Anthropic、AIエージェントが実験機器を操作する共通仕様「MHS」を限定公開

画像の出典：Anthropic

製造現場や研究開発のDX（デジタルトランスフォーメーション）において、AIエージェントがデジタル空間だけでなく、物理的な機器を直接操作するニーズが高まっています。しかし、これまで機器ごとに異なる制御方式や通信プロトコルが壁となり、システム統合には多大な工数が必要でした。

こうした課題に対し、Anthropicは2026年8月27日、AIエージェントが物理デバイスを安全に操作するための共通仕様「Model Hardware Standard（MHS）」のリサーチプレビューを開始しました。

物理機器操作の標準化による工数削減

開発期間を数カ月から数分へ短縮

従来、研究機関や製造現場で顕微鏡、分注機（液体を自動で分ける装置）、ロボットアームなどの機器をAIで連携させるには、機器ごとに専用の接続プログラムをゼロから構築する必要がありました。この作業には数週間から数カ月を要するのが一般的でしたが、MHSを導入することで、この統合プロセスを数時間から数分へと大幅に短縮できる見込みです。実際にワシントン大学の事例では、6つの機器をMHS経由で接続する作業が1週間未満で完了しました。

モデル非依存の柔軟な設計

MHSの大きな特徴は、特定のAIモデルに依存しない「モデル非依存」の設計である点です。標準的なプロトコルであるMCP（Model Context Protocol）などを介して、あらゆるエージェントが物理機器にアクセスできる仕組みを採用しています。制御の仕組みとしては、MCPのほか、コマンドラインインターフェース、およびコードファイル（API）という3つのメカニズムが用意されており、既存のシステム環境に合わせた柔軟な実装が可能です。

産業界における先行導入と今後の展望

先進的な研究機関と製造業での検証

現在、MHSは研究機関や先進的な製造業を対象としたリサーチプレビュー段階にあります。HHMI Janelia Research Campusでの共同開発を皮切りに、Genentech、ワシントン大学、カーネギーメロン大学、QuEra Computing、Tetsuwan Scientificなどが先行して検証を進めています。例えば、QuEra Computingでは、AIエージェントが量子コンピューターのレーザー調整を自動化し、人手を介さずに99.3%の確率で復帰させるコントローラーを構築することに成功しました。

機器メーカーとのエコシステム構築

MHSの普及に向け、周辺機器メーカーやプラットフォーム企業も対応を表明しています。Amazon Web ServicesはStrands Robotsを通じてMHSをサポートする予定であり、AutomataやTecanは自社製品へのMHS対応を進めています。また、Doosan Roboticsがテストを実施し、Universal Robotsが早期アクセスを経て対応を計画するなど、製造現場の自動化を加速させるエコシステムが形成されつつあります。Anthropicは今後、安全性評価と運用指針を十分に整備した上で、将来的なオープンソース化を目指す方針です。

安全性と専門家の監督の重要性

物理世界におけるAIの限界

AIエージェントによる自動化が進む一方で、Anthropicは物理的な操作における限界も明記しています。LLM（大規模言語モデル）はテキストや画像を通じて物理世界を学習しますが、空間認識や物理的な推論能力には依然として制約があります。そのため、MHSを利用した運用においても、専門家による監督や監視は引き続き不可欠です。現段階では一般提供ではなく、参加希望者を募るウェイトリスト形式での限定公開となっており、安全性を最優先した慎重な展開が図られています。

まとめ

• 共通仕様の策定: AIエージェントが物理機器を操作するための共通仕様「MHS」が発表されました。
• 連携工数の削減: 数週間から数カ月かかっていた機器連携の構築を、数時間から数分に短縮するとしています。
• 限定的なプレビュー: 現在は研究機関や製造業向けの限定公開であり、専門家による監督下での運用が前提です。

自前の実験室や製造ラインを持つ研究開発部門であれば、Anthropic公式サイトのウェイトリストから研究プレビューへの参加を申し込めます。一般提供の時期は公表されていません。

出典：Anthropic