Gerade hat Anthropic das physische MCP veröffentlicht: Claude beginnt, die reale Welt zu übernehmen

Große Sprachmodelle haben nun buchstäblich physische Hände entwickelt.

Diesen Donnerstag kündigte Anthropic die Einführung von MCP für Hardware an: Model Hardware Standard (MHS), ein neuer Standard, der alle KI-Agenten, die von großen Modellen angetrieben werden, dabei unterstützt, physische Geräte sicher und schnell zu steuern.

Heute können große Modelle wie Claude mit MCP (Model Context Protocol) im physischen Weltraum Mikroskope, Roboterarme, Flüssigkeitsprozessoren, Laser und andere Hardware bedienen. Diese Entwicklung wird in der Branche als ein entscheidender Schritt für KI angesehen, um aus der digitalen Welt in die physische Welt vorzudringen.

Personen, die Agenten nutzen, haben wahrscheinlich schon von MCP gehört: Es ist ein offenes Standardprotokoll, das Anthropic im November 2024 eingeführt hat, um eine standardisierte, sichere bidirektionale Schnittstelle für die Kommunikation zwischen großen Sprachmodellen (LLMs) und externen Datenquellen, lokalen Dateien, Entwicklungstools sowie verschiedenen Anwendungsdiensten bereitzustellen.

Die Kernpositionierung von MCP ist die „USB-C-Schnittstelle im KI-Bereich“, die die Konnektivität zwischen großen Modellen und Softwareumgebungen wie GitHub, Slack, lokalen Dateisystemen und Datenbanken herstellt. Mit der Entwicklung der KI-Technologie in den letzten Jahren hat sich MCP zu einem unverzichtbaren De-facto-Standard im gesamten Agenten-Ökosystem entwickelt.

Nun möchte Anthropic mit MCP für Hardware diesen standardisierten Kommunikationsstandard auf physische Hardware, Sensoren, eingebettete Systeme und Testgeräte ausweiten.

Die Entwicklung von MHS begann in einer Zusammenarbeit zwischen Anthropic und dem Janelia Research Campus der Howard Hughes Medical Institute (HHMI). Heute steht die Forschungsvorschauversion ersten Forschungslabors und fortschrittlichen Herstellern zur Verfügung.

Normalerweise benötigen Labore oder Fertigungsanlagen Wochen oder sogar Monate, um Hardware aufzubauen und zu integrieren. Die meisten Geräte können nicht direkt miteinander kommunizieren, sodass Experten kundenspezifische Integrationslösungen entwickeln müssen. MHS kann diese Integrationsarbeit auf wenige Stunden oder sogar Minuten verkürzen. Darüber hinaus hilft MHS Forschern und Ingenieuren durch die Integration von KI in diese Tools, autonome, rund um die Uhr laufende Experimente und Arbeitsabläufe einfacher zu koordinieren. Agenten können jeden Schritt im Experiment nachvollziehen, Parameter in Echtzeit aktualisieren und in einigen Fällen sich von Hardwarefehlern ohne menschliches Eingreifen erholen.

MHS kann mit jedem Gerät mit programmierbarer Schnittstelle verwendet werden, es ist unabhängig von der Art des zugrunde liegenden Modells. Jedes Agenten-Framework kann auf es über Standardprotokolle wie MCP zugreifen.

Selbst ohne die zusätzliche Schwierigkeit der Integration von KI in das System ist es nicht einfach, mehrere Geräte in einem Labor oder auf einer Fabrikhalle miteinander kommunizieren zu lassen. Jedes Gerät verfügt normalerweise über eine eigene Programmierschnittstelle, und derzeit gibt es keine standardisierte Integrationsmethode. Außerdem gibt es nach der Verbindung der Geräte keine allgemeine Methode, damit sie Daten mit Agenten teilen, geschweige denn, dass Agenten diese Geräte sicher steuern können.

Jetzt begegnet MHS diesen Herausforderungen durch die Einführung standardisierter Treiber: Software, die zwischen dem Betriebssystem des Computers und den Hardwaregeräten übersetzt. MHS-Treiber verwenden einen Satz einfacher grundlegender Befehle wie Lesen (z. B. Abrufen der Temperatur) und Schreiben (z. B. Einstellen der Temperatur), die jedes Hardwaregerät verstehen und ausführen kann. Es ermöglicht, dass jedes Gerät in einem Standardformat erkannt wird, sodass Geräte und Agenten sich gegenseitig entdecken und über Netzwerke kommunizieren können, ohne dass zwischen ihnen kundenspezifische Übersetzungsprogramme erforderlich sind.

MHS-Treiber helfen Agenten auch, unbekannte Geräte zu verstehen und zu nutzen, und stellen ihnen Informationen über Geräteeigenschaften zur Verfügung, die durch Code allein möglicherweise nicht zugänglich sind (z. B. das Gewicht eines Roboterarms, das für den sicheren Betrieb entscheidend ist). Bisher wurden diese Informationen meist in gedruckten Handbüchern, auf Benutzercomputern oder als implizites Wissen gespeichert. Aber MHS-Treiber enthalten Tags, die es Benutzern ermöglichen, diese Informationen direkt in natürlicher Sprache einzugeben (Benutzer können sie selbst eingeben oder mit Agenten chatten, sodass die KI nach ihrer Hardware-Einrichtung fragt).

Mit den Informationen in diesen Tags generieren MHS-Treiber automatisch eine Referenzdatei mit allgemeinen Eigenschaften des Geräts, z. B. was es messen kann, was es anpassen kann und welche Sicherheitsbeschränkungen durchgesetzt werden. Diese Datei stellt dem Agenten alle Informationen zur Verfügung, die er für die Bedienung des Geräts benötigt.

Nachdem die Geräte verbunden sind und das Agentenprogramm weiß, wie jedes Gerät zu bedienen ist, wird eine Methode zur Steuerung dieser Hardware benötigt. Für MHS gibt es drei solche Mechanismen: MCP, Befehlszeilenschnittstelle und Codedateien (API). Sie arbeiten zusammen, damit Benutzer mehrere Geräte mit einer einzigen Codezeile koordinieren können.

Sobald der Agent die Geräte steuern kann, kann er Betriebsdaten von jedem Gerät empfangen und die Arbeit auf hoher Ebene überwachen und lenken. Agenten können die Betriebsschritte verschiedener Instrumente ordnen, Ergebnisse überwachen und Parameter an die sich in Echtzeit ändernden Bedingungen anpassen. Wenn der Agent Aufgaben mit langer Laufzeit ausführen oder Geräte mit einer Geschwindigkeit bedienen muss, die seine Online-Inferenzfähigkeiten übersteigt, kann er Treiberbefehle von einem oder mehreren Geräten zu Codedateien verketten. Auf diese Weise können Geräte Operationen selbst ausführen, ohne dass der Agent bei jedem Schritt nachvollziehen muss.

Während des Testens von MHS stellte Anthropic fest, dass Claude mit Experimenten und Hardware auf eine so explorative Weise interagiert wie ein Wissenschaftler.

Anthropic beobachtete, dass Claude Laser anpasste, die Ergebnisse über eine Kamera beobachtete, bewertete, wie die Anpassung den Laserstrahl bewegte, und dann den Prozess wiederholte, um die Reihenfolge der Ereignisse zu verstehen. Danach packte Claude die erlernten Informationen in eine Codedatei und erstellte ein deterministisches Skript, das es ihm ermöglichte, den Laser ohne nachvollziehen bei jedem Schritt zu kalibrieren, sodass der gesamte Prozess als einzelner Befehl ausgeführt werden kann.

Während der Entwicklung von MHS hat Anthropic diese Technologie mit mehreren Labors und Hardwareherstellern in Bereichen wie Biotechnologie, Robotik und Quantencomputing geteilt. In diesen frühen Projekten zeigt sich, dass MHS die Geräteintegrationszeit verkürzt, die Iterationsgeschwindigkeit in verschiedenen Experimentierumgebungen erhöht und zum Echtzeitbetrieb und zur Fehlererkennung von Geräten beiträgt.

Hardwareanbieter und ihre zugehörigen Softwareunternehmen haben MHS-Unterstützung auch in ihre Geräte integriert, damit Agenten die Geräte entdecken und steuern können. Zum Beispiel:

Amazon Web Services (AWS) unterstützt MHS über Strands Robots, eine Bibliothek zum Verbinden von KI-Agenten mit physischen Geräten. Während der MHS-Forschungsvorschau wird AWS den Teilnehmern eine private Vorabversion des Strands Robots-Softwarepakets zur Verfügung stellen.

Automata fügt seiner Laborautomatisierungsplattform LINQ MHS-Unterstützung hinzu, um eine intelligente Fehlerbehandlung für Instrumente in autonomen Laboren zu realisieren.

Danaher erforscht aktiv, wie MHS-gestützte Funktionen seine intelligenten Instrumente und autonomen Labore dabei unterstützen können, die biomedizinische Forschung und Entwicklung zu skalieren.

Doosan Robotics testet MHS mit seinen Roboterarmen, einschließlich der Durchführung automatisierter Qualitätssicherung und der Koordination von Aufgaben zwischen mehreren Robotern.

MBF Bioscience entwickelt MHS-Treiber für ScanImage, die Software zur Steuerung von Laserscanning-Mikroskopen in Hunderten von neurowissenschaftlichen Laboren weltweit, um KI-Agenten in Echtzeit-Datenanalysen und Experimenten zu integrieren.

QIAGEN erprobt MHS in einem Proof-of-Concept auf seiner Nukleinsäureaufreinigungsplattform QIAsymphony Connect, um zu zeigen, wie KI-Agenten Labore dabei unterstützen können, Instrumentenfehler schneller zu beheben, Bediener bei der Wiederherstellung anzuleiten, die Betriebszeit von Instrumenten zu erhöhen und gleichzeitig das Risiko für biologische Proben zu senken.

Tecan fügt seiner Flüssigkeitshandhabungsplattform Fluent MHS-Unterstützung hinzu, damit KI-Agenten diese Plattformen direkt entdecken und bedienen können.

Universal Robots hat vorzeitig Zugriff auf MHS erhalten und plant, MHS-Unterstützung auf seiner Roboterplattform hinzuzufügen.

Vor der Open-Source-Veröffentlichung möchte Anthropic den Standard noch weiter verfeinern.

Als großes Sprachmodell lernt Claude die physische Welt durch Text und Bilder kennen, was bedeutet, dass seine Fähigkeiten zur räumlichen und physischen Schlussfolgerung Grenzen haben und weiterhin die Überwachung durch Experten erforderlich ist. Zum Beispiel mussten Forscher von Genentech Claude bei der Verarbeitung von Proteinproben anleiten, zu erkennen, dass der durch Aufschäumen der Probe verursachte Fehler ein physischer Fehler und kein Softwarefehler ist, der nur durch entsprechende physische Korrekturen behoben werden kann.

MHS ist derzeit nicht mit Hardware kompatibel, die keine programmierbare Schnittstelle hat. Daher arbeitet Anthropic mit Herstellern solcher Geräte zusammen, um MHS-Treiber in die Hardware zu integrieren. Viele Entwickler nutzen bereits Claude Code, um einzelne physische Geräte zu bedienen. In der nächsten Phase von MHS möchte Anthropic den Standard erweitern, um mehr Geräte abzudecken, die von Entwicklern verwendet werden.

Zu den frühen Anwendern gehören Hugging Face (das MHS-Unterstützung in seiner Roboterbibliothek LeRobot hinzufügt) und Raspberry Pi (das nach erfolgreichen Tests mit seinem Camera MHS-Treiber MHS-Integration in mehreren seiner Produkte aktiviert).

Referenzinhalt:

https://www.anthropic.com/news/model-hardware-standard-research-preview

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Ji Qi Zhi Xin“ (ID: almosthuman2014), Autor: Ji Qi Zhi Xin mit Fokus auf Agenten, veröffentlicht mit Genehmigung von 36Kr.