Anthropicの「Model Hardware Standard」とは？ AIが実験装置を操作するための共通規格

Anthropicが2026年8月27日に発表した「Model Hardware Standard（MHS）」は、AIエージェントが現実の機器を発見し、状態を読み取り、操作するための共通仕様です。HHMI Janelia Research Campusとの協力で開発され、まずは科学研究施設や先端製造の現場を対象に研究プレビューが始まりました。対象には、顕微鏡、液体ハンドラー、ロボットアーム、レーザーなどが含まれます。1

MHSは新しいロボットや、すぐに導入できる完成済みの自動化製品ではありません。狙いは、AIエージェントと機器の間に共通の相互運用レイヤーを設けることです。エージェントは、装置が何をできるのか、どの値を測れるのか、どの設定を変更できるのか、現在の状態や安全上の制約は何かを把握し、複数の機器をまたぐ作業手順を組み立てられるようになります。

MHSの仕組み

MHSの中心となるのは、標準化されたデバイスドライバーです。機器ごと、AIシステムごとに専用連携を作る代わりに、ドライバーが read や write といった共通の操作要素を公開します。接続された機器は、機能、測定可能な項目、変更できるパラメーター、現在の状態、安全制約などを自然言語で説明する参照情報も提供します。1

AIエージェントは、Model Context Protocol（MCP）、コマンドラインツール、コードAPIなどを通じて機器を操作できます。これにより、単一のエージェントが複数の装置を確認し、処理の順序を組み、結果を監視し、エラーに対応することが可能になります。うまくいった手順は、再現性の高い長時間運転向けの決定論的なスクリプトに変換することもできます。1

また、MHSはClaude専用の機能ではありません。モデルに依存しないハードウェア向けインターフェースとして設計されており、対応するインターフェースを実装していれば、異なるAIエージェントでも同じ機器の抽象化を利用できる想定です。1

なぜ「USB-C」にたとえられるのか

研究機関や工場で使われる装置は、メーカーごとにソフトウェアインターフェースが異なることが少なくありません。複数の機器を一つの自動化ワークフローに組み込むには、個別の連携開発が必要になり、実験や運用を始める前に多くのエンジニアリング作業が発生します。

Anthropicは、MHSをUSB-Cになぞらえています。機器ごとに異なる接続方法を用意するのではなく、共通の層を介してAIエージェントと装置をつなぐ考え方です。初期テストでは、従来数週間かかっていた統合作業が数時間、場合によっては数分に短縮されたと、同社とパートナーは説明しています。ただし、これは研究プレビュー段階の結果であり、あらゆる機器や施設で同じ時間短縮が保証されるわけではありません。12

初期テストで分かったこと

Genentech：自動化の可能性と「物理を理解する」難しさ

Genentechでは、複数の実験装置を連携させるBCAタンパク質アッセイの概念実証にMHSが使われました。AIエージェントは液体ハンドラーのワークフローを操作し、手順を繰り返しながら改善を試みました。1

一方で、重要な限界も明らかになりました。Claudeは当初、気泡に関係するエラーの物理的な原因を理解できず、問題を悪化させる操作を行いました。研究者が原因となる専門知識を与えて初めて、改善につながる方向へ進めたといいます。1

これは、機器を操作できることと、装置内で起きている科学的・物理的現象を正しく理解することが別問題であることを示しています。

カーネギーメロン大学：ドライバー開発を約8時間で

カーネギーメロン大学は、MHS用のドライバーを約8時間で作成し、実験をおよそ3倍の速さで実行できたと報告しました。機器ごとに完全な専用連携を構築するのではなく、共通の制御抽象化を再利用するメリットを示す事例です。1

QuEra：700回中695回、レーザーのロック復旧に成功

量子コンピューター関連企業のQuEraでは、専用のレーザーテストベッド上で、外乱が生じた後にレーザーの周波数ロックを復旧するスクリプトの開発にClaudeを活用しました。MHSを通じてAIエージェントが作成したコントローラーは、7種類の外乱を対象にした700回の試験のうち695回で目標状態を復旧しました。成功率は99.3％です。1

ただし、この結果は管理されたテスト環境で、特定の復旧作業を評価したものです。重要な量子・産業設備をAIが無制限に自律運用できることを示すものではありません。MHSは機器をエージェントから扱えるようにしましたが、最終的な成果は、テストと検証を経た通常の制御ソフトウェアに基づいています。1

プレビューに参加する組織と今後の計画

Anthropicによると、限定的な研究プレビューには、科学研究、ロボティクス、電子機器、先端製造などの分野から組織が参加しています。公表された参加者には、Genentech、カーネギーメロン大学、QuEra、Hugging FaceのLeRobotプロジェクト、Raspberry Piなどが含まれます。1

今回のプレビューは、規格そのものを試すだけでなく、AIが物理機器を扱う際の安全評価や運用方法を整備する目的も持っています。Anthropicは、この作業を経た後にMHSをオープンソース化する方針を示しており、高リスクの操作を人間の承認に回すべき状況について、より明確なルールを整える考えです。12

MHSで解決できない問題

MHSが標準化するのは、AIエージェントが機器へアクセスする方法です。それだけで、エージェントが次のことまで保証されるわけではありません。

• 関係する物理学、化学、生物学を正しく理解する
• 科学的に妥当な手順を選ぶ
• 危険な状態や異常状態をすべて認識する
• 人間の監督なしに安全に装置を運転する

Genentechの気泡の事例は、機械を制御する能力と、現実のプロセスの因果関係を理解する能力の間にある隔たりを端的に示しています。AIは測定値を読み取り、設定を変更できても、専門家には明らかな原因を見落とし、誤った方向に最適化する可能性があります。1

実際の導入には、機器側の安全上限、段階的なテスト、監視、操作履歴の記録、アクセス制御、フォールバック手順、そして重大な操作に対する明示的な人間の承認が必要です。Anthropicが研究プレビューを安全評価や承認手順の開発に使っていること自体、MHSが完成した商用システムではなく、現在も検証中の技術であることを示しています。12

MHSが示すもの

MHSは、AIエージェントをソフトウェア上のツールだけでなく、物理的な結果を伴う環境へ広げようとするAnthropicの取り組みです。規格が成熟すれば、科学機器や産業設備への接続、複数装置をまたぐワークフローの構築、成功した実験の再現可能な自動化が容易になる可能性があります。

現時点での結論は、より限定的に捉えるのが適切です。MHSはハードウェア統合の負担を減らす可能性を示し、QuEraのレーザー復旧を含む有望な初期実証も生み出しました。しかし、専門知識、工学的な検証、安全対策、人間の判断を不要にするものではありません。MHSは、物理世界でAIエージェントを動かすための普遍的な商用標準というより、相互運用性を示す初期段階の実証と見るべきでしょう。12