앤스로픽, AI가 실험장비 움직이는 MHS 공개

실험실 장비는 겉보기와 달리 각자 다른 언어를 써요. 현미경, 플레이트 리더, 액체 처리기마다 프로그래밍 인터페이스가 다르기 때문에 여러 장비를 한 실험에 묶으려면 전문가가 맞춤형 번역기를 만들어야 했어요. 장비를 연결한 뒤에도 AI 에이전트가 데이터를 읽고 안전하게 명령을 내리는 공통 방식은 없었고요.

MHS는 이 사이에 표준 드라이버를 둬요. 드라이버는 온도를 가져오는 read, 온도를 설정하는 write처럼 장비가 공통으로 이해할 수 있는 기본 명령을 제공해요. 장비의 무게, 측정할 수 있는 값, 조정 가능한 범위, 넘으면 안 되는 안전 한계는 자연어 태그로 기록해요. 이 정보로 만들어진 참조 파일을 읽으면 처음 보는 에이전트도 장비의 특성과 허용 범위를 파악할 수 있어요.

연결된 장비를 제어하는 통로는 세 가지예요.

1. 모델 컨텍스트 프로토콜(MCP)로 에이전트와 연결해요.
2. 명령줄 인터페이스(CLI)로 사람이 직접 제어해요.
3. 코드 파일과 API로 빠르거나 오래 걸리는 작업을 결정적으로 실행해요.

앤스로픽의 유익한 배포 책임자 엘리자베스 켈리는 CNBC 인터뷰에서 MHS를 장치 사이 정보 전달 방식을 표준화한 USB-C에 비유했어요. 소프트웨어 에이전트가 MCP로 여러 도구를 연결했다면, MHS는 같은 표준화 방식을 물리 장비까지 넓힌 셈이에요.

두 번째 공식 영상에서는 AI 모델이 실제 물리 과학 실험을 운영하는 장면을 볼 수 있어요. 클로드는 레이저를 조정하고 카메라로 빔의 이동을 확인한 뒤 다시 조정했어요. 반복 과정에서 배운 내용을 결정적인 코드 파일로 묶어, 이후에는 매 단계마다 다시 추론하지 않고 한 번의 명령으로 정렬 작업을 실행했어요.

실험실에서 먼저 나온 숫자

앤스로픽은 MHS를 생명과학, 로봇, 양자컴퓨팅 연구 현장에 먼저 넣어봤어요.

1. 제넨텍은 액체 처리기, 로봇팔, 플레이트 리더를 함께 쓰는 BCA 단백질 분석 자동화를 시험했어요.
2. 워싱턴대학교 베이커·핑글레이 연구실은 qPCR 곡선을 보며 적절한 순간에 실험을 멈추는 에이전트와 로봇팔·액체 처리기의 충돌 없는 플레이트 전달을 구현했어요.
3. 카네기멜런대학교 연구진은 서로 호환되지 않는 장비 네 종류와 컴퓨터 세 대를 묶어 용량-반응 실험을 이전보다 약 3배 빠르게 수행했어요.
4. HHMI 자넬리아 연구 캠퍼스는 공통 인터페이스가 없던 공급업체 프로그램 일곱 개를 하나로 묶었어요. 앤스로픽의 공식 발표 게시물은 영상 실험에 걸리던 시간을 수주에서 하루로 줄였다고 설명했어요.
5. 양자컴퓨터 기업 QuEra는 레이저가 목표 주파수에서 벗어났을 때 AI가 잠금을 복구하는 컨트롤러를 만들었어요. 사람의 개입 없이 복구한 비율은 99.3%였어요.

제조 현장과 연결되는 이름도 많아요. AWS는 물리 장비 연결 라이브러리 Strands Robots를 통해 MHS를 지원하고, 연구 미리보기 참여자에게 비공개 사전 버전을 제공할 예정이에요. 두산로보틱스는 로봇팔의 자동 품질보증과 여러 로봇 사이 작업 조율을 시험하고 있어요. QIAGEN, Tecan, Universal Robots도 각자의 장비와 플랫폼에 MHS 지원을 붙이고 있어요.

갑자기 나온 방향 전환은 아니에요

앤스로픽은 지난 7월 UST와 함께 클로드를 반도체 검증과 제조 과정에 넣는 물리 AI 협력을 발표했어요. UST는 기존 폐쇄형 검증 파이프라인이 검증 주기를 50~70% 줄여 통상 나흘 걸리던 작업을 48시간으로 단축했다고 밝혔고, 전 세계 직원 2만명을 클로드로 교육하기로 했어요.

그때의 초점이 특정 기업의 생산 시스템 안에 클로드를 넣는 것이었다면, 이번 MHS는 여러 제조사와 여러 모델이 공유할 인터페이스를 만들려는 시도예요. HHMI 자넬리아의 박사후연구원 아르코 바스트가 레이저, 전동 포커서, 카메라를 함께 쓰는 뇌 영상 장비를 연결하려 만든 공유 메모리 사전이 출발점이었어요. 앤스로픽의 알렉 케메니와 바스트가 여기에 AI 모델을 연결하면서 표준으로 커졌고요.

아직은 제한된 연구 미리보기예요

MHS는 지금 신청을 받아 일부 연구소와 제조사에만 제공하는 단계예요. 앤스로픽은 연구 미리보기에서 안전성 평가와 운영 모범사례를 만든 뒤 오픈소스로 공개할 계획이라고 밝혔어요. 현재는 프로그래밍 인터페이스가 없는 장비에는 쓸 수 없어요.

더 큰 한계는 AI의 물리적 직관이에요. 제넨텍 실험에서 단백질 샘플에 거품이 생겼을 때 클로드는 이를 소프트웨어 오류처럼 다뤘어요. 연구자가 거품은 물리적 조치로만 해결할 수 있다고 알려줘야 했어요. 텍스트와 이미지로 세상을 배운 대규모 언어모델은 공간과 물리 추론이 아직 불완전하기 때문에 전문가의 감독이 필요하다는 것이 앤스로픽의 설명이에요.

에디터의 시선

이번 발표에서 중요한 장면은 클로드가 로봇팔을 움직였다는 사실만이 아니에요. 더 큰 변화는 AI가 무엇을 해도 되는지를 모델의 판단에만 맡기지 않고, 장비 드라이버의 참조 파일과 안전 한계에 넣으려 한다는 점이에요. 확률적으로 판단하는 AI와 결정적으로 움직여야 하는 물리 시스템 사이에 표준 경계를 만드는 시도예요.

통합 시간이 수개월에서 수분으로 줄면 지금까지 맞춤 개발비 때문에 포기했던 자동화가 현실적인 선택지가 될 수 있어요. 반대로 잘못된 명령의 결과도 화면 속 오류가 아니라 샘플 손상, 장비 충돌, 생산 중단으로 이어져요. MHS의 성패는 연결할 수 있는 장비 수보다, 그 안전 한계가 실제 현장에서 얼마나 일관되게 지켜지는지에 달려 있어요. 연구 미리보기에서 검증할 핵심도 바로 이 지점이에요.

MHS 연구 미리보기 참여 신청은 공식 사이트에서 받고 있어요.