Nelle scorse ore, Anthropic ha presentato in anteprima il Model Hardware Standard (MHS), un protocollo ancora in fase di ricerca che punta a rendere molto più semplice il collegamento tra agenti artificiali e dispositivi programmabili utilizzati in laboratori, fabbriche e sistemi robotici.

L’idea ricorda da vicino quella alla base del Model Context Protocol (MCP), lo standard sviluppato da Anthropic per consentire ai modelli di accedere in modo strutturato a dati, applicazioni e strumenti esterni. MHS trasferisce però lo stesso concetto sul piano hardware e invece di limitarsi a leggere informazioni o richiamare software, un agente può arrivare a impartire comandi a una macchina, controllarne lo stato e intervenire sui suoi parametri.

Il problema che Anthropic cerca di risolvere è tutt’altro che marginale. Gran parte delle apparecchiature industriali e scientifiche dispone già di interfacce software, API o sistemi di controllo remoto, ma ogni produttore tende a utilizzare modalità differenti. Integrare una nuova macchina in un ambiente automatizzato può quindi richiedere settimane di sviluppo e configurazione, oltre all’intervento di personale specializzato.

MHS vuole funzionare come una sorta di linguaggio comune tra IA e hardware. Il software driver introduce un insieme ristretto di primitive, tra cui operazioni di lettura e scrittura, attraverso le quali l’agente può interagire con dispositivi molto diversi tra loro. Le apparecchiature vengono inoltre rese riconoscibili attraverso un formato standardizzato e corredate da informazioni sulle loro funzioni e caratteristiche.

Una parte interessante dell’architettura riguarda proprio questa fase di configurazione. Il sistema utilizza specifici tag per descrivere ciò che una macchina può fare e permette di fornire queste informazioni anche attraverso una conversazione con il modello. Da questi dati viene generato un file di riferimento che descrive le caratteristiche dell’apparecchiatura e consente all’agente di comprenderne i controlli disponibili.

Una volta effettuata l’integrazione, MHS può operare attraverso tre differenti percorsi: MCP, interfacce a riga di comando e codice API. In pratica, un agente può impartire istruzioni agli strumenti collegati, acquisire i risultati di un esperimento, controllare continuamente determinati parametri e modificarli quando necessario.

Anthropic MCP

Le prime applicazioni sperimentali sono già piuttosto concrete. Anthropic cita Genentech, che avrebbe utilizzato MHS per un esperimento di scoperta di farmaci con gestione degli errori in tempo reale. Un altro caso riguarda QuEra, azienda attiva nel quantum computing che avrebbe sfruttato il protocollo per migliorare la stabilizzazione laser delle proprie macchine, portando la percentuale di stabilità dal 58 al 99,3%.

L’interesse dell’industria sta crescendo rapidamente. AWS prevede di integrare il supporto a MHS nella libreria Strands Robots, mentre Automata punta a utilizzarlo nella piattaforma LINQ per l’automazione dei laboratori. Anche aziende come Danaher, Doosan Robotics, MBF Bioscience, Qiagen, Tecan e Universal Robots stanno valutando o pianificando un’integrazione.

È però proprio qui che emerge il limite più importante del progetto. Un errore di un chatbot può produrre una risposta sbagliata; un errore di un agente collegato a una macchina può invece danneggiare apparecchiature, compromettere un esperimento o creare condizioni potenzialmente pericolose. Anthropic riconosce apertamente che gli LLM non possiedono ancora una vera intuizione del mondo fisico e per questo MHS rimane per ora una research preview.

L’azienda vuole utilizzare questo periodo di test per raccogliere dati, ampliare i test di sicurezza e capire come impedire che un agente IA trasformi un errore di interpretazione in un problema nel mondo reale. L’eventuale apertura del protocollo come progetto open source arriverà soltanto dopo questa fase di sperimentazione.

(Immagine in apertura: Shutterstock)