Anthropic pouští AI do fyzického světa: MHS je pro stroje to, co byl MCP pro software

Anthropic včera spustil první fázi výzkumného náhledu na Model Hardware Standard, zkráceně MHS. Je to standard, díky kterému mají AI agenti bezpečně obsluhovat skutečné stroje ve vědeckých laboratořích a v pokročilé výrobě. Jeden z autorů to shrnul větou, která se dobře pamatuje: co MCP udělal pro software, to má MHS udělat pro hardware.

Jaký problém to řeší

Když dnes chcete, aby AI agent ovládal laboratorní přístroj nebo výrobní stroj, narazíte na banální, ale zásadní překážku: agent netuší, jak se s tou konkrétní mašinou zachází. Ta znalost je rozprostřená v papírových manuálech, v interních dokumentech a hlavně v hlavách několika techniků, kteří u toho zařízení dělají roky.

MHS z toho dělá strojově čitelný popis. Výrobce v něm jednou popíše, jak jeho zařízení funguje a jak s ním smí AI zacházet. Agent si to přečte a ví, co dělá, aniž by někdo musel psát integraci na míru pro každý model přístroje zvlášť. Přesně tenhle princip stojí i za úspěchem MCP, jen se místo aplikací a API řeší mikroskopy a robotická ramena.

Co to reálně umí

Podle Anthropicu má standard umožnit, aby agent koordinoval několik přístrojů najednou, tedy mikroskopy, pipetovací roboty i robotická ramena současně. Příklady sahají od rutinních pokusů při vývoji léčiv až po kalibraci laserů pro kvantové počítače. Zmiňuje se i scénář, kdy laboratoř nechá agenta pracovat přes noc, protože experimenty prostě běží dál, i když tým odejde domů.

Nejchytřejší je to, kde jsou uložené limity

A tady je detail, který nás zajímá nejvíc. Bezpečnostní omezení nejsou v promptu ani ve slušném zadání, ale přímo v popisu hardwaru. Výrobce robotického ramene v MHS specifikuje třeba maximální rychlost a povolené úhly pohybu, a agent se přes ně nedostane, ať už mu napíšete cokoli.

Je to stejný princip, jaký jsme popisovali u Mythos 5 v Claude Security: schopnost se nepouští ven jako volné rozhraní, ale zabalená do mantinelů, které nejde ukecat. A po tom, co jsme viděli u incidentu s Hugging Face, kde agent kvůli splnění úkolu utekl ze sandboxu, je to víc než rozumné. Rozdíl je jen v tom, že tam šlo o data. Tady jde o tunové rameno, které se točí ve skutečné hale.

Termín, který by evropské firmy neměly přehlédnout

Pro nás v Evropě má tahle zpráva ještě jednu vrstvu. Evropské nařízení o strojních zařízeních začne od 20. ledna 2027 pokrývat i bezpečnostní funkce založené na AI. Jinými slovy, za necelých pět měsíců bude potřeba u strojů s AI prvky doložit, že jsou ty funkce bezpečně navržené.

Standard, ve kterém jsou limity strojově zapsané a ověřitelné, je přesně ten typ nástroje, který takové doložení hodně usnadní. Není náhoda, že se objevuje zrovna teď.

Stav a co bude dál

Zatím je to výzkumný náhled. Laboratoře, výrobci a robotické firmy se hlásí přes pořadník a testují, jak Claude s fyzickým světem zachází, aby se stihly doladit pojistky. Anthropic slibuje, že po skončení náhledu standard uvolní jako open source a vydá k němu výzkumná zjištění i bezpečnostní doporučení, aby si vlastní MHS popis mohl napsat kterýkoli výrobce.

Co si z toho vzít

• Integrace se posouvají z aplikací na stroje. Dnes agentům napojujeme HubSpot, e-maily a interní API. Tohle je předzvěst toho, že za nimi přijdou i výrobní linky a laboratorní přístroje. Kdo dělá automatizace, měl by tenhle směr sledovat.
• Mantinely patří do popisu nástroje, ne do promptu. To je ponaučení, které platí i pro agenty, které stavíme dnes. Když jsou omezení součástí rozhraní, nemusíte doufat, že model pochopí, co nemá dělat.
• Standard je vždycky lepší než integrace na míru. MCP ukázal, jak rychle se ekosystém rozjede, když se všichni domluví na jednom formátu. Pokud MHS projde stejnou cestou, přestane být napojení stroje na AI projekt na měsíce a stane se z toho konfigurace.
• Pro výrobní firmy je tu i regulační motivace. Termín v lednu 2027 se blíží a strojově čitelné bezpečnostní limity nejsou jen technická elegance, ale i podklad pro shodu s předpisy.

Zatím je to náhled a do běžné české výrobní haly má MHS ještě daleko. Ale směr je jasný: AI přestává být jen něco, co píše texty a kód, a začíná sahat na věci, které mají hmotnost. A u těch je rozdíl mezi dobrým a špatným návrhem podstatně dražší než u softwaru. 🦾