Anthropic MHS 是什麼？Claude 開始操作顯微鏡、機械手臂
MHS 想建立 AI Agent 與實體設備的共同介面。真正關鍵不是 Claude 表演，而是跨設備整合、安全限制與可重現性。
AI Agent 是能理解目標、自行安排步驟並呼叫工具的 AI 助手。它過去主要處理檔案、網頁與軟體工具，Anthropic 現在想讓它往前跨一步：直接操作實體設備。
2026 年 8 月 27 日，Anthropic 公開 Model Hardware Standard（MHS）研究預覽。MHS 是一套共用規格，用來讓 AI Agent 辨識、監控並安全操作可程式化的實體設備。早期測試已納入顯微鏡、移液機器人、機械手臂、離心機與量子電腦的雷射系統。
如果把 Model Context Protocol（MCP）理解成 AI 連接資料與軟體工具的共同介面，MHS 就很像「實體設備版的 MCP」。這是幫助理解的比喻，不是 Anthropic 對產品的正式定義。
我對 MHS 的方向持中性偏正面看法。它對準了實驗室與工廠自動化最現實的障礙：不同設備之間缺少共同語言。但它目前還是限定夥伴參與的研究預覽，尚未開源，早期結果也不等於已能大規模導入工廠或醫療流程。
MHS 想解決什麼問題？
實驗室不是沒有自動化設備，而是這些設備往往各說各話。顯微鏡、機械手臂、移液機器人與讀取儀可能來自不同廠商，每台機器都有自己的指令、資料格式與安全規則。
要讓它們共同完成一個實驗，專業人員通常必須為每組設備撰寫專用整合程式。根據 Anthropic 的說法，這類建置可能需要數週到數個月，MHS 的目標則是將部分整合時間降到幾小時甚至幾分鐘。這是 Anthropic 與參與夥伴目前的早期經驗，不是對所有設備的保證。
真正的產品價值，不只是讓人類可以用自然語言下指令。當設備都能被相同方式發現、讀取狀態與執行命令，AI Agent 才有機會跨設備安排步驟、監測結果，並在條件變化時調整參數。
MHS 怎麼運作？
MHS 的核心是標準化驅動程式。驅動程式可以理解成電腦與機器之間的翻譯層，它把不同廠牌的專用命令，整理成共同的操作方式。
Anthropic 官方示範 MHS 導入前後，AI Agent 如何從分散設備操作轉向共同介面。 影片來源：Anthropic 官方公告。
這套介面從「讀取」與「寫入」等基本動作出發。例如，Agent 可以先讀取加熱設備的當前溫度，再寫入新的目標溫度。設備也會以共同格式公開自己能測量什麼、能調整哪些參數，以及哪些安全限制不能超過。
MHS 也允許使用者用自然語言補上程式碼看不出來的機械知識。例如機械手臂的重量、可移動範圍與禁止操作，過去可能只存在紙本手冊或操作人員的經驗中。MHS 驅動程式會把這些資訊整理成 Agent 可以參照的機器說明。
連接完成後，Agent 可透過 MCP、命令列或應用程式介面（API，讓程式互相呼叫功能的規則）操作設備。MHS 不綁定 Claude，Anthropic 宣稱它是模型中立的規格，其他模型與 Agent 框架也可以使用。
從藥物實驗到量子雷射，MHS 已經做了什麼？
Anthropic 在研究預覽中公開 6 組早期案例，橫跨生技、顯微鏡、量子運算與自動化實驗室。這些案例顯示 MHS 不只是一張規格圖，但結果主要來自 Anthropic 與合作夥伴的自述，應視為原型驗證，不是獨立認證的產業基準。
Genentech：讓 Claude 協調 3 台實驗設備
Genentech 以 BCA 蛋白質測定作為概念驗證。這是一種測量樣本總蛋白質濃度的實驗，需要移液機器人、機械手臂與微孔盤讀取儀連續配合。
Claude 透過 MHS 調整移液速度，讀取實驗結果，再依據與人類專家樣本的差異反覆修正參數。當設備發生吸頭取用失敗或液體偵測異常時，它也曾自行恢復部分錯誤。
但最重要的證據反而是失敗。當黏稠液體因氣泡造成錯誤時，Claude 一開始只會改變參數重試，結果讓氣泡更多。研究人員必須說明這是物理現象，並指導它移到乾淨孔位、減少混合次數。這代表 MHS 可以提供操作管道，卻不會自動補齊模型對物理世界的理解。
QuEra：用 16 小時與 363 次實驗調校雷射
量子電腦的雷射系統需要長時間維持穩定。QuEra 的早期實驗讓 Claude 透過 MHS 操作雷射控制器、相機與測量工具，反覆調整參數並觀察結果。
在 363 次實驗與 16 小時無人值守運行後，Anthropic 與 QuEra 表示，Claude 將系統用來判斷穩定度的殘留誤差從 15.7 mV 降到 1.55 mV。後續 19 小時測試中，Claude 找到的參數沒有失去鎖定，人類專家的調校則平均每小時失去鎖定約 1.6 次。
這個案例顯示 AI 的優勢未必是單次判斷比專家聪明，而是它能以人類很難持續的頻率重複測量、嘗試與驗證。但當實體零件真正發生故障時，Claude 仍不知道如何維修，高風險操作也常會停下來等待人類確認。
Tetsuwan：讓不同機器人共同處理實驗錯誤
Tetsuwan 將 MHS 接入自動化生物實驗平台 ResearchOS。當相機偵測到移液過程出現氣泡，單靠機械手臂無法處理，Claude 會查看其他 MHS 設備的能力，並提議將樣本送到離心機低速旋轉，讓液體回到容器底部。
這種跨設備協作，比「用聊天操作一台機器」更接近 MHS 的真正價值。Agent 不只發出指令，還要掌握每台設備的狀態，判斷哪台機器能接手下一個步驟。敏感動作則仍保留人類授權與實體介入。
MHS 和 MCP 有什麼不同？
MCP 是一套讓 AI 應用程式連接外部資料與工具的開放協定。例如，AI 可以通過 MCP 取得資料庫資訊，或呼叫商務系統中的功能。
MHS 處理的問題更接近實體世界。它不只要讓 Agent 看懂「這台機器有什麼功能」，還必須定義機器狀態、可執行命令、物理屬性與安全界線。MCP 是 MHS 可使用的控制管道之一，但兩者不是同一套規格。
| 比較項目 | MCP | MHS |
|---|---|---|
| 主要連接對象 | 資料源、軟體工具與服務 | 具有可程式化介面的實體設備 |
| 核心問題 | 讓 AI 知道如何取得資料與呼叫工具 | 讓 AI 發現、監控並在限制內操作機器 |
| 實體安全訊息 | 不是主要設計重點 | 需描述設備屬性、狀態與安全限制 |
| 2026 年 8 月狀態 | 已開源，並已有多種 AI 工具與服務採用 | 限定申請的研究預覽，尚未開源 |
MHS 為什麼重要？
MHS 最大的潛力，是降低小批量、高變動實驗的自動化門檻。過去只有大量重複的實驗值得為它撰寫專用自動化程式，因為整合成本可能高過省下的人力。如果共同介面能夠讓新流程更快上線，以前不值得自動化的實驗也可能變得可行。
第二個影響是將操作經驗變成可重複使用的資訊。當設備限制、實驗參數、錯誤原因與處理方法被寫入驅動程式與 Agent 技能，知識就不再只存在某位資深操作員的腦中。這有機會改善實驗的可重現性，也能讓不同實驗室少重複開發一樣的整合工作。
第三個影響是讓 AI Agent 從一次性操作，走向長時間、封閉迴圈的工作。所謂封閉迴圈，是 Agent 執行操作後會自動讀取結果，再依據結果調整下一步。對於需要幾百次嘗試的參數調校，這種持續執行能力比單次回答更有價值。
這三個理由讓我對 MHS 的長期方向偏正面。不過，真正會推動採用的不是示範影片，而是廠商是否願意支援、驅動程式是否容易維護，以及安全事件能否被追蹤、回滾與審計。
MHS 目前有哪些限制與風險？
首先，MHS 只能連接已有可程式化介面的設備。一台只能人工按壓、沒有軟體控制能力的舊設備，不會因為接上 MHS 就自動變聪明。廠商或整合者仍必須開發對應的驅動程式。
其次，大型語言模型主要從文字與影像學習，對空間、力量、液體與材料的物理直覺仍有明顯缺口。Genentech 的氣泡案例已經說明，Agent 可能把物理問題誤認為只要重試指令就能解決的軟體錯誤。
最後，軟體 Agent 的錯誤可能只是檔案被改壞，實體 Agent 的錯誤則可能傷害樣本、設備甚至人員。這使得權限分級、操作上限、緊急停止、人類確認與完整紀錄成為必要條件，不是後來再補上的功能。
Anthropic 表示，研究預覽期間將與夥伴建立額外的實體安全評估，並在開源時公布安全部署指引。在這些規格與評估對外開放之前，外界還無法完整檢驗 MHS 的安全設計。
誰現在適合關注 MHS？
對一般 Claude 使用者來說，MHS 目前不是一個下載後就能使用的新功能。它也不代表 Claude 已經能夠隨意控制任何家電或機器人。
真正適合現在參與的族群，是擁有可程式化實驗設備、機械手臂或製造系統的研究機構、設備廠商與高階製造業者。Anthropic 目前採申請制研究預覽，希望參與者一起建立相容性與安全實務。
對一般開發者與 AI 產品團隊，更實際的作法是先觀察三個信號：開源規格是否清楚、主要設備廠商是否真正出貨支援，以及安全評估能否覆蓋權限越界、感測錯誤與物理故障。在這些證據出現前，把 MHS 當成試驗性架構比當成現成產品更合理。
結論：MHS 值得追蹤，關鍵在標準而不是 Claude 表演
Anthropic 的 MHS 最容易被寫成「Claude 會操作機械手臂了」，但這會低估它真正想解決的問題。
重點不是某個模型能不能在單次示範中控制一台機器，而是不同設備能否共用一套可發現、可監控、可限制的介面。只有這個基礎成立，AI Agent 才可能穩定地跨機器工作，而不是每換一台設備就重新開發一次。
我目前給 MHS 的結論是「方向值得看好，成熟度仍需保守」。早期實驗已經證明共同介面有機會縮短整合時間，也能支撐跨設備與長時間運作。但在規格開源、獨立測試增加、廠商支援落地以及安全評估公開前，它還不是可以放心交付核心生產流程的通用標準。
MHS 常見問題
MHS 是什麼？
MHS 全名為 Model Hardware Standard，是 Anthropic 與 HHMI Janelia Research Campus 開始合作發展的共用規格。它讓 AI Agent 能以標準化方式發現、讀取狀態與操作可程式化的實體設備。
MHS 就是實體設備版 MCP 嗎？
可以用這個方式快速理解，但兩者不是同一套規格。MCP 主要連接 AI 與資料或軟體工具，MHS 則多了機器狀態、物理屬性與安全限制等需求；MCP 是 MHS 可採用的控制方式之一。
MHS 只能搭配 Claude 嗎？
不是。Anthropic 將 MHS 定位為模型中立規格，理論上其他 AI 模型與 Agent 框架也能使用。不過 MHS 目前還是限定研究預覽，生態與相容性仍未成熟。
普通人現在可以使用 MHS 嗎？
MHS 不是 Claude App 裡的一般功能。現階段主要開放給科研機構、進階製造業者、機器人與設備廠商申請參與研究預覽。
MHS 已經開源了嗎？
還沒有。Anthropic 表示未來會開源 MHS，但現在先透過限定研究預覽測試規格、建立安全評估與實務指引。官方尚未在公告中提供開源的確切日期。
