AIが顕微鏡やロボットアームを操作、AnthropicのMHSとは

Anthropicは2026年8月27日、AIエージェントが実験室や製造現場の機器を操作するための共通仕様「Model Hardware Standard（MHS）」について、限定的な研究プレビューを開始した。Anthropicの公式発表 によると、最初の対象は科学研究機関と先端製造企業の一部で、一般公開済みの標準ではない。

2026年8月27日に始まったプレビューでは、顕微鏡、リキッドハンドラー（分注装置）、ロボットアームなど、プログラムから制御できる機器をAIが並行操作する事例が示された。ITmedia NEWSの報道 も、限定提供であること、将来のオープンソース化が計画されていることを確認している。

MHSが共通化する四つの層

MHSの中核は、メーカーや機種ごとに異なる操作方法を、共通の基本命令へ変換する機器ドライバーだ。温度や動作状態の読み取り、設定値の変更といった操作を標準化し、機器固有のAPIや制御ソフトとAIエージェントの間をつなぐ。

次が機器の発見と能力の記述である。ドライバーには、装置が測定できる値、変更可能な項目、物理的特性、安全限界などを自然言語のタグで記録できる。その情報から機械可読な参照ファイルを生成し、エージェントが初めて接続する装置の状態と利用可能な操作を把握できるようにする。

その上に、複数機器の順序や測定結果を管理する制御層がある。安全監督は別の一機能ではなく、ドライバーに記述した制約、決定論的な処理、人間による承認や監視を組み合わせる考え方だ。仕様が安全な動作を自動保証するわけではなく、各機器に適した制限を正しく実装する必要がある。

MCPとの違いは役割にある

MHSとModel Context Protocol（MCP）は、共通化する対象が異なる。MHSは物理機器の状態、能力、操作命令、制約を共通形式で表す。一方のMCPは、AIエージェントがMHSで公開された機能へアクセスするために利用できる経路の一つだ。

制御方法としては、MCP、コマンドラインインタフェース、コードファイルやAPIが想定されている。対話的な操作にはMCPを使い、長時間の処理や高速な反復では複数機器の命令をコードへまとめるなど、目的に応じて併用できる。Quartzが確認した仕様 でも、MHSは特定のAIモデルに依存せず、MCPなど既存の接続方式と並行して機能するとされている。

構造を下から並べると、実機と既存の制御インタフェース、操作を翻訳するMHSドライバー、能力と制約を示す参照情報、MCPやコードを介したエージェント制御となる。MHSはMCPの置き換えではなく、ソフトウェアへの接続経路と物理機器の記述方式を分担させる仕組みである。

操作対象はプログラム可能な機器に限られる

MHSが現段階で扱えるのは、プログラム可能な制御面と対応ドライバーを持つ機器だ。「物理機器なら何でも自然言語で動かせる」という仕様ではない。プログラミングインタフェースを持たない装置には、そのままでは対応できず、メーカーなどによるドライバーや制御手段の整備が必要になる。

• 観察・計測：顕微鏡、カメラ、レーザー、プレートリーダーなど。
• 試料処理：リキッドハンドラー、サーモサイクラー、遠心分離機など。
• 搬送・製造：試料やプレートを運ぶロボットアーム、複数ロボットを組み合わせた作業設備など。

研究プレビューでは、顕微鏡の撮像、分注装置とロボットアームの衝突を避けたプレート搬送、測定結果に応じた条件変更、量子コンピューター用レーザーの調整などが試された。いずれも特定の設備と条件による概念実証であり、あらゆる機器の互換性や無人運転を保証する結果ではない。

研究機関、メーカー、ソフトウェア企業が参加

MHSはAnthropicとHHMI Janelia Research Campusの共同作業から始まった。初期事例には、Genentechによるタンパク質測定、Carnegie Mellon Universityによる用量反応試験、University of Washingtonの研究チームによるqPCRと機器連携、QuEra Computingによるレーザー調整、Tetsuwan Scientificによる自動化実験などが含まれる。

参加者の役割は同一ではない。研究現場で工程を検証するチームのほか、AWS、Doosan Robotics、Tecan、Universal Robotsなど、ドライバーや製品統合を進める企業がある。Hugging Faceはロボティクスライブラリ「LeRobot」への対応を、Raspberry Piは一部製品との統合を進めている。

したがって、列挙された組織が一つの条件で共同試験を完了したという意味ではない。実験設備への実装、ハードウェア対応、関連ライブラリへの統合など、参加段階と検証対象はそれぞれ異なる。

安全性には専門家の監督が残る

MHSドライバーには速度、可動範囲、温度などの制限を記述できる。しかし、その設定が現実の装置に適切か、AIが未知の異常を正しく解釈できるかは別の問題だ。認証、操作権限、緊急停止、監査記録、ネットワーク分離といった運用設計も仕様だけでは完結しない。

Genentechの試験では、粘性のある試料に泡が生じた際、Claudeは当初、物理的な原因を理解せず、パラメーターを変えて同じ操作を再試行した。その結果、泡が増えたため、研究者が別のウェルを使い、混合回数を減らすよう教える必要があった。テキストや画像を中心に学習したモデルの空間認識と物理推論には、なお専門知識による補完が要ることを示す事例だ。

研究プレビューでは、参加組織と安全性評価、運用上のベストプラクティス、悪用への対策を整備する。MHSのオープンソース化と、安全な導入に向けた知見の公開は予定されているが、公開日は示されていない。現段階のMHSは、プログラム可能な機器を共通ドライバーで記述し、MCPなどを介して連携させる初期仕様であり、対応機器の拡大、第三者が検証できる安全評価、権限管理と人間の監督範囲が今後の焦点となる。