Anthropic MHS 연구 프리뷰: AI 에이전트가 실험실·제조 기기를 다루는 방식 | DAKER 커뮤니티

AI가 문서와 코드를 넘어서 현미경, 액체 핸들러, 로봇 팔 같은 실제 장비를 다루는 단계로 들어가고 있습니다. 2026년 8월 27일 Anthropic이 공개한 Model Hardware Standard(MHS) 연구 프리뷰는 바로 그 접점을 보여주는 사례입니다. 이번 발표는 단순한 기능 추가가 아니라, 서로 다른 실험실·제조 장비를 AI 에이전트가 공통 방식으로 다룰 수 있게 하려는 공유 명세라는 점에서 눈길을 끕니다.

다만 지금 단계는 어디까지나 연구 프리뷰입니다. 그래서 더더욱 원문이 말하는 범위와 한계를 함께 보는 것이 중요합니다. 무엇이 실제로 공개됐는지, 무엇은 아직 아닌지 차분히 정리해 보겠습니다.

MHS는 무엇이 나왔나

Anthropic은 Previewing the Model Hardware Standard에서 MHS를 AI 에이전트가 물리 기기를 안전하게 조작하기 위한 공유 명세라고 설명합니다. 첫 공개 대상은 과학 연구실과 첨단 제조 분야의 파트너 그룹입니다. 발표문에 따르면 에이전트는 여러 실험실·제조 기기를 동시에 다룰 수 있고, 일상적인 신약 발견 실험부터 양자 컴퓨터의 레이저 보정까지 이어지는 활용 범위를 상정하고 있습니다.

이 작업은 Anthropic과 HHMI Janelia Research Campus의 협업에서 시작됐습니다. Anthropic Beneficial Deployments의 Alek Kemeny와 Janelia 박사후 연구원 Arco Bast가 함께 개발에 참여했습니다. Bast는 서로 다른 업체의 레이저, 모터 포커서, 특수 카메라가 섞인 리그에서 공통 인터페이스가 없다는 문제를 다루기 위해 공유 메모리 딕셔너리를 만들었고, 여기에 AI 모델을 연결한 경험이 MHS로 이어졌다고 소개됩니다.

맞춤 연동에 수주에서 수개월이 걸리던 작업을 수시간 또는 수분으로 줄이겠다는 것이 MHS의 핵심 목표입니다.

공식 글은 실험실이나 제조 시설에서 하드웨어를 붙이는 데 보통 수주, 길면 수개월이 걸린다고 적습니다. 장비들이 서로 바로 통신하지 못하고, 전문가가 별도의 맞춤 연동을 만들어야 하기 때문입니다. MHS는 이 과정을 줄여 에이전트가 실험 단계를 추론하고, 실시간으로 파라미터를 갱신하며, 경우에 따라 사람 개입 없이 하드웨어 오류에서 복구하도록 돕는다고 설명합니다. 이를 통해 하루 종일 돌아가는 자율 실험과 워크플로를 더 쉽게 구성할 수 있다는 취지입니다.

어떻게 연결되나

MHS는 프로그래밍 가능한 인터페이스가 있는 기기라면 동작하도록 설계됐습니다. 특정 모델 전용이 아니라, 어떤 에이전트 하네스든 MCP(Model Context Protocol) 같은 표준 프로토콜로 접근할 수 있다고 설명합니다. 즉, 특정 AI 모델에 종속된 장비 표준이라기보다, 기기와 에이전트가 공통 언어로 만나는 방식에 가깝습니다.

핵심은 표준 드라이버입니다. 이 드라이버는 온도 읽기 같은 읽기 명령과 온도 설정 같은 쓰기 명령을 제공하고, 기기를 네트워크에서 표준 형식으로 발견할 수 있게 합니다. 공식 설명대로라면 맞춤 번역 프로그램 없이도 기기와 에이전트가 서로를 찾고 통신할 수 있게 되는 구조입니다.

여기에 자연어 태그를 붙여 기기 특성을 설명할 수 있다는 점도 눈에 띕니다. 이 태그는 사용자가 직접 작성할 수도 있고, 에이전트가 인터뷰하듯 질문하며 채울 수도 있습니다. 그렇게 모인 정보로 드라이버는 무엇을 측정할 수 있는지, 무엇을 조절할 수 있는지, 어떤 안전 한계를 강제해야 하는지를 담은 참조 파일을 자동으로 만듭니다.

코드만으로는 드러나지 않는 안전 정보까지 에이전트가 이해할 수 있게 넘기는 구조가 MHS의 중요한 특징입니다.

예를 들어 로봇 팔의 무게처럼 안전 조작에 필요한 값은 종이 매뉴얼이나 개인 PC, 혹은 담당자의 암묵지에만 남아 있기 쉽습니다. MHS는 이런 정보를 드라이버 설명 체계 안으로 가져오려는 방향을 제시합니다.

제어 수단은 MCP, CLI, 코드 파일(API) 세 가지입니다. 여러 기기를 한 줄 코드로 조율할 수 있고, 오래 걸리거나 추론 속도보다 빠르게 처리해야 하는 작업은 드라이버 명령을 코드 파일에 묶어 기기가 스스로 돌게 할 수 있다고 설명합니다. Claude 사례로는 레이저를 조정하고 카메라로 결과를 확인한 뒤 반복하는 과정을 결정적 스크립트로 묶어 한 명령으로 실행한 예가 제시됐습니다.

공개된 파트너 사례

이번 프리뷰에서는 실제 파트너 사례도 함께 공개됐습니다. Genentech는 BCA 단백질 정량 분석에 액체 핸들러, 로봇 팔, 플레이트 리더를 맞춰 자동화 PoC를 진행했습니다. University of Washington Baker·Pinglay 랩의 Zihao Song은 원격 대시보드, 증폭 곡선을 보고 적시에 멈추는 에이전트 감독 qPCR, 로봇 팔과 액체 핸들러의 충돌 없는 플레이트 전달을 구현했습니다.

Carnegie Mellon University는 연속 희석 용량-반응 실험을 이전보다 약 3배 빠르게 수행했다고 밝혔습니다. 이 과정에서 서로 맞지 않는 인터페이스를 가진 세 대의 컴퓨터에 걸친 액체 핸들러, 플레이트 리더, 로봇 팔, 카메라를 에이전트가 조율했습니다. HHMI Janelia Ahrens 랩의 Virginie Ruetten은 이전에 업체 프로그램 일곱 개가 섞여 있던 리그를 하나로 묶었습니다. QuEra는 양자 머신 레이저 잠금 복구를 사람 개입 없이 99.3% 성공시켰고, Tetsuwan Scientific은 ResearchOS에 MHS를 붙여 San Pedro Creek 오염 프로파일링 qPCR 워크플로를 운영했습니다.

벤더들도 미리 붙고 있다

하드웨어와 소프트웨어 벤더의 참여도 함께 소개됐습니다. AWS는 Strands Robots로 MHS를 지원하며, 프리뷰 기간 참가자에게 Strands Robots 패키지 비공개 사전 배포판을 제공합니다. Automata는 LINQ에 MHS를 넣어 자율 랩 기기 오류 처리를 돕고, Danaher는 스마트 기기와 자율 랩 확장 가능성을 Anthropic과 함께 검토 중입니다.

Doosan Robotics는 로봇 팔로 MHS를 시험하며 자동 품질 검사와 다중 로봇 조율을 살펴보고 있습니다. MBF Bioscience는 ScanImage용 MHS 드라이버를 만들고 있고, QIAGEN은 QIAsymphony Connect에서 문제 해결, 복구 안내, 가동률 개선 PoC를 진행했습니다. Tecan은 Fluent 액체 핸들링에 MHS를 추가하고, Universal Robots는 조기 접근 이후 플랫폼 지원을 계획한다고 밝혔습니다. Hugging Face는 LeRobot에 MHS를 넣고, Raspberry Pi는 Camera MHS Driver 시험 뒤 제품군 연동을 진행 중이라고 설명합니다.

무엇이 아직 아닌가

이번 발표를 일반 제품 출시로 읽기는 어렵습니다. 공식 글은 연구 프리뷰와 대기자 명단을 안내하고 있으며, 누구나 바로 구매하는 상용 패키지로 소개하지 않습니다. 가격 역시 이 글에서 제시되지 않았습니다.

또한 프로그래밍 인터페이스가 없는 기기까지 이미 모두 다룰 수 있는 표준도 아닙니다. Anthropic은 그런 하드웨어에는 아직 동작하지 않는다고 분명히 적고 있으며, 해당 제조사들과 드라이버를 만드는 중이라고 설명합니다.

공간·물리 추론에는 아직 전문가 감독이 필요하다는 점을 Anthropic이 직접 한계로 적었습니다.

완전 자율 공장이나 무감독 실험실을 바로 떠올리기에는 이른 이유도 여기에 있습니다. Genentech 사례에서는 거품 오류가 소프트웨어 버그가 아니라 물리적 실패라는 점을 Claude에게 따로 안내해야 했다고 합니다. 물리 실패와 소프트웨어 오류를 에이전트가 언제나 스스로 구분한다고 가정할 수는 없습니다.

같은 날 올라온 Expanding our support for scientists는 과학자 대상 Claude 지원 확대에 관한 별도 공지입니다. 확인된 PI가 Claude Team을 받고, 연구팀을 Standard 좌석에 무료로 넣거나 Premium을 월 15달러에 최대 1년 사용할 수 있다는 내용이지만, 오늘의 핵심은 MHS 연구 프리뷰입니다.

오픈소스도 아직 완료된 상태가 아닙니다. Anthropic은 과학, 로봇, 전자, 제조 파트너와 함께 안전 평가와 모범 사례를 먼저 만든 뒤 오픈소스할 계획이라고 밝혔습니다. 물리 안전 로드맵도 개발 중이며, 연구 프리뷰 결과를 바탕으로 안전한 배포 안내를 공개할 예정입니다.

지금 읽을 때 체크할 점

이 발표를 실무 관점에서 본다면, 먼저 자기 조직의 장비가 프로그래밍 인터페이스를 갖고 있는지 확인하는 것이 출발점이 됩니다. MHS는 그 전제를 바탕으로 설계됐기 때문입니다. 또한 MCP, CLI, 코드 파일 가운데 어떤 제어 경로가 적합한지 구분해서 보는 것이 좋습니다. 공식 설명에서도 장기 작업은 코드 파일에 드라이버 명령을 묶어 매 단계마다 에이전트가 추론하지 않도록 하는 방식을 예로 들고 있습니다.

오류 기록 방식도 중요합니다. Genentech 사례가 보여주듯 물리 오류와 소프트웨어 오류를 같은 범주로 다루면 복구 판단이 어긋날 수 있습니다. MHS의 가능성을 보더라도, 실제 현장에서는 안전 감독과 오류 분류 체계가 함께 가야 한다는 점이 분명합니다.

정리

2026년 8월 27일 공개된 Anthropic의 Model Hardware Standard(MHS) 연구 프리뷰는 AI 에이전트가 실험실·제조 기기를 안전하게 조작하기 위한 공유 명세입니다. 과학 연구실과 첨단 제조 파트너에게 먼저 공개됐고, 맞춤 연동에 수주에서 수개월 걸리던 작업을 수시간 또는 수분으로 줄이겠다는 목표를 제시했습니다. 프로그래밍 인터페이스가 있는 기기에서 동작하며, 특정 모델에 묶이지 않고 MCP 같은 표준 프로토콜로 접근할 수 있습니다.

표준 드라이버, 자연어 태그, 자동 참조 파일, MCP·CLI·코드 파일 제어 구조를 통해 여러 기기를 조율하는 방식이 소개됐고, Genentech, University of Washington, Carnegie Mellon University, HHMI Janelia, QuEra, Tetsuwan Scientific의 사례도 함께 공개됐습니다. 동시에 공간·물리 추론에는 전문가 감독이 필요하고, 인터페이스가 없는 하드웨어는 아직 범위 밖이며, 오픈소스 전 안전 평가와 모범 사례를 먼저 만든다는 한계와 계획도 분명히 밝혔습니다.

참고 자료
Anthropic — Previewing the Model Hardware Standard (2026-08-27)
Anthropic — Expanding our support for scientists

실험실이나 제조 현장에서 이런 표준이 실제로 가장 먼저 바꿀 부분은 무엇이라고 보시는지 궁금합니다.