Model bahasa besar, sekarang benar-benar telah memiliki "tangan".
Kamis ini, Anthropic mengumumkan peluncuran MCP untuk perangkat keras: Model Hardware Standard (MHS), sebuah standar baru yang dirancang untuk membantu semua agen AI berbasis model bahasa besar (Agent) mengoperasikan perangkat fisik dengan aman dan cepat.
Sekarang, model besar seperti Claude dapat mengoperasikan mikroskop, lengan robot, alat pemproses cairan, laser, dan perangkat keras lainnya di dunia fisik seperti menggunakan MCP (Model Context Protocol). Kemajuan ini dipandang sebagai langkah kunci bagi AI untuk melangkah dari dunia digital ke dunia fisik.
Pengguna agen cerdas mungkin pernah mendengar tentang MCP. Ini adalah protokol standar terbuka yang diluncurkan Anthropic pada November 2024, bertujuan menyediakan antarmuka komunikasi dua arah yang terstandarisasi dan aman antara model bahasa besar (LLM) dengan sumber data eksternal, file lokal, alat pengembangan, dan berbagai layanan aplikasi.
Posisi inti MCP adalah sebagai "Antarmuka USB-C untuk bidang AI", mampu menghubungkan model besar dengan lingkungan perangkat lunak seperti GitHub, Slack, sistem file lokal, basis data, dll. Seiring perkembangan teknologi AI belakangan ini, MCP telah berevolusi menjadi standar de facto yang sangat penting dalam ekosistem agen cerdas.
Sekarang, Anthropic juga berharap melalui MCP untuk perangkat keras, untuk meningkatkan set standar komunikasi ini ke dimensi perangkat keras fisik, sensor, sistem tertanam, dan peralatan pengujian.
Pengembangan MHS dimulai dari kolaborasi antara perusahaan Anthropic dan Kampus Penelitian Janelia Howard Hughes Medical Institute (HHMI), dan kini telah membuka versi pratinjau penelitian untuk laboratorium riset dan produsen canggih pertama.
Biasanya, laboratorium atau pabrik manufaktur membutuhkan waktu berminggu-minggu bahkan berbulan-bulan untuk menyiapkan dan mengintegrasikan perangkat keras. Sebagian besar perangkat tidak dapat berkomunikasi langsung satu sama lain, sehingga memerlukan ahli untuk membangun solusi integrasi yang disesuaikan. MHS dapat mempersingkat pekerjaan integrasi ini menjadi hitungan jam bahkan menit. Selain itu, dengan memasukkan AI ke dalam alat-alat ini, MHS juga membantu peneliti dan insinyur lebih mudah mengoordinasikan eksperimen dan alur kerja yang berjalan otonom, 24/7. Agen cerdas dapat menalar setiap langkah dalam eksperimen, memperbarui parameter secara real-time, dan dalam beberapa kasus, pulih dari kegagalan perangkat keras tanpa intervensi manusia.
MHS dapat bekerja dengan perangkat apa pun yang memiliki antarmuka yang dapat diprogram. MHS juga tidak bergantung pada jenis model dasar apa pun, kerangka agen mana pun dapat menggunakan protokol standar, misalnya MCP, untuk mengaksesnya.
Bahkan tanpa mempertimbangkan kesulitan tambahan dalam mengintegrasikan AI ke dalam sistem, membuat beberapa perangkat di laboratorium atau lantai pabrik saling berkomunikasi bukanlah hal yang mudah. Setiap perangkat biasanya memiliki antarmuka pemrogramannya sendiri, dan saat ini belum ada metode integrasi yang terstandarisasi. Dan setelah perangkat terhubung, juga tidak ada metode umum untuk membagikan data mereka dengan Agent, apalagi metode untuk membiarkan Agent mengoperasikan perangkat-perangkat ini dengan aman.
Sekarang, MHS menangani tantangan-tantangan ini dengan memperkenalkan driver terstandarisasi: driver ini adalah perangkat lunak yang menerjemahkan antara sistem operasi komputer dan perangkat keras. Driver MHS menggunakan serangkaian perintah dasar yang sederhana, seperti membaca (misalnya, mengambil suhu), menulis (misalnya, mengatur suhu), dll., yang dapat dipahami dan dieksekusi oleh perangkat keras apa pun. Hal ini memungkinkan setiap perangkat dapat ditemukan dalam format standar, sehingga perangkat dan agen cerdas dapat saling menemukan dan berkomunikasi melintasi jaringan, tanpa perlu menggunakan program "penerjemah" kustom di antara keduanya.
Driver MHS juga membantu agen cerdas memahami dan menggunakan perangkat yang belum pernah dilihat sebelumnya, serta menyediakan informasi karakteristik mesin yang mungkin tidak dapat diperoleh hanya dari kode (misalnya, berat lengan robot, yang sangat penting untuk operasi yang aman). Sejauh ini, informasi ini sebagian besar disimpan di manual kertas, komputer pengguna, atau sebagai pengetahuan implisit. Tetapi driver MHS menyertakan label yang memungkinkan pengguna memasukkan informasi ini langsung dalam bahasa alami (pengguna dapat memasukkannya sendiri, atau dengan mengobrol dengan agen cerdas, di mana AI akan bertanya tentang pengaturan perangkat keras mereka).
Dengan memanfaatkan informasi dari label-label ini, driver MHS secara otomatis menghasilkan file referensi yang berisi informasi karakteristik umum perangkat, seperti apa yang dapat diukur, apa yang dapat disesuaikan, dan batasan keamanan apa yang akan diberlakukan. File ini memberi agen cerdas semua informasi yang diperlukan untuk mengoperasikan perangkat.
Setelah perangkat terhubung dan program agen cerdas memahami cara menggunakan setiap perangkat, masih diperlukan metode untuk mengontrol perangkat keras ini. Bagi MHS, ada tiga mekanisme seperti itu: MCP, antarmuka baris perintah, dan file kode (API). Mereka bekerja sama, memungkinkan pengguna mengoordinasikan beberapa perangkat dengan satu baris kode.
Begitu agen cerdas dapat mengendalikan perangkat, ia dapat menerima data operasi dari setiap perangkat, serta mengawasi dan mengarahkan pekerjaan di tingkat tinggi. Agen cerdas dapat mengurutkan langkah-langkah operasi dari instrumen yang berbeda, memantau hasilnya, dan menyesuaikan parameter berdasarkan situasi yang berubah secara real-time. Ketika agen cerdas perlu menjalankan tugas yang berjalan lama atau mengoperasikan perangkat dengan kecepatan yang melebihi kemampuannya dalam penalaran online, ia dapat merangkai perintah driver dari satu atau beberapa perangkat ke dalam file kode. Dengan cara ini, perangkat dapat menjalankan operasi sendiri, tanpa memerlukan agen cerdas untuk melakukan penalaran pada setiap langkah.
Dalam pengujian MHS, Anthropic menemukan bahwa cara Claude berinteraksi dengan eksperimen dan perangkat keras penuh eksplorasi, layaknya seorang ilmuwan.
Anthropic mengamati Claude menyesuaikan laser, mengamati hasilnya melalui kamera, mengevaluasi bagaimana penyesuaian menggerakkan berkas laser, kemudian mengulangi proses ini, berusaha memahami urutan kejadian. Setelah itu, Claude mengemas informasi yang dipelajari ke dalam file kode, menulis skrip deterministik yang memungkinkannya mengkalibrasi laser tanpa perlu melakukan penalaran pada setiap langkah, sehingga seluruh proses dapat dijalankan sebagai perintah tunggal.
Dalam proses pengembangan MHS, Anthropic membagikan teknologi ini dengan beberapa laboratorium dan produsen perangkat keras di bidang bioteknologi, robotika, komputasi kuantum, dll. Dalam proyek-proyek awal ini, kita dapat melihat MHS memperpendek waktu integrasi perangkat, meningkatkan kecepatan iterasi dalam berbagai lingkungan eksperimen, serta membantu operasi mesin secara real-time dan deteksi kesalahan.
Penyedia perangkat keras dan perusahaan perangkat lunak pendampingnya juga telah membangun dukungan MHS ke dalam perangkat mereka, sehingga agen cerdas dapat menemukan dan mengoperasikan perangkat. Contohnya:
Amazon Web Services (AWS) mendukung MHS melalui Strands Robots. Ini adalah pustaka untuk menghubungkan agen AI ke perangkat fisik. Selama pratinjau penelitian MHS, AWS akan menyediakan versi pra-rilis privat dari paket perangkat lunak Strands Robots kepada peserta.
Automata sedang menambahkan dukungan MHS ke platform otomatisasi laboratorium LINQ-nya, untuk penanganan kesalahan cerdas pada instrumen di laboratorium otonom.
Danaher secara aktif mengeksplorasi bagaimana kemampuan yang didukung MHS dapat memperluas skala penelitian dan pengembangan biomedis pada instrumen cerdas dan laboratorium otonom mereka.
Doosan Robotics sedang menguji MHS dengan lengan robotnya, termasuk melakukan penjaminan kualitas otomatis dan mengoordinasikan tugas antara beberapa robot.
MBF Bioscience sedang mengembangkan driver MHS untuk ScanImage, perangkat lunak yang menjalankan mikroskop pemindaian laser di ratusan laboratorium neurosains global, dengan tujuan mengintegrasikan agen AI ke dalam analisis data dan eksperimen real-time.
QIAGEN sedang bereksperimen dengan MHS melalui proof-of-concept pada platform pemurnian asam nukleatnya, QIAsymphony Connect, untuk menunjukkan bagaimana agen AI dapat membantu laboratorium lebih cepat mendiagnosis kesalahan instrumen, memandu operator untuk pemulihan, meningkatkan waktu aktif instrumen, sekaligus mengurangi risiko pada sampel biologis.
Tecan sedang menambahkan dukungan MHS ke platform penanganan cairannya, Fluent, agar agen AI dapat langsung menemukan dan mengoperasikan platform ini.
Universal Robots telah mendapatkan akses awal ke MHS dan berencana menambahkan dukungan untuk MHS di platform robotnya.
Sebelum sumber terbuka, Anthropic juga berharap untuk lebih menyempurnakan standar ini.
Sebagai model bahasa besar, Claude belajar tentang dunia fisik melalui teks dan gambar, yang berarti kemampuannya dalam penalaran spasial dan fisik memiliki keterbatasan, dan masih memerlukan pengawasan ahli. Misalnya, saat menangani sampel protein, peneliti Genentech harus membimbing Claude untuk mengidentifikasi bahwa kesalahan yang disebabkan oleh gelembung sampel adalah kegagalan fisik, bukan kesalahan perangkat lunak, dan hanya dapat diatasi dengan koreksi fisik yang sesuai.
MHS saat ini juga belum kompatibel dengan perangkat keras yang tidak memiliki antarmuka pemrograman, sehingga Anthropic sedang bekerja sama dengan produsen perangkat semacam itu untuk mengintegrasikan driver MHS ke dalam perangkat keras. Banyak pengembang sudah menggunakan Claude Code untuk mengoperasikan perangkat fisik tunggal. Pada tahap selanjutnya MHS, Anthropic berharap memperluas standar ini agar dapat mencakup lebih banyak perangkat yang digunakan pengembang.
Pengguna awal termasuk Hugging Face (mereka sedang menambahkan dukungan MHS ke pustaka robotika mereka, LeRobot) dan Raspberry Pi (setelah berhasil menguji driver Kamera MHS mereka, mereka sedang mengaktifkan integrasi MHS di beberapa produk mereka).
Referensi:
https://www.anthropic.com/news/model-hardware-standard-research-preview
Artikel ini berasal dari akun WeChat publik "机器之心" (ID:almosthuman2014), penulis: 关注Agent的机器之心
