AnthropicがMHS発表、AIエージェントが機械を操作

2026年8月27日、Anthropicは「モデル・ハードウェア・スタンダード（MHS）」のリサーチプレビューを公開した。これはAIエージェントが物理的な機器を安全に操作できるようにする共通仕様で、HHMIジャネリア研究キャンパスと共同で開発された。Claudeのようなエージェントが、顕微鏡やロボットアーム、液体分注装置といった複数の実験・製造機器を並行して制御し、創薬実験から量子コンピュータのレーザー校正まで幅広いタスクをこなせるようにすることを目指す。Anthropicのエージェントが画面の外に出て、機械を直接操作するのはこれが初めてとなる。

機械同士が理解し合うための共通言語

研究室や工場の機器同士を通信させるには、通常は数週間から数か月かかる。ほとんどの機器は互いに通信できず、ハードウェアの組み合わせごとに専門家が個別の統合作業を行う必要があるからだ。MHSは標準化されたドライバー——コンピュータのオペレーティングシステムと物理機器の間を翻訳するソフトウェア——を導入することで、この作業を数時間に短縮する。このドライバーは、温度を取得するといった読み取りコマンドや、温度を設定するといった書き込みコマンドなど、少数の基本命令に基づいており、プログラム可能なインターフェースを持つあらゆる機器がこれを理解できる。これにより各機器は共通フォーマットで検出可能になり、機器とエージェントは専用の«翻訳»プログラムを介さずにネットワーク上で互いを見つけて通信できる。エージェントはその後、MCP（モデル・コンテキスト・プロトコル）、コマンドライン、コードファイル（API）という3つの方法で機器を制御できる。

MHSのドライバーは、コードだけでは分からない問題も解決する。主に仮想世界で訓練されたエージェントは、ロボットアームの重量やレーザーの安全範囲を知らない。そこでMHSには、機器の物理的特性、調整可能なパラメータ、強制される安全限界を自然言語で記述するタグシステムが組み込まれている。ユーザー自身が入力することも、機器について尋ねてくるエージェントと対話しながら入力することもできる。この情報から参照ファイルが自動的に生成され、紙のマニュアルや技術者の暗黙知に頼らずとも、エージェントが初めて見る機器を操作するために必要な情報がすべて揃う。

研究室から産業界へ

Anthropicは、バイオテクノロジー、ロボティクス、量子コンピューティング、電子工学の分野の研究室やメーカーの第一陣にMHSの初期バージョンを共有した。Genentechでは、液体分注装置、ロボットアーム、プレートリーダーの連携が必要なタンパク質アッセイの自動化に向けてMHSを検証した。ワシントン大学のBaker研究室とPinglay研究室の博士課程学生は、MHSを使って遠隔監視ダッシュボードを構築し、ポリメラーゼ連鎖反応（PCR）を監督して適切なタイミングで停止させるエージェントを作った。

• カーネギーメロン大学では、液体分注装置、プレートリーダー、ロボットアーム、カメラを統括するエージェントが、用量反応実験を約3倍速く実行した。
• プロジェクト発祥の地であるHHMIジャネリアでは、これまで7種類の異なるベンダーのプログラムに頼っていた顕微鏡装置を、エージェントが統一した。
• 量子コンピュータ企業QuEraでは、量子コンピュータのレーザーシステムの一部を制御するエージェントが、人の介入なしに99.3%の確率でレーザーの超精密な周波数«ロック»を回復させた。
• Tetsuwan Scientificでは、カリフォルニア州のある小川の汚染を調べる市民科学プロジェクトのため、MHSがPCRのワークフローを統括した。

Anthropicのハードウェア戦略

Amazon Web Servicesは、エージェントと物理機器を接続するライブラリ「Strands Robots」にMHSを組み込む予定で、Hugging Face（LeRobot）、Raspberry Pi、Automata、Universal Robotsなどもハードウェアパートナーに名を連ねる。Danaherも協業を検討中だ。MHSは現時点では少数のパートナーに限定されているが、Anthropicが2024年にオープンソース化したモデル・コンテキスト・プロトコル（MCP）と同様、将来的にはオープンソースかつモデルに依存しない標準を目指す。Anthropicで「有益な展開」を担当するElizabeth Kelly氏はCNBCの取材に対し、«私たちはこれを科学のために、AIの可能性を示すために作ったが、企業や産業にとっても大きな利益がある»と語った。今回の発表は、Anthropicが専用チップチームを構築し、OpenAI、Meta、Appleでハードウェア幹部を務めたCaitlin Kalinowski氏を最近採用したタイミングと重なる。Claudeの開発元が、すでにハードウェアに巨額投資している競合他社に対抗しようとしている表れだ。

仮説をより速く検証できれば、より速く汎用技術を生み出せる。こうして一世紀分の進歩が十年に凝縮されうるのだ。

日本企業にとっての意味

日本の研究室や製造拠点にとって、MHSが解消しようとしている悩みは馴染み深いものだ——実験そのものに時間を使う代わりに、異なるメーカーの機器を«対話»させるために数週間を費やすという問題である。この規格は現時点では非公開のプレビュー段階にあり、最初のパートナー群に限定されているため、日本の機関がいつアクセスできるようになるかはAnthropicが今後発表する公開計画次第となる。ただし、特定のモデルに依存しない設計と、将来のオープンソース化の方針は、単一のAIベンダーに縛られるリスクを抑えている。日本の製造業や公的研究機関は、この動きを注視する価値がある。モデル・コンテキスト・プロトコルを成功に導いた標準化の手法が、今度は生産ラインや試験台に直接適用されるかもしれないからだ。