Anthropic、実験機器をAIにつなぐ共通仕様「MHS」を公開　QuEraのレーザー復旧試験で成功率99.3%

Anthropicは2026年8月27日、AIエージェントが顕微鏡、液体ハンドラー、ロボットアームなどの物理機器を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た。初期パートナーには研究機関、バイオテクノロジー企業、量子コンピュータ企業、機器メーカーなどが参加している。

MHSは一般公開された完成版ではなく、限られた参加者と安全性評価や運用上のベストプラクティスを検討する段階にある。Anthropicは将来のオープンソース化を表明しているが、具体的な時期は示していない。

■機器ごとに異なる制御方式を共通化

研究室や製造現場では、異なるメーカーの機器がそれぞれ独自のソフトウェア、ドライバ、データ形式、制御インターフェースを備えている。複数の装置を連携させるには、機器ごとの仕様に合わせた統合コードが必要となり、その作業には数週間から数カ月を要する場合がある。

MHSは、こうした機器をAIエージェントから扱うための標準化されたドライバを導入する。ドライバは、OSや制御ソフトと物理機器の間を仲介し、「read」で値を取得し、「write」で設定を書き込むといった共通の基本操作を提供する。

ネットワーク上の機器を一定の形式で発見する仕組みも備える。これにより、AIエージェントは機器ごとに専用の接続プログラムを用意するのではなく、共通の方法で利用可能な装置とその機能を確認できる。

MHSの開発は、Anthropicと米ハワード・ヒューズ医学研究所のジャネリア研究キャンパスとの共同作業から始まった。複数メーカーのレーザー、電動フォーカサー、特殊カメラなどを組み合わせた脳イメージング装置を扱っていた研究者のArco Bastが、各機器の状態を共有メモリ上の標準化された辞書で管理する仕組みを開発したことが出発点となった。

■自然言語のタグで機器の特性を伝える

MHSのドライバには、機器の特性を自然言語で記述するタグが用意される。利用者やメーカーは、機器が測定できる項目、変更可能な設定、安全上の制限などをタグへ記録できる。

ドライバは、この情報を基にAIエージェント向けの参照ファイルを生成する。プログラム上の命令だけでは分からない機器の性質や運用条件をあらかじめ伝え、AIエージェントが許可された範囲で操作を計画するための情報として利用する。

機器の操作には、MCP（Model Context Protocol）、コマンドラインインターフェース、コードファイルという3つの経路を利用できる。長時間にわたる処理や、AIエージェントが一動作ずつ判断するには速すぎる処理では、複数のドライバ命令をコードとしてまとめ、通常の決定論的なプログラムとして実行できる。

この構造では、AIエージェントが試行を通じて操作手順を構築した後、その手順を人間が検査できるコードとして残せる。実際の機器制御時に言語モデルが毎回判断する方式に限定されず、十分に検証した処理を再現可能なスクリプトへ移すことができる点が特徴となる。

■カーネギーメロン大学では約8時間で機器を統合

カーネギーメロン大学の研究チームは、液体ハンドラー、プレートリーダー、ロボットアーム、監視カメラをMHSで連携させ、段階希釈による用量反応実験を実施した。機器は3台のコンピュータに分散し、XMLファイル、WindowsのActiveX／COM、APIを持たないGUIなど、異なる方法で制御されていた。

研究チームは、これらの装置を使ったワークフローを約8時間で構築した。従来、同等の統合作業には機器メーカーの技術支援を受けながら数週間を要することがあったという。

Claudeを利用したAIエージェントは、段階希釈を実行して結果を評価し、最初の濃度範囲では測定結果が飽和していると判断した。その後、濃度範囲を狭めて実験をやり直し、より良好な用量反応曲線を得た。カーネギーメロン大学の検証では、MHSを利用した実験全体の処理速度が従来比で約3倍になったとしている。

これらは特定の機器構成と実験条件で実施された初期検証であり、あらゆる研究室で同じ時間短縮を保証するものではない。それでも、制御方式の異なる装置を共通インターフェースの背後にまとめ、AIエージェントが実験結果に応じて次の処理を選ぶ構造を示した点に意義がある。

■QuEraのレーザー復旧試験で695回中695回に成功

中性原子方式の量子コンピュータを開発するQuEra Computingは、量子ビットの制御に使うレーザーシステムの復旧にMHSを利用した。レーザーの周波数が所定の範囲から外れると、原子との相互作用を正しく制御できなくなるため、周波数を再び安定した状態へ戻す必要がある。

QuEraでは従来、4人の専門家が2～3週間をかけて自動復旧用のスクリプトを作成していた。このスクリプトは想定済みの障害に固定手順で対応するもので、QuEraが示した比較試験では成功率58%、1回の処理時間は約150秒だった。

ClaudeにはMHSを介して専用のテスト環境が与えられ、外乱を加えて復旧させる試行を数百回繰り返しながら制御ロジックを作成した。初期の開発試験では成功率96%、復旧時間はおおむね6秒まで改善した。

完成した制御プログラムは、実行時にClaudeが逐次判断するものではなく、人間が内容を確認できる通常のプログラムである。エンジニアが試験範囲と成功条件を設定し、各段階を確認したうえで検証した。

7種類の障害を対象にした700回の時間計測試験では、700回中695回でレーザーを目標状態へ復旧させ、成功率は99.3%となった。失敗した5回について、QuEraはソフトウェアではなく試験装置側の状態が原因だったとしている。多くの障害は6秒未満、複雑な障害は約10～14秒で復旧した。

QuEraは、同じ仕組みをレーザーの安定化にも利用した。AIエージェントが設定した制御パラメータは、独立した測定装置による評価で専門家の手動調整と同等の結果を示し、手動調整で残っていた問題も修正したという。いずれもQuEraとAnthropicによる初期検証の結果であり、他の量子コンピュータや運用環境での性能を示すものではない。

■Genentechは液体の違いに応じて流速を調整

Genentechは、総タンパク質濃度を測定するBCAアッセイの自動化にMHSを試験導入した。液体ハンドラー、ロボットアーム、マイクロプレートリーダーをMHSで接続し、Claudeが実験手順と装置間の処理を調整した。

液体の粘度や泡立ちやすさは、ピペットによる移送精度に影響する。Claudeは、着色した液体を使った試験移送とプレートリーダーの測定結果を基に、水とウシ血清アルブミン溶液の流速を探索した。その結果、水では毎秒約140マイクロリットル、粘度の高いウシ血清アルブミン溶液では毎秒10マイクロリットルを選び、Genentechの自動化担当者は、この装置構成では妥当な設定だと評価した。

一方、タンパク質試料の泡によって液面検出エラーが起きた際、Claudeは当初、同じウェルで条件を変えて処理を繰り返した。再試行によって液体がさらにかき混ぜられ、泡が増える結果となった。

研究者が、エラーの原因はソフトウェアではなく液体中の泡であり、別のウェルへ移して混合回数を減らす必要があると伝えると、Claudeは以降の処理でその条件を維持した。Genentechは、得られた知見を再利用可能な液体処理用の手順として組み込み、初期設定の改善に利用した。

この事例は、機器の状態やエラーコードを読み取るだけでは、物理的な原因を適切に判断できない場合があることを示している。同時に、専門家の知識をドライバや再利用可能な手順へ組み込み、次の試行へ反映するというMHSの利用方法も示した。

■SiLAとは競合よりも設計範囲が異なる

実験機器の相互運用性を目指す取り組みには、2008年に設立されたStandardization in Lab Automation（SiLA）がある。SiLA 2はHTTP/2、Protocol Buffers、gRPCを利用した無料かつオープンな通信規格であり、機器の機能、コマンド、プロパティ、機器の発見、セキュリティなどを定義している。

このため、SiLAがオープンな通信標準を持たないとする説明は正確ではない。SiLAにも、サーバーが提供する機能とその利用方法をクライアントが取得する仕組みがある。

MHSは、AIエージェントが機器を扱うことを前提に、自然言語で記述した機器情報の参照、MCPからの利用、試行によって得た手順のコード化などを一つの構成にまとめている。MHSの特徴は、従来規格を単純に置き換えることよりも、機器とAIエージェントの間に共通の操作層と知識表現を設けようとしている点にある。

既存の規格やメーカー独自インターフェースとMHSが今後どのように共存するかは、仕様の一般公開と採用状況を待つ必要がある。

■機器メーカーやソフトウェア企業も参加

Anthropicのリサーチプレビューには、研究機関や実験室に加え、複数の機器メーカーとソフトウェア企業が参加している。

AWSは、AIエージェントと物理機器を接続するStrands Robotsを通じてMHSを支援する。Automataは研究室自動化プラットフォームLINQへの対応を進め、Doosan Roboticsはロボットアームを使った検証を実施している。

TecanはFluent液体処理プラットフォームへの対応を進め、Universal Robotsも同社のロボティクスプラットフォームへの対応を計画している。QIAGENは核酸精製プラットフォームのQIAsymphony Connectで概念実証を行い、MBF Bioscienceはレーザー走査顕微鏡用ソフトウェアScanImageのMHSドライバを開発している。

Hugging Faceはロボティクス向けライブラリLeRobotへの対応を進め、Raspberry Piはカメラ用MHSドライバの試験を経て、複数製品への統合を計画している。参加各社の取り組みは、製品への実装が完了したことを一律に意味するものではなく、検証、開発、対応計画など段階は異なる。

■一般公開前に安全性評価を実施

MHSは、プログラムから制御できるインターフェースを持つ機器を対象とする。API、SDK、スクリプトで操作できるGUIなどがない装置は、現段階では接続できない。

Anthropicは、Claudeの空間認識や物理的な推論には限界があり、専門家の監督が必要だと説明している。Genentechの検証で見られた泡の問題のように、ソフトウェア上の状態だけから物理現象の原因と対処方法を判断できない場合がある。

物理機器をAIエージェントから操作するためには、機器ごとの動作範囲やインターロック、緊急停止などに加え、誰がどの操作を許可されるかを管理する仕組みも重要となる。QuEraの検証では、装置が定める制限の範囲内でAIエージェントを動かし、エンジニアが試験範囲と成功条件を設定した。

Anthropicは、リサーチプレビューを通じて追加の安全性評価を実施し、物理世界でAIを利用する際の保護策を強化するとしている。MHSをオープンソース化する際には、検証結果と安全な導入のためのガイダンスを公表する計画だ。

MHSの価値が広がるかどうかは、ドライバを実装する機器メーカーや、実際の研究・製造現場がどこまで参加するかに左右される。現時点で示されているのは、限られた装置と管理された環境における初期成果である。

それでも、異なる機器を共通の方法で接続し、AIエージェントが実験結果を読み、条件を変更し、検証済みの手順を再現可能なコードに移す流れは具体化し始めた。MHSは、研究者の判断を置き換える仕組みというより、装置統合と反復作業に費やす時間を減らし、研究者が実験設計や結果の解釈に集中するための基盤として位置づけられる。

■注目ポイントQ&A

●Model Hardware Standard（MHS）とは何ですか？

AIエージェントが、標準化されたドライバを通じて実験機器や製造機器を発見し、操作するための共通仕様です。機器の測定項目、変更可能な設定、安全上の制限などをAIエージェントへ伝える仕組みも含みます。

●SiLAとはどのように違いますか？

SiLA 2は、実験機器の機能、コマンド、プロパティ、通信、機器発見などを定義する無料かつオープンな規格です。MHSはAIエージェントからの利用を中心に、自然言語による機器情報、MCP、コマンドライン、コードファイルを組み合わせています。両者の機能には重なる部分もあり、将来の関係は一般公開後の仕様や実装によって決まります。

●QuEraの成功率99.3%は何を示していますか？

QuEraの専用テスト環境で、7種類の障害を発生させた700回の試験のうち、作成された制御プログラムが695回レーザーを目標状態へ復旧させた結果です。MHSまたはAIによる機器制御全般の成功率を示す数字ではありません。

●レーザーの復旧時にはClaudeが直接判断しているのですか？

完成した制御プログラムの実行時には、Claudeが一動作ずつ判断しているわけではありません。Claudeは試行を通じて制御ロジックを作成しましたが、最終的には人間が検査できる通常のプログラムとして実行されています。

●どの研究室でも今すぐMHSを利用できますか？

いいえ。MHSは限定的なリサーチプレビュー段階です。参加希望者は専用サイトから申請できますが、一般提供は始まっていません。また、現段階ではプログラムから制御可能なインターフェースを持つ機器が必要です。

●MHSはClaude専用ですか？

いいえ。AnthropicはMHSをモデル非依存の仕様としており、標準的なプロトコルに対応する他のAIエージェントからも利用できる設計だと説明しています。ただし、公表された初期事例はClaudeを使って実施されています。

元記事: Anthropic MHS Cuts Lab Setup From Weeks to Hours: QuEra Lasers Hit 99.3%