Anthropic lança MHS para agentes de IA controlarem máquinas

Em 27 de agosto de 2026, a Anthropic abriu uma prévia de pesquisa do Model Hardware Standard (MHS), uma especificação comum que permite a agentes de inteligência artificial operar dispositivos físicos com segurança. Desenvolvido em parceria com o campus de pesquisa HHMI Janelia, o padrão deve permitir que um agente como o Claude orquestre em paralelo vários instrumentos de laboratório ou de produção — microscópios, braços robóticos, dispensadores de líquidos — para tarefas que vão de um experimento de descoberta de medicamentos à calibração de um laser em um computador quântico. É a primeira vez que a Anthropic leva seus agentes além da tela, para o controle direto de máquinas.

Uma linguagem comum para falar com as máquinas

Fazer os aparelhos de um laboratório ou de uma fábrica se comunicarem entre si costuma levar semanas, quando não meses: a maioria dos dispositivos não conversa entre si, e especialistas precisam construir integrações sob medida para cada combinação de hardware. O MHS reduz esse trabalho a horas ao introduzir um driver padronizado — um software que traduz entre o sistema operacional de um computador e um dispositivo físico. Esse driver se apoia em um pequeno conjunto de primitivas, comandos de leitura (por exemplo, obter uma temperatura) ou de escrita (por exemplo, definir uma temperatura), que qualquer aparelho com interface programável consegue entender. Cada máquina se torna assim detectável em um formato comum: dispositivos e agentes se encontram e se comunicam em rede sem precisar de um programa «tradutor» sob medida a cada vez. Um agente pode então controlá-los por três vias: o protocolo MCP, a linha de comando ou arquivos de código (APIs).

O driver do MHS resolve ainda um problema que o código sozinho não descreve: um agente treinado majoritariamente em um mundo virtual não sabe o peso de um braço robótico nem a faixa segura de um laser. Por isso o MHS inclui um sistema de marcações que descreve em linguagem natural as características físicas de um aparelho, seus ajustes possíveis e seus limites de segurança — o usuário pode preenchê-las ele mesmo, ou conversando com um agente que o interroga sobre seu equipamento. Essas informações geram automaticamente um arquivo de referência que dá ao agente tudo o que ele precisa para operar um aparelho que nunca viu antes, sem manual em papel nem conhecimento tácito de um técnico.

Dos laboratórios à indústria

A Anthropic compartilhou uma versão inicial do MHS com um primeiro grupo de laboratórios e fabricantes de biotecnologia, robótica, computação quântica e eletrônica. Na Genentech, pesquisadores testaram o MHS para automatizar um ensaio de proteínas que exige coordenar um dispensador de líquidos, um braço robótico e um leitor de placas. Na Universidade de Washington, um doutorando dos laboratórios Baker e Pinglay construiu um painel de monitoramento remoto e um agente que supervisiona uma reação em cadeia da polimerase e a interrompe no momento certo.

• Na Universidade Carnegie Mellon, um agente que orquestrava um dispensador de líquidos, um leitor de placas, um braço robótico e câmeras executou experimentos de dose-resposta cerca de três vezes mais rápido.
• No campus HHMI Janelia, onde o projeto nasceu, um agente unificou um sistema de microscopia que antes dependia de sete programas de fornecedores diferentes, sem interface comum.
• Na QuEra Computing, um agente que controlava parte do sistema a laser de um computador quântico recuperou a «trava» de frequência ultraprecisa dos lasers em 99,3% dos casos, sem intervenção humana.
• Na Tetsuwan Scientific, o MHS orquestrou um fluxo de PCR para um projeto de ciência cidadã sobre a poluição de um riacho da Califórnia.

A aposta da Anthropic no hardware

A Amazon Web Services vai integrar o MHS ao Strands Robots, sua biblioteca para conectar agentes a dispositivos físicos; Hugging Face (LeRobot), Raspberry Pi, Automata e Universal Robots estão entre os demais parceiros de hardware, e a Danaher explora uma colaboração. Por ora limitado a um grupo restrito, o MHS deve depois se tornar um padrão aberto e agnóstico quanto ao modelo de IA usado — como aconteceu em 2024 com o Model Context Protocol, outra norma nascida na Anthropic. «Construímos isso para a ciência, para mostrar a promessa da IA, mas também há enormes benefícios para empresas e para a indústria», disse à CNBC Elizabeth Kelly, responsável por implantações benéficas da Anthropic. O anúncio ocorre enquanto a Anthropic monta uma equipe dedicada a chips e acaba de contratar Caitlin Kalinowski, ex-executiva de hardware da OpenAI, da Meta e da Apple — sinal de que a criadora do Claude quer pesar diante de rivais que já investem pesado em hardware.

Se você consegue testar hipóteses mais rápido, pode criar tecnologias mais rápido. É assim que um século de progresso pode se condensar em uma década.

O que muda para as empresas brasileiras

Para um laboratório de pesquisa ou uma planta de produção no Brasil, o MHS promete reduzir um custo conhecido: semanas perdidas fazendo aparelhos de fornecedores diferentes conversarem entre si, em vez de dedicar esse tempo ao próprio experimento. O padrão segue por ora como uma prévia fechada, reservada a um primeiro círculo de parceiros, então o acesso no Brasil vai depender do calendário de abertura anunciado pela Anthropic — mas seu desenho agnóstico quanto ao modelo e a futura publicação como código aberto limitam o risco de depender de um único fornecedor de IA. Indústrias e laboratórios públicos brasileiros fariam bem em acompanhar de perto essa abertura: a mesma padronização que deu certo com o Model Context Protocol pode, dessa vez, se aplicar diretamente às suas linhas de produção e bancadas de teste.