Anthropic کا MHS: AI ایجنٹ اب تجربہ گاہ کے آلات چلا سکے گا

Anthropic نے 27 اگست 2026 کو Model Hardware Standard یا MHS کا محدود تحقیقی preview شروع کیا۔ Anthropic کے اعلان کے مطابق یہ مشترک specification AI ایجنٹس کو خوردبین، liquid handler اور robotic arm سمیت متعدد قابلِ پروگرام آلات دریافت کرنے، ان کی حالت پڑھنے اور انہیں مربوط انداز میں چلانے دیتی ہے؛ فی الحال رسائی سائنسی تجربہ گاہوں اور advanced manufacturers کے پہلے گروپ تک محدود ہے۔

Reuters کی 27 اگست 2026 کی رپورٹ نے research preview کے اجرا اور سائنسی تحقیق و advanced manufacturing میں microscopes اور robotic arms کو باہم چلانے کے مقصد کی آزاد تصدیق کی۔ اس لیے عنوان میں آلات چلانے کی صلاحیت حقیقی ہے، مگر اس کا مطلب یہ نہیں کہ MHS عام developers کے لیے مکمل طور پر جاری یا open source ہو چکا ہے۔

MHS کو چار تہوں میں کیسے سمجھا جا سکتا ہے

MHS موجودہ device APIs یا مشین کے اندرونی control system کو ختم نہیں کرتا۔ یہ ان کے اوپر ایک مشترک رابطہ فراہم کرتا ہے تاکہ ہر آلے کے لیے AI ایجنٹ اور باقی مشینوں کے درمیان الگ bespoke integration نہ بنانی پڑے۔ اس کے عملی بہاؤ کو چار تہوں میں سمجھا جا سکتا ہے۔

• Device discovery: ہر منسلک آلہ اپنی شناخت، دستیاب operations اور حالت ایک معیاری format میں ظاہر کرتا ہے۔ اس سے آلات اور ایجنٹس نیٹ ورک پر ایک دوسرے کو تلاش اور پہچان سکتے ہیں۔
• Standardized driver: MHS driver آلے کے مخصوص programming interface کو بنیادی primitives میں ڈھالتا ہے، مثلاً درجۂ حرارت پڑھنا یا مقررہ قدر لکھنا۔ اصل command متعلقہ driver اور مشین ہی نافذ کرتے ہیں۔
• خصوصیات اور حفاظتی tags: صارف قدرتی زبان میں مشین کی ایسی معلومات درج کر سکتا ہے جو code سے واضح نہ ہوں، مثلاً robotic arm کا وزن، قابلِ اجازت adjustments اور نافذ ہونے والی حدود۔ driver انہی tags سے آلے کی reference file تیار کرتا ہے۔
• Agent protocol: ایجنٹ hardware تک MCP، command-line interface یا code files اور APIs کے ذریعے پہنچ سکتا ہے۔ یہ تہہ مختلف آلات کی کارروائیاں ترتیب دینے اور ان کا operating data واپس ایجنٹ تک لانے میں مدد دیتی ہے۔

یہ تقسیم ایک سادہ تشریح ہے، چار الگ مصنوعات نہیں۔ discovery، driver، tags اور agent access مل کر وہ راستہ بناتے ہیں جس میں ایجنٹ پہلے مشین کو پہچانتا ہے، پھر اس کی صلاحیت اور حدود سمجھتا ہے اور آخر میں قابلِ اجازت commands بھیجتا ہے۔

MHS اور MCP کا کردار الگ ہے

Model Context Protocol سافٹ ویئر tools اور data sources کو agent harness سے جوڑنے کا عمومی protocol ہے۔ MHS اس کے برعکس physical hardware کی description، بنیادی read/write operations اور operating limits مہیا کرتا ہے۔ یوں MCP ایجنٹ کو MHS driver تک رسائی دے سکتا ہے، لیکن سامنے موجود مشین کیا کر سکتی ہے اور کون سی حدود نافذ ہوں گی، یہ MHS کی reference information طے کرتی ہے۔

MHS کا model-agnostic ہونا بھی اسی فرق سے نکلتا ہے: specification کسی ایک AI model تک محدود نہیں اور مناسب agent harness معیاری protocols سے اسے استعمال کر سکتا ہے۔ تاہم ہر deployment کے لیے programmable interface، درست driver اور compatible control environment درکار ہیں۔ جس آلے کا programming interface موجود نہیں، اسے صرف MHS شامل کرکے خودکار نہیں بنایا جا سکتا۔

تیز یا طویل کاموں میں ایجنٹ driver commands کو code file میں جوڑ سکتا ہے تاکہ مشین ہر چھوٹے قدم پر model کے نئے فیصلے کا انتظار نہ کرے۔ اس صورت میں بھی MHS خود کوئی AI model، operating system یا حقیقی وقت کا صنعتی controller نہیں بنتا؛ یہ ان اجزا کے درمیان معیاری interface رہتا ہے۔

Preview میں کن آلات پر کام ہوا

ابتدائی مثالیں ایسے workflows پر مرکوز ہیں جن میں کئی specialized machines کو ترتیب وار یا متوازی چلانا پڑتا ہے۔ اعلان میں microscopes، liquid handlers اور robotic arms کے علاوہ معمول کے drug-discovery تجربات سے quantum computer کی laser calibration تک استعمال بیان کیے گئے ہیں۔ یہ مثالیں MHS کی ممکنہ وسعت دکھاتی ہیں، عام production readiness نہیں۔

Genentech کے proof of concept میں BCA protein assay کے لیے liquid handler، robotic arm اور microplate reader کو ایک workflow میں جوڑا گیا اور Claude نے مرکزی orchestration کی۔ University of Washington کے ایک تجربے میں robotic arm اور liquid handler کے درمیان plate handoff کو مربوط کیا گیا، جبکہ دوسرے preview partners robotics، microscopy، nucleic-acid purification اور liquid-handling platforms کے drivers یا integrations آزما رہے ہیں۔

ان demonstrations کی حیثیت محدود proof of concept کی ہے۔ پیچیدہ protocols کو قابلِ اعتماد بنانے کے لیے مزید optimization درکار ہوگی، اور مسلسل agent operation کی compute cost کو بچائے گئے انسانی وقت کے مقابل رکھنا ہوگا۔ پاکستان میں بھی interoperability کا تصور جامعات یا صنعتی automation کے لیے متعلق ہو سکتا ہے، لیکن Anthropic نے ملک میں access، مقامی support یا certification کا اعلان نہیں کیا۔

حفاظتی tags مکمل ضمانت نہیں

جسمانی آلات میں غلط command صرف data کو نہیں بلکہ مشین، نمونے یا قریب موجود انسان کو متاثر کر سکتی ہے۔ WIRED کی رپورٹنگ کے مطابق MHS کے قواعد یہ واضح کرنے کے لیے بنائے گئے ہیں کہ ایجنٹ مختلف hardware کے ساتھ کیا کر سکتا ہے اور کن افعال سے اسے روکا جانا چاہیے؛ عمومی دستیابی سے پہلے Anthropic شراکت داروں کے ساتھ حفاظتی کام جاری رکھنا چاہتی ہے۔

Tags مشین کا وزن، قابلِ اجازت movement یا دوسری operating limits ایجنٹ کو دے سکتے ہیں، لیکن model کی spatial اور physical reasoning کی کمزوری ختم نہیں کرتے۔ Genentech کے protein-sample تجربے میں انسانی ماہرین کو Claude کو سمجھانا پڑا کہ جھاگ کی وجہ سے پیدا ہونے والی خرابی software bug نہیں بلکہ جسمانی مسئلہ تھی جسے physical correction درکار تھی۔

اسی وجہ سے expert oversight، calibration، مشین کے اپنے interlocks اور محدود permissions بدستور ضروری ہیں۔ MHS ان حفاظتی نظاموں کا متبادل نہیں؛ اس کا کام مشین کی خصوصیات اور نافذ حدود کو ایک منظم interface کے ذریعے agent تک پہنچانا ہے۔

Open-source اجرا ابھی باقی ہے

موجودہ preview waitlist اور منتخب شراکت داروں تک محدود ہے۔ Anthropic سائنس، robotics، electronics اور manufacturing کے اداروں کے ساتھ drivers، failure modes، safety evaluations اور deployment practices آزمانا چاہتی ہے۔ یہ تیار consumer product یا ہر developer کے لیے فوری download نہیں ہے۔

کمپنی MHS کو بعد میں open source کرنے اور preview کی حفاظتی findings کے ساتھ deployment guidance جاری کرنے کا ارادہ رکھتی ہے، مگر حتمی تاریخ نہیں دی گئی۔ اگلا اہم مرحلہ public specification اور drivers کا اجرا، safety evaluations کے نتائج اور manufacturers کی production-level support ہوگی۔ تب تک MHS قابلِ پروگرام آلات پر AI agents کی حقیقی مگر محدود آزمائش ہے، مکمل خود مختار تجربہ گاہوں کی عام دستیابی نہیں۔