Los grandes modelos de lenguaje ahora realmente tienen "manos".
Este jueves, Anthropic anunció el lanzamiento de MCP para hardware: Model Hardware Standard (MHS), un nuevo estándar diseñado para ayudar a todos los agentes de IA impulsados por modelos grandes a manipular dispositivos físicos de manera segura y rápida.
Ahora, modelos grandes como Claude pueden operar hardware como microscopios, brazos robóticos, dispensadores de líquidos y láseres en el mundo físico, de manera similar a cómo usan MCP (Protocolo de Contexto del Modelo). Este avance es visto en la industria como un paso clave para que la IA pase del mundo digital al físico.
Quienes usen agentes probablemente hayan oído hablar de MCP. Es un estándar abierto lanzado por Anthropic en noviembre de 2024, diseñado para proporcionar una interfaz de comunicación bidireccional estandarizada y segura entre los grandes modelos de lenguaje (LLM) y fuentes de datos externas, archivos locales, herramientas de desarrollo y diversos servicios de aplicaciones.
El posicionamiento central de MCP es ser el "conector USB-C del campo de la IA", capaz de conectar modelos grandes con entornos de software como GitHub, Slack, sistemas de archivos locales y bases de datos. Con el desarrollo de la tecnología de IA en los últimos años, MCP se ha convertido en un estándar de facto indispensable en todo el ecosistema de agentes.
Ahora, la misma Anthropic espera, a través de MCP para hardware, llevar este conjunto de especificaciones de comunicación estandarizada a una nueva dimensión: hardware físico, sensores, sistemas integrados y equipos de prueba.
El desarrollo de MHS comenzó con la colaboración entre Anthropic y el campus de investigación Janelia del Instituto Médico Howard Hughes (HHMI), y ahora se ha abierto una versión de vista previa para investigación a los primeros laboratorios científicos y fabricantes avanzados.
Normalmente, un laboratorio o fábrica tarda semanas o incluso meses en configurar e integrar hardware. La mayoría de los dispositivos no pueden comunicarse directamente entre sí, por lo que se necesitan expertos para construir soluciones de integración personalizadas. MHS puede reducir este trabajo de integración a horas o incluso minutos. Además, al incorporar IA en estas herramientas, MHS ayuda a investigadores e ingenieros a coordinar más fácilmente experimentos y flujos de trabajo autónomos que funcionan las 24 horas. Los agentes pueden razonar cada paso de un experimento, actualizar parámetros en tiempo real y, en algunos casos, recuperarse de fallos del hardware sin intervención humana.
MHS es compatible con cualquier dispositivo que tenga una interfaz programable, y también es independiente del tipo de modelo base; cualquier framework de agentes puede usar protocolos estándar, como MCP, para acceder a él.
Incluso sin considerar la dificultad adicional de integrar IA en el sistema, lograr que múltiples dispositivos en un laboratorio o taller se comuniquen entre sí no es fácil. Cada dispositivo suele tener su propia interfaz de programación, y actualmente no existe un método estandarizado de integración. Y una vez conectados los dispositivos, tampoco hay una forma común para que compartan datos con un Agente, ni una forma para que un Agente opere estos dispositivos de manera segura.
Ahora, MHS aborda estos desafíos mediante la introducción de controladores estandarizados: un controlador es un software que actúa como traductor entre el sistema operativo de una computadora y un dispositivo de hardware. Los controladores MHS utilizan un conjunto simple de comandos básicos, como leer (por ejemplo, obtener temperatura), escribir (por ejemplo, establecer temperatura), que cualquier dispositivo de hardware puede entender y ejecutar. Permite que cada dispositivo sea descubierto en un formato estándar, para que dispositivos y agentes puedan encontrarse entre sí y comunicarse a través de la red, sin necesidad de usar un programa "traductor" personalizado entre ellos.
Los controladores MHS también ayudan a los agentes a entender y usar dispositivos nunca antes vistos, y les proporcionan información sobre las características de la máquina que el código por sí solo podría no captar (como el peso de un brazo robótico, crucial para operar con seguridad). Hasta ahora, esta información se almacenaba principalmente en manuales impresos, en las computadoras de los usuarios o como conocimiento tácito. Pero los controladores MHS incluyen etiquetas que permiten a los usuarios ingresar esta información directamente en lenguaje natural (los usuarios pueden ingresarla ellos mismos, o mediante un chat con un agente, donde la IA pregunta sobre su configuración de hardware).
Utilizando la información de estas etiquetas, el controlador MHS genera automáticamente un archivo de referencia que contiene información general sobre las características del dispositivo, como qué puede medir, qué puede ajustar y qué límites de seguridad aplicará. Este archivo proporciona al agente todo lo que necesita para operar el dispositivo.
Una vez conectados los dispositivos y que el programa del agente sabe cómo usar cada uno, se necesita un método para controlar este hardware. Para MHS hay tres mecanismos: MCP, interfaz de línea de comandos y archivos de código (API). Trabajan juntos para permitir a los usuarios coordinar múltiples dispositivos con una línea de código.
Una vez que un agente puede controlar dispositivos, puede recibir datos operativos de cada uno y supervisar y guiar el trabajo a un alto nivel. El agente puede secuenciar los pasos de operación de diferentes instrumentos, monitorear resultados y ajustar parámetros basándose en condiciones que cambian en tiempo real. Cuando el agente necesita ejecutar tareas de larga duración u operar dispositivos a una velocidad que excede su capacidad de razonamiento en línea, puede encadenar comandos del controlador de uno o más dispositivos en un archivo de código. Así, los dispositivos pueden ejecutar operaciones por sí mismos sin que el agente tenga que razonar en cada paso.
Al probar MHS, Anthropic descubrió que Claude interactúa con experimentos y hardware de una manera exploratoria, similar a un científico.
Anthropic observó a Claude ajustando un láser y observando los resultados a través de una cámara, evaluando cómo los ajustes movían el haz láser, y luego repitiendo el proceso, intentando entender la secuencia de eventos. Después, Claude empaquetó la información aprendida en un archivo de código, escribiendo un script determinista que le permitía calibrar el láser sin tener que razonar en cada paso, de modo que todo el proceso pudiera ejecutarse como un solo comando.
Durante el desarrollo de MHS, Anthropic compartió esta tecnología con varios laboratorios y fabricantes de hardware en áreas como biotecnología, robótica y computación cuántica. En estos proyectos tempranos, se puede ver cómo MHS reduce el tiempo de integración de dispositivos, aumenta la velocidad de iteración en diversos entornos experimentales y ayuda en la operación en tiempo real y la detección de fallas de las máquinas.
Los proveedores de hardware y sus compañías de software asociadas también están incorporando soporte MHS en sus dispositivos, para que los agentes puedan descubrirlos y operarlos. Por ejemplo:
Amazon Web Services (AWS) brinda soporte para MHS a través de Strands Robots. Esta es una biblioteca para conectar agentes de IA a dispositivos físicos. Durante la vista previa de investigación de MHS, AWS ofrecerá a los participantes una versión de lanzamiento previo privada del paquete de software Strands Robots.
Automata está agregando soporte MHS a su plataforma de automatización de laboratorio LINQ, para un manejo inteligente de errores en instrumentos dentro de laboratorios autónomos.
Danaher está explorando activamente cómo las funciones compatibles con MHS pueden permitir que sus instrumentos inteligentes y laboratorios autónomos amplíen la escala de la investigación y el desarrollo biomédico.
Doosan Robotics está probando MHS con sus brazos robóticos, incluyendo la ejecución de garantía de calidad automatizada y la coordinación de tareas entre múltiples robots.
MBF Bioscience está desarrollando un controlador MHS para ScanImage, el software que opera microscopios de escaneo láser en cientos de laboratorios de neurociencia en todo el mundo, con el objetivo de integrar agentes de IA en el análisis de datos en tiempo real y experimentos.
QIAGEN está experimentando con MHS a través de una prueba de concepto en su plataforma de purificación de ácidos nucleicos QIAsymphony Connect, para demostrar cómo los agentes de IA pueden ayudar a los laboratorios a diagnosticar fallos en instrumentos más rápido, guiar al personal en la recuperación, aumentar el tiempo de actividad de los instrumentos y, al mismo tiempo, reducir el riesgo para las muestras biológicas.
Tecan está agregando soporte MHS a su plataforma de dispensación de líquidos Fluent, para que los agentes de IA puedan descubrir y operar estas plataformas directamente.
Universal Robots ha obtenido acceso anticipado a MHS y planea agregar soporte para MHS en su plataforma de robots.
Antes de abrirlo al código abierto, Anthropic espera perfeccionar más este estándar.
Como un gran modelo de lenguaje, Claude aprende sobre el mundo físico a través de texto e imágenes, lo que significa que sus capacidades de razonamiento espacial y físico tienen limitaciones, y aún requiere supervisión experta. Por ejemplo, al procesar muestras de proteínas, investigadores de Genentech tuvieron que guiar a Claude para que identificara que un error causado por burbujas en la muestra era una falla física, no un error de software, que solo podía resolverse con una corrección física correspondiente.
MHS actualmente no es compatible con hardware que carece de interfaz programable, por lo que Anthropic está colaborando con fabricantes de tales dispositivos para integrar controladores MHS en el hardware. Muchos desarrolladores ya están usando Claude Code para operar dispositivos físicos individuales. En la siguiente fase de MHS, Anthropic espera extender el estándar para cubrir más de los dispositivos que usan los desarrolladores.
Los primeros adoptantes incluyen Hugging Face (que está agregando soporte MHS a su biblioteca de robótica LeRobot) y Raspberry Pi (que, después de probar con éxito su controlador MHS para cámaras, está habilitando la integración MHS en varios de sus productos).
Contenido de referencia:
https://www.anthropic.com/news/model-hardware-standard-research-preview
Este artículo proviene del WeChat público "机器之心" (ID:almosthuman2014), autor: 关注Agent的机器之心
