11月5日、Anthropicが開発したモデルハードウェア標準（MHS）について、ikkaro.net（技術解説メディア）が「Anthropic MHS Explained: How AI Safely Operates Real-World Devices」と題した詳細な解説記事を公開した。MHSはAnthropicがHHMI Janelia研究所と共同開発した規格で、AIエージェントが実世界の物理デバイスを安全かつ標準化された手順で制御することを可能にする。
AIが「物理世界」を操作する時代へ
ラボのロボットアームや顕微鏡、液体ハンドラをAIが直接制御する——そのための共通規格が、Anthropicによって2026年8月にリサーチプレビューとして公開された。その名がMHS（Model Hardware Standard）だ。
MHSの本質はシンプルである。AIモデルとデバイスの間に「標準化されたドライバ層」を挟むことで、どんなAIエージェントからでも、どんなハードウェアでも、同一のインターフェースで制御できるようにする。特定のモデル（Claude等）にも、特定のベンダーにも依存しない設計だ。
従来、実験装置や製造ライン機器をAI制御につなぎ込む作業は数週間〜数ヶ月を要した。ベンダーごとに異なるAPIやプロトコルへのアダプタを手作業で実装する必要があったためだ。MHSはこれを数時間〜数分に短縮することを目標としている。
なぜ今、AI×物理デバイス制御の標準化が求められるのか
製造・創薬・ライフサイエンス分野では、自動化装置の種類が爆発的に増加する一方、機器間連携の手法はベンダーごとにバラバラなまま据え置かれてきた。ラボオートメーション向けにはSiLA 2（科学機器向け通信プロトコル）やOPC UA（産業用IoT向け標準）、ロボット分野ではROS 2（ロボット向けミドルウェア）といった既存規格がそれぞれの領域で普及しているが、これらはAIエージェントによる自律制御を前提として設計されていない。LLMベースのエージェントが急速に実用段階へ進む中、「AIが安全に物理デバイスを扱うための共通の橋渡し層」が産業界全体で求められるタイミングに来ている。MHSはその空白を埋める試みとして位置づけられる。
アーキテクチャの核心：安全制約はドライバ層で強制する
MHSで最も重要な設計判断は、安全制約の実施をAIモデルではなくドライバ層に持たせた点にある。
AIエージェントが「許可温度を超えた加熱」や「禁止された可動域への移動」を指示しようとした場合、ドライバが命令をブロックする。モデルの推論能力や判断に依存しない。これは産業現場での安全要件を考えると本質的な設計判断だ。
MHSドライバが提供する主な機能は以下のとおり：
- デバイス自己記述・自動検出：デバイスが自分の仕様・パラメータ・安全限界を機械可読形式でアナウンスする。エージェントは未知のデバイスでも自動的に使い方を把握できる
- 自然言語によるメタデータ定義：デバイスの物理的文脈や操作上の境界を平易な英語で記述可能。エージェントがユーザーに「インタビュー」して情報を補完することもできる
- 3種類の制御パスウェイ：MCP（Model Context Protocol、JSON-RPC）、コマンドライン、API/コードファイル経由のいずれかで制御可能
さらに特徴的なのが「ライブ推論→決定論的スクリプト化」のハイブリッドアプローチだ。AIエージェントが実験プロセスを探索・学習した後、安定した手順をコードファイルに変換する。その後の運用ではエージェントを常時稼働させずに済む。AIは「プロセス発見の触媒」として機能し、完成した処理は決定論的に実行される。
パイロット事例：数字が示す効果
QuEra：量子コンピュータのレーザー安定化
最もインパクトが大きいのがQuEraの事例だ。量子コンピュータは超精密なレーザーロック（レーザー発振を特定周波数に固定する技術）に依存するが、ロックが外れた際の復旧は従来**数分かかり、成功率58%**という不安定な手動作業だった。
MHSを介して4つのClaudeインスタンスを一晩走らせた結果——1つが仮説立案、残りがスクリプト生成・実行・分析を担うマルチエージェント構成——このパイロット事例において復旧時間は秒単位に短縮、成功率は**99.3%**に達した。しかも最終的な制御ロジックはシンプルなコードファイルとして出力されており、エージェントなしで運用可能になる。
HHMI Janelia：顕微鏡ワークフロー統合
Janelaの顕微鏡設備では、単一のリグを動かすために7つの異なるプログラミング言語で書かれた7つのプログラムを手動で連携させていた。新デバイスの追加は数日がかりの作業だった。MHSドライバ導入後、追加作業は数分に短縮。実験起動はワンクリックになり、全機器をひとつのダッシュボードでリモート監視できるようになった。
Genentech：タンパク質アッセイの自動校正
液体ハンドラ・ロボットアーム・プレートリーダーの3台をClaudeが協調制御し、水とタンパク質溶液で異なる流量設定（水：140μL/秒、タンパク質：10μL/秒）を自律的に探索・決定した。機器エラーからの自己回復も含め、従来は専門家が手動で行っていた校正作業が自動化された。
パートナーエコシステム：「Anthropic専用ツール」ではない
MHSのリサーチプレビューには以下の企業がすでに参加している：
- Amazon Web Services：Strands Robotsライブラリ経由でサポート追加
- Tecan：Fluent液体ハンドリングプラットフォームに統合
- Universal Robots：ロボットアーム全製品でのサポートを計画
- Hugging Face：LeRobot robotics libraryとの統合
- Raspberry Pi：Pi BoardおよびカメラモジュールへのMHS対応
特にHugging FaceやRaspberry Piの参加は、エンタープライズ向けだけでなくホビイストや小規模ラボへの普及を視野に入れたものだ。
現時点での限界
現段階での主な制約も把握しておく必要がある：
- AIの物理推論はまだ未熟：ピペッティング時の気泡の影響など、細かい物理現象への対応には人間の監視が必要
- プログラマブルなインターフェースが必須：APIのないデバイスはサポート外
- EU規制リスク：2027年1月施行のEU機械規制（2023/1230）により、MHSドライバ内の安全ロジックが「安全機能」とみなされ、正式な認証が必要になる可能性がある
- SiLA 2・OPC UA・ROS 2との関係：それぞれラボ機器通信・産業用IoT・ロボットミドルウェアの既存標準だが、MHSはこれらを置き換えるものではなく、既存プロトコルの上にAI制御レイヤーを追加するものだ
オープンソース化を予定
Anthropicはリサーチプレビュー終了後、MHSをオープンソースとして公開する予定を表明している。仕様の標準化が進めば、ドライバの共有・再利用が業界横断で可能になり、現在の「各ラボが個別に車輪を再発明する」状況は変わっていく可能性がある。
詳細はAnthropic MHS Explained: How AI Safely Operates Real-World Devicesを参照していただきたい。
