Anthropic maakt AI-agenten wegwijs in robots en laboratoriumapparatuur

Anthropic wil AI-agenten niet alleen software laten bedienen, maar ook machines in de fysieke wereld. Daarvoor heeft het bedrijf op 27 augustus 2026 een onderzoeksvoorbeeld geopend van de Model Hardware Standard (MHS), ontwikkeld samen met HHMI Janelia Research Campus. De specificatie is in eerste instantie gericht op wetenschappelijke laboratoria en geavanceerde productiebedrijven. 1

MHS is geen nieuwe robot en ook geen kant-en-klaar commercieel automatiseringsproduct. Het is een gemeenschappelijke interoperabiliteitslaag waarmee een AI-agent kan ontdekken wat een apparaat doet, welke instellingen beschikbaar zijn, welke grenzen gelden en hoe verschillende machines in één workflow samenwerken.

Hoe werkt MHS?

De basis is een gestandaardiseerde device driver. Die maakt de bediening van apparatuur uniform, met eenvoudige functies zoals read en write. In plaats van voor elke combinatie van AI-systeem en instrument een aparte koppeling te bouwen, kan een apparaat via de driver een beschrijving aanleveren in natuurlijke taal. Daarin staan onder meer de mogelijkheden, meetbare waarden, aanpasbare parameters, de actuele toestand en veiligheidsbeperkingen. 1

AI-agenten kunnen met de apparatuur communiceren via het Model Context Protocol (MCP), opdrachtregeltools of code-API's. Daardoor kan één agent apparaten inspecteren, handelingen tussen meerdere instrumenten plannen, resultaten volgen en reageren op fouten. Werkende procedures kunnen vervolgens worden omgezet in deterministische scripts voor herhaalbare of langdurige uitvoering. 1

De aanpak is bovendien modelonafhankelijk. MHS is bedoeld als interface voor hardware en niet als exclusieve functie van Claude. In principe kunnen verschillende agentsystemen dezelfde abstractie voor een apparaat gebruiken, zolang ze de relevante interface ondersteunen. 1

Waarom vergelijkt Anthropic MHS met USB-C?

Laboratorium- en industriële apparatuur komt vaak van verschillende leveranciers en gebruikt uiteenlopende software-interfaces. Wie meerdere instrumenten wil koppelen, moet daardoor geregeld eerst een maatwerkoplossing laten bouwen. Anthropic vergelijkt MHS daarom met USB-C: een gedeelde standaard die de noodzaak van een aparte aansluiting voor elk apparaat vermindert. 1

Volgens Anthropic en zijn partners konden integraties die eerder weken kostten in vroege tests worden teruggebracht tot uren en soms minuten. Dat is een resultaat uit een beperkte onderzoeksfase én een doelstelling van de standaard, geen garantie dat iedere machine of installatie even snel kan worden aangesloten. 12

Wat lieten de eerste tests zien?

Genentech: automatisering werkt, maar fysiek inzicht ontbreekt

Onderzoekers van Genentech gebruikten MHS voor een proof-of-concept rond een BCA-eiwitassay, een laboratoriumprocedure waarbij meerdere apparaten moeten samenwerken. De agent stuurde een workflow met een vloeistofverwerker aan en paste de procedure stapsgewijs aan. 1

De test maakte tegelijk een belangrijke beperking zichtbaar. Claude maakte problemen met luchtbellen aanvankelijk erger, omdat het systeem de fysieke oorzaak niet begreep. Pas nadat onderzoekers die domeinkennis hadden toegevoegd, ging de aanpak de goede kant op. Een gestandaardiseerde toegang tot apparatuur geeft een agent dus nog geen betrouwbaar inzicht in de natuurkundige, chemische of biologische processen die zich in die apparatuur afspelen. 1

Carnegie Mellon: sneller drivers bouwen

Carnegie Mellon University meldde dat het in ongeveer acht uur een MHS-driver kon maken en experimenten ongeveer drie keer sneller kon uitvoeren. Dat wijst op de mogelijke winst van een herbruikbare abstractie voor apparaatbediening, in plaats van voor ieder instrument een volledig nieuwe integratie te ontwikkelen. 1

QuEra: 695 succesvolle herstelacties op 700

QuEra gebruikte Claude via MHS op een speciale laser-testopstelling. De agent ontwikkelde daar een script om de frequentievergrendeling van een laser in een quantumcomputer te herstellen na opzettelijk veroorzaakte verstoringen. In 700 tests, verdeeld over zeven soorten verstoringen, bracht de resulterende controller de installatie 695 keer terug naar de gewenste toestand. Dat komt neer op een gerapporteerd succespercentage van 99,3 procent. 1

Dat is een bemoedigend resultaat, maar de reikwijdte ervan is beperkt. Het ging om een gecontroleerde testopstelling en één specifieke hersteltaak. De uitkomst bewijst niet dat AI-agenten klaar zijn om zonder beperkingen kritieke quantum- of industriële apparatuur autonoom aan te sturen. MHS maakte het mogelijk om de apparatuur aan de agent bloot te stellen; het uiteindelijke resultaat berustte op testen en validatie van een conventionele controller. 1

Wie doet mee aan de onderzoeksfase?

Anthropic zegt dat de beperkte preview organisaties omvat uit wetenschappelijk onderzoek, robotica, elektronica en geavanceerde productie. Genoemde deelnemers zijn Genentech, Carnegie Mellon University, QuEra, het LeRobot-project van Hugging Face en Raspberry Pi, naast andere partners. 1

De onderzoeksfase moet ook helpen bij het ontwikkelen van veiligheidsevaluaties en praktische werkwijzen. Anthropic zegt MHS na deze werkzaamheden als open source te willen uitbrengen. Daarbij wil het bedrijf duidelijkere regels opnemen voor situaties waarin risicovolle handelingen eerst door een mens moeten worden goedgekeurd. 12

Wat MHS wel en niet oplost

MHS standaardiseert de manier waarop een agent toegang krijgt tot hardware. Het zorgt er niet automatisch voor dat een agent:

• de relevante natuurkunde, chemie of biologie begrijpt;
• een wetenschappelijk verantwoorde procedure kiest;
• iedere gevaarlijke of afwijkende toestand herkent; of
• een apparaat zonder toezicht veilig kan bedienen.

Het incident met de luchtbellen bij Genentech laat het verschil zien tussen een machine kunnen bedienen en begrijpen wat er in de praktijk gebeurt. Een agent kan metingen uitlezen en instellingen aanpassen, maar toch de oorzaak van een probleem missen die voor een expert voor de hand ligt. 1

Een verantwoorde toepassing vereist daarom nog altijd veiligheidslimieten op apparaatniveau, gefaseerde tests, monitoring, auditmogelijkheden, terugvalprocedures en expliciete menselijke toestemming voor ingrijpende handelingen. Dat Anthropic de preview gebruikt om juist veiligheidsevaluaties en procedures voor menselijke goedkeuring te ontwikkelen, onderstreept dat MHS nog wordt beproefd en geen afgerond commercieel systeem is. 12

De bredere betekenis

Met MHS probeert Anthropic AI-agenten uit de softwareomgeving naar situaties te brengen waarin acties fysieke gevolgen hebben. Als de aanpak volwassen wordt, kan een gedeelde interface het eenvoudiger maken om agents aan wetenschappelijke instrumenten en industriële machines te koppelen, workflows met meerdere apparaten te coördineren en geslaagde experimenten om te zetten in herhaalbare automatisering.

De meest voorzichtige conclusie is voorlopig ook de beste: MHS lijkt de integratie van hardware te vereenvoudigen en heeft interessante vroege demonstraties opgeleverd, waaronder het resultaat van QuEra. De standaard neemt echter niet de behoefte weg aan technische expertise, domeinkennis, validatie en menselijk oordeel. Vooralsnog is MHS vooral een vroege demonstratie van interoperabiliteit — geen universele standaard voor autonoom fysiek werk. 12