。
• Danaher 正在积极探索 MHS 支持的功能如何使其智能仪器和自主实验室能够扩大生物医学研究和开发规模。
• Doosan Robotics 正在使用其机械臂测试 MHS，包括执行自动化质量保证和协调多个机器人之间的任务。
• MBF Bioscience 正在为 ScanImage 开发 MHS 驱动程序，ScanImage 是全球数百个神经科学实验室中运行激光扫描显微镜的软件，目的是将 AI 智能体集成到实时数据分析和实验中。
• QIAGEN 正在通过其核酸纯化平台 QIAsymphony Connect 上的工作概念验证来试验 MHS，以展示 AI 智能体如何帮助实验室更快地排除仪器故障、指导操作人员进行恢复、提高仪器正常运行时间，同时降低生物样本的风险。
• Tecan 正在为其 Fluent 液体处理平台添加 MHS 支持，以便 AI 智能体可以直接发现和操作这些平台。
• Universal Robots 已提前获得 MHS 的使用权，并计划在其机器人平台上添加对 MHS 的支持。

在开源之前，Anthropic 还希望对该标准进行更多完善。

作为一个大语言模型，Claude 通过文本和图像来学习物理世界，这意味着它的空间和物理推理能力存在局限性，仍然需要专家监督。例如，在处理蛋白质样本时，基因泰克的研究人员必须引导 Claude 识别出样本起泡造成的误差是物理故障，而非软件错误，只能通过相应的物理修正来缓解。

MHS 目前还无法与缺少编程接口的硬件兼容，因此 Anthropic 正在与此类设备的制造商合作，将 MHS 驱动程序集成到硬件中。许多开发者已经在使用 Claude Code 来操作单个物理设备。在 MHS 的下一阶段，Anthropic 希望扩展该标准，使其能够覆盖开发者所使用的更多设备。

早期采用者包括 Hugging Face（他们正在其机器人库 LeRobot 中添加 MHS 支持）和 Raspberry Pi（他们在使用其 Camera MHS 驱动程序成功测试后，正在其多款产品中启用 MHS 集成）。

参考内容：

https://www.anthropic.com/news/model-hardware-standard-research-preview