Anthropic 发布硬件版 MCP「MHS」：让 Claude 操控真实设备

Anthropic 近日正式推出 Model Hardware Standard（MHS），一项面向物理硬件的开放标准协议。它将 Anthropic 在 2024 年 11 月发布的模型上下文协议（MCP）从数字世界拓展到物理设备，使 Claude 等大模型驱动的 AI 智能体能够直接操控显微镜、机械臂、液体处理器、激光器等实验室与制造设备，被业界视为 AI 走向物理世界的关键一步。

MHS 是什么：硬件领域的「USB-C 接口」

MCP 在过去一年中已演变为智能体生态的事实标准，其核心定位是「AI 领域的 USB-C 接口」，打通了大模型与 GitHub、Slack、本地文件系统、数据库等软件环境之间的标准化通信。MHS 沿袭这一思路，将同样的标准化能力扩展到物理硬件、传感器、嵌入式系统与测试设备上。

MHS 的开发始于 Anthropic 与霍华德·休斯医学研究所（HHMI）Janelia 研究园区的合作，目前已面向首批科研实验室和先进制造商开放研究预览版。Anthropic 表示，过去实验室或工厂集成硬件动辄需要数周到数月，MHS 可将该过程压缩至数小时甚至数分钟。

工作原理：标准化驱动 + 三种控制机制

MHS 的核心是引入标准化驱动程序，在操作系统与硬件之间充当「翻译」。驱动程序使用一组基本命令（如读取温度、设置温度），任何可编程设备都能理解并执行，从而使设备以标准格式被发现，跨网络被智能体识别和调用。

• 驱动程序附带可由用户用自然语言填写的标签，记录重量、安全限制等代码无法直接获取的机器特性，并自动生成设备参考文件，供智能体操作时调用。
• 控制层面提供三种协同机制：MCP、命令行界面（CLI）以及代码文件（API），用户可通过一行代码同时协调多个设备。
• 智能体可串联设备命令到代码文件中，让设备按确定性脚本自主执行长时间任务，无需逐步推理。

Claude 的表现：科学家式的探索性交互

在测试中，Anthropic 观察到 Claude 与硬件的交互方式如同科研人员：调整激光器后通过摄像头观察结果、评估激光束偏移、重复迭代以理解事件顺序，最终将学习成果打包为确定性脚本，实现「一键校准」。这意味着智能体不仅能执行操作，还能自主推理实验步骤、实时更新参数，甚至在某些场景下从硬件故障中恢复。

早期生态：多家头部企业已加入

MHS 在开发阶段已与生物技术、机器人、量子计算等领域的实验室和硬件制造商共享，主要早期采用者包括：

• AWS：通过 Strands Robots 库支持 MHS，为参与者提供私有预发布版本。
• Danaher：探索 MHS 在其智能仪器和自主实验室中的应用。
• Doosan Robotics：使用机械臂测试 MHS，覆盖自动化质量保证与多机器人协同。
• Universal Robots：提前获得 MHS 使用权，计划在机器人平台中集成。
• Automata：为实验室自动化平台 LINQ 添加 MHS 智能错误处理。
• MBF Bioscience：为 ScanImage 激光扫描显微镜软件开发 MHS 驱动。
• QIAGEN：在 QIAsymphony Connect 核酸纯化平台上做概念验证。
• Tecan：为其 Fluent 液体处理平台添加 MHS 支持。
• Hugging Face：在其机器人库 LeRobot 中添加 MHS 支持。
• Raspberry Pi：在多款产品中启用 MHS 集成。

局限与下一步

Anthropic 也坦承当前限制：MHS 尚无法兼容缺少编程接口的硬件，团队正与相关制造商合作集成；Claude 通过文本和图像学习物理世界，空间与物理推理能力仍有局限，在蛋白质样本等场景中仍需专家监督（如区分物理起泡与软件错误）。下一步，Anthropic 将扩展 MHS 覆盖范围，并推动更多设备原生支持该标准。