Anthropicは2026年8月27日、AIエージェントが実験装置やロボットを扱うための「Model Hardware Standard（MHS）」を発表し、研究プレビューを始めた。HHMI Janelia Research Campusと開発した初期版を科学研究施設と先端製造業へ提供し、参加者は申請で選ぶ。狙いは、メーカーも制御方法も異なる機器を共通の記述で包み、AIが状態を読み、操作し、複数機器を連携できるようにすることだ。
ただし、MHSは広く合意された公開標準にはなっていない。仕様書と実装は未公開だ。ライセンスや適合試験も示されておらず、現時点ではAnthropicと参加企業が検証する枠組みである。それでも今回の発表は、MCPがソフトウェア上のデータや機能へ開いた接続口を、壊れたり人を傷つけたりする物理世界へ延ばすには何が要るかを具体化した。
readとwriteの間に安全限界を埋め込む
MHSの中心は、機器ごとに用意する標準化されたドライバーである。公開説明によると、ドライバーは温度を取得する「read」、温度を設定する「write」といった少数の基本命令を共通化し、機器をネットワーク上で発見できる形式にする。対象はプログラム可能なインターフェースを持つ機器で、AIモデルやエージェント基盤は問わない。
共通の命令だけでは、機械を安全に動かせない。ロボットアームの重量、レーザーの許容出力、調整できる範囲はコードから読み取れない場合がある。MHSでは、利用者が自然言語のタグとしてこうした情報をドライバーへ加える。エージェントが機器担当者へ質問し、回答からタグを作る運用も想定している。ドライバーはタグを基に、何を測れるか、何を変えられるか、どの上限を強制するかをまとめた参照ファイルを生成する。
Janeliaで原型になった仕組みは、さらに機器の状態を共有メモリー上のstate dictionaryへ集める。MATLABで動く検出器、Pythonのカメラ、C#の計測系でも、同じ形式から現在値を読める。従来は装置ごとに表示画面や解析コードを書き直していたが、データ型ごとの部品を使い回せるようになる。
エージェントからMHSへ到達する経路はMCP、CLI、APIコードの3つだ。MCPはAI側にツールとして機器を見せる。CLIは人間とエージェントが同じ命令を確認しやすくし、コードファイルは長時間または高速な処理を固定された手順として走らせる。MHSはMCPの置き換えではない。MCPの下で、物理機器の意味と状態、安全境界をそろえる層である。
700回の検証で見えたAIの実際の役割
QuEra Computingの実証は、AIを高速制御ループへ常駐させる構成ではなかった。同社の中性原子量子コンピューターでは、レーザーが目標周波数から外れると処理が止まる。人間の専門家による再ロックには5〜10分かかり、従来の専用スクリプトも1回約150秒で成功率は58%だった。
ClaudeはMHS経由で実機の状態を読み、擬似的な故障を繰り返し発生させながら回復方法を試した。仮説を立てる役、コードを直す役、実行する役、ログを評価する役を別のClaudeインスタンスに分け、数百回のサイクルを夜通し回した。直線的だった手順は、故障の種類に応じて操作を変えるdecision treeへ書き換えられた。
開発時の試行では成功率が96%へ上がり、所要時間は約6秒になった。完成したスクリプトをAI抜きのblind validationへかけると、7種類のdisturbanceを各100回、合計700回試し、695回で正しい状態へ戻った。成功率は99.3%である。単純な故障は0.9〜5.4秒、周波数が大きく外れた難しい故障も約10〜14秒で復旧したとQuEraは報告している。
ここでAIが担ったのは、実験と制御ロジックの開発である。完成後にレーザーを再ロックするのは、内容を検査できる決定論的な通常のスクリプトだ。マイクロ秒単位で動くサーボループも既存の制御系に残り、スクリプトはその上位から監督する。一方、複数のパラメーターを調整する別のワークフローでは、条件に応じて値を探すためにAIが現在もループ内にいる。MHSの利用形態は、運転時にAIを外せる仕事と、判断を続けさせる仕事で安全条件が変わる。
数字は有望だが、QuEra自身のテスト環境で得た企業報告である。第三者が査読した研究でも、異なる量子コンピューターで再現されたベンチマークでもない。Anthropicの発表に含まれる他の事例も、参加組織が初期版を試したケーススタディとして読む必要がある。
8時間で機器をつなぎ、条件を変えて再実験
Carnegie Mellon University（CMU）のチームは、液体分注装置とプレートリーダーをロボットアームでつなぎ、監視カメラを加えて、薬剤の用量反応曲線を求める連続希釈実験を自動化した。機器は互換性のない3台のコンピューターに分散していたが、ドライバー作成から一度の自律的な再実験まで約8時間で完了したという。参加研究者によれば、ベンダーに組み上げてもらう従来方式は複数週を要する。
短縮できたのは、機器を動かすコードを書いた時間に限らない。最初の実験では濃度上限が高すぎて用量反応曲線の当てはまりが悪く、エージェントはプレートを捨て、濃度範囲を狭めてやり直した。2回目は利用できる曲線を得た。機器間の接続に加え、測定結果から実験条件を変えるサイクルまで同じインターフェースで閉じた点が新しい。
CMUは安全側の動作も試している。プレートがない、向きが違う、リーダーが使用中、カメラが切断された、機器へ到達できない、emergency stopが有効という6条件を人工的に発生させた。公開結果では、MHSは全条件で機器が動く前に処理を止めた。
それでも、導入時間が常に8時間になるわけではない。Anthropicの別の研究室では6台の機器を接続するまで1週間未満を要し、複雑なプロトコルには追加の最適化が必要だと報告している。プログラム可能なインターフェースがない旧式機器は現状の対象外で、ドライバーの作成と検証も残る。長時間エージェントを動かす計算費用が、人件費の削減に見合うかも用途ごとに変わる。
OPC UAとSiLA 2がある市場へ入る
機器統合の標準化はMHSから始まったわけではない。工場ではOPC UA、研究室ではSiLA 2、ロボットではROS 2が、異なる機器やsoftwareを接続する役割をすでに担っている。MCPもtool実行とcontext交換の共通接続を提供する。MHSを評価するには、各技術が受け持つ境界を分ける必要がある。
| 技術 | 主な接続対象 | 公開仕様が担う範囲 | MHSとの関係 |
|---|---|---|---|
| MCP | AIホストとサーバー | resources、tools、prompts、session | MHS機器へ到達する上位経路 |
| SiLA 2 | 研究室の機器とソフトウェア | Features、Commands、Properties、発見、認証 | 研究室の自動化で機能が重なる |
| OPC UA | 工場のセンサーから企業システム | 情報モデル、サービス、通信、発見、安全な交換 | 産業分野の既存基盤になり得る |
| ROS 2 | ロボットを構成するnode | topic、service、長時間action | ロボット内の通信を担い得る |
この比較から分かるのは、MHSが物理機器用の通信技術をすべて作り直す必要はないということだ。ROS 2はセンサーデータの流れと長時間の動作を分け、OPC UAは認証や暗号化を含む情報交換とcommand/controlを扱う。SiLA 2には機能単位の命令とproperty、機器発見がある。MHSが既存設備へ広がるなら、これらをドライバーの下で利用するアダプター構成が現実的である。
競争も始まっている。OPC Foundationは2026年4月、430を超えるOPC UA Companion SpecificationsをRAGとMCP向けに整備すると発表した。既存の産業用情報モデルをAIから検索・利用しやすい形式へ変える計画で、MHSとは逆方向から同じ接続点へ近づく。MHSが自然言語タグで導入の軽さを選ぶのに対し、OPC UAは産業界が積み上げた厳密な意味モデルと適合性を持つ。
MHSが加えた明確な特徴は、AIの探索から検証可能なコードへ移る流れを最初から設計に含めたことだ。ただし、AnthropicはOPC UA、SiLA 2、ROS 2との対応関係やbridgeをまだ公表していない。共通ドライバーをもう一つ増やすだけなら統合作業は残る。既存標準を再利用できれば、MHSはエージェント向けの薄い上位層として価値を持つ。
安全な共通仕様になるために足りないもの
物理機器では、正しく認証された命令も事故を起こし得る。権限を持つエージェントが許容範囲を超えた温度を設定したり、別の機器が作業中の空間へロボットアームを動かしたりするからだ。MCPの認証と利用者確認は、誰がツールを呼べるかを制御する。MHSはその下で、device bounds、interlock、emergency stopをモデルから独立させ、ハードウェアのインターフェース側で強制すると説明している。
安全限界をドライバーへ移す方向は妥当である。だが、公開仕様がないため、第三者は強制方法をまだ監査できない。自然言語タグの値を誤った場合、センサーデータが古い場合、ネットワークが途中で切れた場合にどう止まるのか。複数のエージェントが同じ機器へ命令したときの優先順位や、ドライバー更新時に安全設定を維持する方法も分からない。
AI側にも限界が残る。Genentechの実験では、Claudeが粘性の高いタンパク質試料に泡が生じた際、ソフトウェアの不具合ではなく物理的な問題だと理解するまで研究者の助言を必要とした。QuEraでも物理ハードウェアそのものの故障は解決できず、少しでも危険と判断した操作では人間の承認を待ったため、実験が一晩止まることがあった。慎重に止まる設計は事故を避けるが、無人運転の稼働率とはトレードオフになる。
研究プレビューは、この未確定部分を実機で洗い出す段階である。Anthropicはプレビュー後にMHSをオープンソース化し、物理安全のロードマップと導入指針を公開するとしている。そこで必要なのは、成功例の追加より先に、ドライバーのschema、failure semantics、versioning、適合試験を誰でも検証できる形にすることだ。
MHSが共通仕様として定着するかは、Anthropicの名称や参加企業数では決まらない。OPC UAやSiLA 2とのbridgeを示し、別のモデルと第三者製ドライバーでも同じ安全限界が働き、独立した試験で再現できることが条件になる。その条件がそろえば、エージェントは研究者の指示をソフトウェアの外へ運び、異なる装置をまたぐ実験を安全に繰り返せるようになる。
