# Claude научился управлять роботами и лазерами — но спасовал перед пузырьками в пробирке
Каноническая страница: https://plainews.ru/posts/anthropic-model-hardware-standard
Опубликовано: 2026-08-29T14:00:52.293Z

Anthropic выпустила Model Hardware Standard — аналог MCP для физических устройств. Claude уже управляет роботами в лабораториях, но путается в пузырьках воздуха.
Anthropic представила Model Hardware Standard (MHS) — протокол, который дает ИИ-агентам единый интерфейс для чтения данных и управления физическими устройствами: микроскопами, роботизированными манипуляторами, лазерами, дозаторами жидкостей. По словам компании, стандарт сокращает время интеграции лабораторного оборудования с недель до часов. В тестах с партнерами Claude уже координировал работу нескольких приборов одновременно, а в одном из экспериментов написал скрипт, который успешно отработал 695 раз из 700 без участия языковой модели.

## Почему подключить робота к ИИ — это боль

Представьте лабораторию, где стоят дозатор от одного производителя, роботизированная рука от другого и планшетный ридер от третьего. У каждого прибора свой API, свой формат данных, своя система команд. Чтобы связать их между собой и научить работать по единому сценарию, инженеры тратят недели, а иногда месяцы — пишут кастомные интеграции под конкретную комбинацию оборудования, которые потом невозможно переиспользовать в другой лаборатории с другим набором приборов.

Anthropic решила применить к этой проблеме тот же подход, что сработал для софта. Полтора года назад компания выпустила Model Context Protocol (MCP) — стандарт, который дал ИИ-моделям единый способ подключаться к внешним данным и инструментам вроде баз данных, файловых систем и приложений. MCP быстро стал отраслевым стандартом: его поддержали OpenAI, Google и десятки разработчиков инструментов. MHS — это попытка повторить тот же трюк, но для физического мира.

## Как это устроено: один драйвер вместо кастомной интеграции

Логика MHS простая. Для каждого устройства пишется драйвер, который приводит базовые функции — чтение и изменение данных — к единому формату. Написать драйвер все равно приходится один раз для каждой модели прибора, но дальше его можно переиспользовать в любой лаборатории, где стоит такое же оборудование, вместо того чтобы каждый раз собирать интеграцию заново.

Важная деталь: драйвер может содержать информацию, которую невозможно извлечь из одного только программного интерфейса — например, грузоподъемность манипулятора или его предельные углы поворота. Пользователи задают такие параметры на естественном языке, а MHS сам превращает их в референсный файл для агента. В теории это позволяет ИИ-агенту взять незнакомое устройство, понять его возможности и ограничения и сразу начать им управлять через единый интерфейс — без изучения документации производителя.

Anthropic подчеркивает, что MHS не привязан к моделям компании: стандарт работает с любым устройством, у которого есть программируемый интерфейс, и любой моделью, способной с ним взаимодействовать. Агенты могут координировать несколько приборов сразу и сохранять отработанные последовательности действий как обычные скрипты — то есть после отладки языковая модель из процесса вообще исключается, и дальше все крутится на автопилоте.

## Что показали тесты у партнеров

Anthropic опубликовала три кейса с партнерами — без независимой проверки, так что к цифрам стоит относиться с поправкой на то, что это материалы компании.

В биотех-компании Genentech Claude координировал дозатор жидкостей, роботизированную руку и планшетный ридер для автоматизации анализа концентрации белка. Агент самостоятельно подобрал параметры пипетирования для разных жидкостей — но споткнулся, когда в вязком растворе начали образовываться пузырьки воздуха, которые сбивали измерения. Claude решил, что дело в софте, и раз за разом перезапускал процесс в той же емкости с измененными параметрами, только усугубляя проблему. Разобраться удалось лишь после того, как человек объяснил модели физическую природу ошибки.

В Carnegie Mellon University исследователи связали дозатор, планшетный ридер, роботизированную руку и несколько камер наблюдения, распределенных по трем компьютерам с несовместимыми интерфейсами. По их словам, на создание драйверов и слоя оркестрации ушло около восьми часов — против нескольких недель, которые обычно требует настройка через вендора. В том же тесте Claude заметил, что первый прогон эксперимента дал недостаточно качественную измерительную кривую, самостоятельно снизил максимальную концентрацию исследуемого вещества и во второй попытке получил гораздо более точный результат.

Самый впечатляющий результат — у компании QuEra, которая занимается квантовыми вычислениями. Там Claude использовал MHS для сотен автоматических прогонов и разработал программу управления, которая возвращает лазер в стабильное рабочее состояние после сбоев. В слепом тесте итоговый скрипт сработал в 695 случаях из 700 — это 99,3% успеха, причем полностью автономно, без участия языковой модели в процессе выполнения.

## Где система буксует и почему без человека пока нельзя

Главное ограничение MHS — не в протоколе, а в самой модели. Claude узнает о физическом мире через текст и изображения, поэтому его понимание причинно-следственных связей в реальности ограничено. История с пузырьками в Genentech показательна: агент не смог отличить физическую поломку от программной ошибки, хотя для человека-лаборанта это было бы очевидно с первого взгляда.

Anthropic прямо говорит, что экспертный контроль остается обязательным элементом системы. На этапе research preview компания планирует вместе с партнерами разрабатывать дополнительные проверки безопасности и готовит отдельную дорожную карту по защите от злоупотреблений — логично, учитывая, что речь идет об управлении реальным оборудованием, а не текстом на экране.

## Что дальше

MHS пока доступен ограниченному кругу лабораторий и производителей как research preview; открытый релиз запланирован позже. Протокол уже тестируют или готовят под него поддержку AWS, Doosan Robotics, QIAGEN, Tecan, Universal Robots, Hugging Face и Raspberry Pi — список говорит о том, что интерес выходит далеко за пределы научных лабораторий, в сторону промышленной робототехники и потребительской электроники.

Если параллель с MCP сработает и здесь, MHS может стать тем же самым связующим слоем для физического мира, каким MCP стал для доступа ИИ к данным и приложениям. Но пока разрыв между «написать хороший скрипт для лазера» и «понять, что в пробирке образовалась пена» показывает: до полной автономии агентов в физическом мире еще далеко, и человек за пультом останется нужен как минимум ближайшие годы.

## Источники

- The Decoder: Anthropic wants to do for physical hardware what its Model Context Protocol did for software