Большие языковые модели теперь действительно обрели руки.
В этот четверг Anthropic объявила о выпуске MCP для аппаратного обеспечения: Model Hardware Standard (MHS) – нового стандарта, предназначенного для помощи всем AI-агентам, управляемым большими моделями, в безопасном и быстром управлении физическими устройствами.
Теперь большие языковые модели, такие как Claude, могут управлять микроскопами, роботизированными манипуляторами, жидкостными дозаторами, лазерами и другим оборудованием в физическом мире, используя MCP (протокол контекста модели). Этот прогресс в индустрии рассматривается как ключевой шаг перехода ИИ из цифрового мира в физический.
Те, кто работал с агентами, наверняка слышали о MCP – это открытый стандартный протокол, представленный Anthropic в ноябре 2024 года. Он предназначен для обеспечения стандартизированного и безопасного двустороннего интерфейса связи между большими языковыми моделями (LLM) и внешними источниками данных, локальными файлами, инструментами разработки и различными прикладными сервисами.
Основная позиция MCP – «интерфейс USB-C для мира ИИ», способный объединить большие модели с программными средами, такими как GitHub, Slack, локальные файловые системы, базы данных. С развитием технологий ИИ в последние годы MCP превратился в фактический стандарт, незаменимый для всей экосистемы агентов.
Теперь Anthropic надеется с помощью MCP для аппаратного обеспечения расширить этот стандарт на физическое оборудование, датчики, встраиваемые системы и измерительные приборы.
Разработка MHS началась в результате сотрудничества компании Anthropic и исследовательского кампуса Janelia Медицинского института Говарда Хьюза (HHMI). Сейчас исследовательская предварительная версия открыта для первых научных лабораторий и передовых производителей.
Обычно лабораториям или производственным предприятиям требуются недели или даже месяцы на установку и интеграцию оборудования. Большинство устройств не могут общаться напрямую, поэтому требуются эксперты для создания индивидуальных решений интеграции. MHS может сократить эту работу по интеграции до часов или даже минут. Более того, интегрируя ИИ в эти инструменты, MHS также помогает исследователям и инженерам легче координировать автономные, круглосуточные эксперименты и рабочие процессы. Агенты могут анализировать каждый этап эксперимента, обновлять параметры в реальном времени и в некоторых случаях восстанавливаться после сбоев оборудования без вмешательства человека.
MHS может работать с любым устройством, имеющим программируемый интерфейс, и не зависит от типа базовой модели – любой фреймворк агентов может использовать стандартные протоколы, такие как MCP, для доступа к нему.
Даже без учета дополнительной сложности интеграции ИИ, заставить несколько устройств в лаборатории или цехе общаться друг с другом – непростая задача. Каждое устройство обычно имеет свой собственный программный интерфейс, и в настоящее время нет стандартизированного метода интеграции. А после подключения устройств нет универсального способа заставить их делиться данными с агентом, и уж тем более безопасно позволять агенту управлять ими.
Теперь MHS решает эти проблемы, вводя стандартизированные драйверы: драйвер – это программное обеспечение, которое преобразует информацию между операционной системой компьютера и аппаратным устройством. Драйвер MHS использует набор простых базовых команд, таких как чтение (например, получение температуры), запись (например, установка температуры), которые могут понимать и выполнять любые аппаратные устройства. Он позволяет каждому устройству быть обнаруженным в стандартном формате, что позволяет устройствам и агентам обнаруживать друг друга и общаться по сети без необходимости использовать пользовательские программы-«переводчики» между ними.
Драйверы MHS также помогают агентам понимать и использовать ранее невиданные устройства, предоставляя им информацию о характеристиках машин, которую трудно получить только из кода (например, вес роботизированного манипулятора, что критически важно для безопасной работы). До сих пор такая информация в основном хранилась в бумажных руководствах, на компьютерах пользователей или в виде неявных знаний. Но драйверы MHS включают метки, позволяющие пользователям напрямую вводить эту информацию естественным языком (пользователи могут вводить её сами или в ходе общения с агентом, когда ИИ задает вопросы о настройке оборудования).
Используя информацию из этих меток, драйвер MHS автоматически генерирует справочный файл, содержащий общую информацию о характеристиках устройства: что оно может измерять, какие параметры можно настраивать и какие ограничения безопасности будут применяться. Этот файл предоставляет агенту всю необходимую информацию для работы с устройством.
После подключения устройств и того, как программа агента поймет, как использовать каждое из них, необходим метод управления этим оборудованием. Для MHS существуют три таких механизма: MCP, интерфейс командной строки и файлы кода (API). Они работают совместно, позволяя пользователю координировать несколько устройств одной строкой кода.
Как только агент получает возможность управлять устройствами, он может получать рабочие данные от каждого из них и осуществлять надзор и руководство на высоком уровне. Агент может упорядочивать шаги операций на разных приборах, контролировать результаты и корректировать параметры на основе меняющейся в реальном времени ситуации. Когда агенту нужно выполнить длительную задачу или управлять устройствами со скоростью, превышающей его возможности онлайн-рассуждений, он может объединять команды драйверов от одного или нескольких устройств в файлы кода. Таким образом, устройства могут выполнять операции самостоятельно, без необходимости агенту рассуждать на каждом шаге.
В процессе тестирования MHS Anthropic обнаружила, что Claude взаимодействует с экспериментами и оборудованием, как ученый, проявляя исследовательский подход.
Anthropic наблюдала, как Claude настраивал лазер и через камеру наблюдал за результатом, оценивал, как настройка перемещает лазерный луч, а затем повторял процесс, пытаясь понять последовательность событий. После этого Claude упаковал полученную информацию в файл кода, написав детерминированный скрипт, позволяющий откалибровать лазер без необходимости рассуждать на каждом шаге, чтобы весь процесс можно было запустить одной командой.
В процессе разработки MHS Anthropic поделилась этой технологией с несколькими лабораториями и производителями оборудования в таких областях, как биотехнологии, робототехника, квантовые вычисления. В этих ранних проектах можно увидеть, как MHS сокращает время интеграции устройств, повышает скорость итераций в различных экспериментальных средах и способствует реальному времени работы машин и обнаружению неисправностей.
Поставщики оборудования и их компании-разработчики сопутствующего ПО также встраивают поддержку MHS в устройства, чтобы агенты могли обнаруживать и управлять ими. Например:
AWS (Amazon Web Services) предоставляет поддержку MHS через Strands Robots. Это библиотека для подключения ИИ-агентов к физическим устройствам. В период исследовательского предпросмотра MHS AWS предоставит участникам приватную предрелизную версию пакета ПО Strands Robots.
Automata добавляет поддержку MHS в свою платформу автоматизации лабораторий LINQ для интеллектуальной обработки ошибок приборов в автономных лабораториях.
Danaher активно исследует возможности поддержки MHS, чтобы их интеллектуальные приборы и автономные лаборатории могли масштабировать биомедицинские исследования и разработки.
Doosan Robotics тестирует MHS на своих роботизированных манипуляторах, включая выполнение автоматизированного контроля качества и координацию задач между несколькими роботами.
MBF Bioscience разрабатывает драйвер MHS для ScanImage – программного обеспечения, управляющего лазерными сканирующими микроскопами в сотнях нейробиологических лабораторий по всему миру, с целью интеграции ИИ-агентов в анализ данных в реальном времени и эксперименты.
QIAGEN экспериментирует с MHS через рабочий прототип на своей платформе очистки нуклеиновых кислот QIAsymphony Connect, чтобы продемонстрировать, как ИИ-агенты могут помочь лабораториям быстрее устранять неисправности приборов, инструктировать операторов по восстановлению, повышать время безотказной работы оборудования, одновременно снижая риски для биологических образцов.
Tecan добавляет поддержку MHS для своей платформы жидкостной обработки Fluent, чтобы ИИ-агенты могли напрямую обнаруживать и управлять этими платформами.
Universal Robots получили ранний доступ к MHS и планируют добавить поддержку MHS на свои роботизированные платформы.
До открытого релиза Anthropic также хочет доработать этот стандарт.
Как большая языковая модель, Claude познает физический мир через текст и изображения, что означает наличие ограничений в его пространственном и физическом мышлении, и по-прежнему требуется надзор экспертов. Например, при работе с белковыми образцами исследователям из Genentech пришлось направлять Claude, чтобы он распознал, что ошибка, вызванная пузырьками в образце, – это физический сбой, а не программная ошибка, и её можно устранить только соответствующими физическими корректировками.
В настоящее время MHS ещё несовместим с оборудованием, не имеющим программируемого интерфейса, поэтому Anthropic сотрудничает с производителями таких устройств, чтобы интегрировать драйверы MHS непосредственно в аппаратное обеспечение. Многие разработчики уже используют Claude Code для управления отдельными физическими устройствами. На следующем этапе развития MHS Anthropic надеется расширить стандарт, чтобы охватить больше устройств, используемых разработчиками.
Среди ранних пользователей – Hugging Face (они добавляют поддержку MHS в свою библиотеку для робототехники LeRobot) и Raspberry Pi (после успешного тестирования своего драйвера MHS для камеры они включают интеграцию MHS в несколько своих продуктов).
Ссылки:
https://www.anthropic.com/news/model-hardware-standard-research-preview
Эта статья взята с официального аккаунта WeChat «Машинный разум» (ID: almosthuman2014), автор: «Машинный разум», фокусирующийся на агентах
