Anthropic 모델 하드웨어 표준(MHS) 연구 프리뷰

TL;DR

Anthropic는 모델 하드웨어 표준(MHS)의 연구 프리뷰를 발표했습니다. MHS는 AI 에이전트가 어떤 프로그래머블 장치와도 통신할 수 있도록 해주는 공유 드라이버 및 프로토콜로, 통합 시간을 주에서 분으로 단축하고 24시간 연속 자율 실험을 가능하게 합니다.

모델 하드웨어 표준이란?

MHS는 모델 독립적, 장치 독립적 사양으로, read, write와 같은 최소한의 기본 명령어 집합과 장치 탐색 형식을 정의하여, 프로그래머블 인터페이스를 가진 모든 하드웨어가 단일 표준 드라이버를 통해 AI 에이전트에 접근할 수 있도록 합니다. 이 표준은 HHMI Janelia 연구 센터와 공동 개발되었으며, 기존의 모델 컨텍스트 프로토콜(MCP) 위에 구축되었습니다.

주요 특성:

표준 드라이버: OS 호출을 장치별 명령어로 변환합니다.
자연어 태그: 사용자나 에이전트가 코드로 노출되지 않는 물리적 특성(예: 로봇 팔의 무게)을 주석으로 추가할 수 있습니다.
안전 제한: 드라이버가 에이전트가 위험한 명령어를 내리지 못하도록 제어합니다.
모델 독립적: Claude나 다른 LLM이 동일한 MCP 인터페이스를 통해 MHS를 사용할 수 있습니다.

MHS의 작동 방식

장치 탐색 – 각 장치는 측정 가능한 상태, 조절 가능한 파라미터, 안전 제약 조건을 나열하는 JSON 유사 디스크립터를 게시합니다.
기본 명령어 – 에이전트는 간단한 read/write 호출을 수행하며, 드라이버가 장치의 네이티브 API(CLI, SDK, GUI 자동화)로 매핑합니다.
상태 사전 – 모든 장치 상태는 공유 메모리 사전에 저장되어, 어떤 프로세스에서도 실시간으로 읽을 수 있으며, 장치 간 분석이 가능합니다.
오케스트레이션 계층 – 에이전트는 코드 파일(API)로 명령어를 연결하여 고주파 작동을 수행하거나, MCP를 사용해 인터랙티브 제어를 합니다.
오류 처리 – 드라이버는 안전 태그에 따라 각 명령어를 검증하며, 위반 사항이 감지되면 자동으로 일시 정지 또는 중단합니다.

초기 파트너 사례

제네틱스 – BCA 단백질 분석 자동화

액체 핸들러, 로봇 팔, 플레이트 리더를 통합했습니다.
클로드는 폐쇄 루프 RMSE 피드백을 사용해 물(약 140 µL/s)과 점성 BSA(약 10 µL/s)의 흐름 속도를 최적화했습니다.
피펫 헤드 장착 및 거품 발생 실패 시 자율적인 오류 복구를 시연했습니다.

워싱턴 대학교 – 원격 모니터링 및 qPCR 제어

대시보드가 MHS를 통해 모든 장치의 상태를 집계했습니다.
AI 감독 하의 qPCR은 최적의 증폭 곡선에서 실행을 중단하여 수동 감시 시간을 줄였습니다.
액체 핸들러와 로봇 팔 간의 플레이트 송수신을 충돌 없이 조율했습니다.

카네기 멜론 대학교 – 빠른 용량-반응 곡선 생성

CyBio Felix 액체 핸들러, Varioskan LUX 플레이트 리더, 로봇 팔, 카메라를 결합했습니다.
MHS는 통합 시간을 약 8시간으로 단축하고, 연속 희석 실험 속도를 3배로 가속했습니다.
자율 안전 검사가 움직임 전에 6개의 시뮬레이션된 고장을 차단했습니다.

HHMI Janelia – 현미경 장비 통합

7개의 벤더 프로그램을 하나의 MHS 사전으로 통합했습니다.
분당 내 새 카메라를 추가했으며, 카메라의 빔 위치 데이터는 갈바노미터 미러에 직접 전달되어 마이크로미터 수준 정밀도로 정렬했습니다.
공유 사전에서 데이터를 읽는 온라인 분석 파이프라인을 구현해, MATLAB, Python, C# 등 다양한 언어에서 생성된 데이터를 통합 처리할 수 있었습니다.

쿠에라 컴퓨팅 – 양자 레이저 안정화

MHS를 통해 클로드가 티타늄-사프이어 레이저 잠금을 제어했습니다.
반복적인 에이전트 루프가 복구 스크립트를 재작성하여, 잠금 복구 시간을 약 150초(성공률 58%)에서 약 6초(성공률 96%)로 단축했으며, 최종적으로 블라인드 테스트에서 99.3% 성공률을 달성했습니다.
클로드는 12개의 PID 파라미터를 조정하여 RMS 노이즈를 10배 감소시키고, 19시간 동안 잠금 떨어짐을 완전히 제거했습니다.

테츠우안 과학 – 시민 과학을 위한 수질 모니터링용 qPCR

카메라, 원심분리기, 액체 핸들러를 MHS를 통해 통합했습니다.
클로드는 컴퓨터 비전으로 기포를 감지하고, 원심분리기를 작동시켜 튜브를 회전시킨 후 자동으로 프로토콜을 재개했습니다.
폐쇄 루프 컴파일러 최적화로 다중 분배 정밀도가 약 12% 향상되었으며(p ≈ 0.001), 통계적으로 유의미했습니다.

안전성, 한계 및 지속적인 작업

물리적 추론의 격차: 클로드는 여전히 기포 형성과 같은 현상을 잘못 해석합니다. 올바른 처리 전략을 가르치기 위해 인간의 지도가 필요합니다.
인터페이스 요구사항: MHS는 API, CLI 또는 GUI를 노출하는 프로그래머블 장치에서만 작동합니다. 비프로그래머블 하드웨어는 맞춤형 드라이버로 리모델링 중입니다.
사람이 중간에 개입하는 방식: 고위험 작업 시 클로드는 인간의 승인을 기다립니다. 향후 모델 업그레이드는 불필요한 일시 정지 횟수를 줄이되 안전성을 유지할 목표입니다.
안전 로드맵: Anthropic는 물리적 안전 정책을 수립하고, 고장 주입 테스트를 확장하며, 오픈소스화 전에 공식적인 안전 평가 기준을 마련할 계획입니다.

미래 로드맵 및 오픈소스 계획

오픈소스 출시 – 안전 평가 완료 및 드라이버 커버리지 확대 후, MHS는 오픈소스 라이선스 하에 공개될 예정입니다.
더 넓은 장치 지원 – 원심분리기, 배양기, qPCR 열사이클러 등 API가 없는 장치도 추가될 예정입니다.
표준 드라이버 라이브러리 – 일반적인 실험실 및 제조 장비용 미리 만들어진 드라이버를 공개하는 레포지토리.
커뮤니티 샌드박스 – 연구자들이 새로운 드라이버를 제출하고, 안전 사례를 공유하며 AI 기반 워크플로우를 벤치마킹할 수 있는 호스팅 테스트베드.
다른 Anthropic 도구와의 통합 – Claude Code, Claude Opus 및 모델 컨텍스트 프로토콜과의 밀접한 통합을 통해 종단 간 파이프라인을 원활하게 구현합니다.

연구 프리뷰 참여 방법

관심 있는 연구실이나 제조업체는 MHS 포털을 통해 신청할 수 있습니다: https://www.modelhardwarestandard.com/.
선정된 참여자는 사전 릴리스된 Strands Robots 라이브러리(AWS)와 초기 드라이버 빌드를 받게 됩니다.
참여자는 안전 평가에 공동 저자로 참여하고, Anthropic 팀과 통합 경험을 공유할 것을 기대합니다.

감사의 말

이 표준은 Alek Kemeny(Anthropic Beneficial Deployments)와 Arco Bast(HHMI Janelia)의 협업에서 시작되었습니다. 추가 기여자로는 Aaron Boswell, Ben Arthur, Boaz Mohar, Gagan Bhat, Mark Kittisopikul, Nadine Yasser, Nick Purcell, Takashi Kawase, Virginie Ruetten이 있습니다.

결론

MHS는 통합 주기를 주에서 분으로 단축하고, AI 에이전트가 복잡한 다중 장치 실험을 자율적으로 수행할 수 있도록 하며, 미래의 AI 기반 실험실과 공장에 안전을 우선하는 기반을 제공함을 보여줍니다. 연구 프리뷰는 커뮤니티가 표준을 검증하고 확장하며 강화할 수 있도록 초대하며, 이는 AI-장치 상호작용의 오픈소스 핵심이 될 전망입니다.