Компания представила Model Hardware Standard — единый способ подключать лабораторные приборы, роботов и другое физическое оборудование к ИИ-агентам. Если идея взлетит, интеграции, которые раньше занимали недели, можно будет собирать за часы.
Суть события
Anthropic показала Model Hardware Standard (MHS) — спецификацию, которая даёт ИИ-агентам унифицированный интерфейс к физическим устройствам. Речь не только о роботах: под стандарт подпадают микроскопы, жидкостные хендлеры, считыватели планшетов и любая техника с программируемым интерфейсом. Проект компания делает вместе с HHMI Janelia Research Campus и сначала отдаёт как research preview для ограниченного круга лабораторий и производителей.
Логика у MHS простая и довольно привлекательная: каждому устройству нужен свой драйвер, но этот драйвер должен работать как общий язык для разных систем. Тогда агент может увидеть возможности, ограничения и даже опасные режимы оборудования без кастомной интеграции под каждый новый стек. Anthropic прямо сравнивает MHS с MCP — только не для софта и данных, а для железа и действий в реальном мире.
Детали
На практике стандарт обещает убрать очень неприятный слой ручной работы. Обычно лабораторные устройства приезжают от разных поставщиков, используют разные API, форматы данных и софт управления, а затем ещё долго не разговаривают друг с другом. Anthropic утверждает, что MHS сокращает подключение оборудования с недель или месяцев до часов и даже минут — звучит смело, но именно такие места в индустрии и съедают деньги, время и терпение.
Полевые тесты получились показательные. В Genentech Claude координировал жидкостный хендлер, робот-манипулятор и plate reader для автоматизации protein assay, но споткнулся о физическую причину ошибок: пузырьки в вязком растворе. На Carnegie Mellon команда собрала связку из нескольких устройств и камер примерно за восемь часов вместо обычных недель. А в QuEra агент помог довести скрипт управления лазером до стабильной работы в 695 случаях из 700. И всё же главный урок тот же: когда физика идёт не по сценарию, одной текстовой логики мало.
Контекст
MHS — это продолжение идеи, которую Anthropic уже протолкнула в софт через [MCP](https://ai-digest.ru/mcp-v-2026-pochemu-model-context-protocol-stal-standartom-dlya-ii-agentov/). Тогда смысл был в том, чтобы ИИ мог без боли подключаться к внешним источникам данных и инструментам. Теперь амбиция шире: дать агентам понятный слой доступа к машинам, у которых есть вес, инерция, безопасность, хрупкость и очень неприятная привычка ломаться не там, где ожидаешь.
Именно поэтому здесь так важен человеческий надзор. Anthropic сама признаёт, что пространственное и физическое мышление у модели пока ограничено, а ошибки в лаборатории могут быть не «багом», а реальной аварийной ситуацией. То есть MHS выглядит как попытка стандартизировать путь к физическому миру, но не отменить эксперта рядом с ним. И это, честно говоря, разумнее, чем звучит на первой презентации.
Что дальше
Сейчас MHS — исследовательский превью-продукт, но вокруг него уже выстраивается экосистема: среди первых интересантов Anthropic называет AWS, Doosan Robotics, QIAGEN, Tecan, Universal Robots, Hugging Face и Raspberry Pi. Если стандарт приживётся, он может стать тем самым скучным, но очень ценным слоем инфраструктуры, который незаметно ускоряет лаборатории, фабрики и прочие места, где железо до сих пор живёт в изоляции.
Главный вопрос теперь не в том, может ли ИИ подключиться к роботу. Вопрос в том, сумеет ли он делать это достаточно надёжно, чтобы люди перестали собирать интеграции вручную каждый раз заново. Если ответ окажется да, MHS может стать для физического мира тем, чем MCP стал для цифрового: не громкой игрушкой, а стандартом, который внезапно экономит всем очень много нервов.
