朝4時に起きて、PCRの装置のプレートを入れ替える。装置は1度に1枚しか処理できず、90分ごとに人が交換しなければならない。ワシントン大学の博士課程の学生が、Anthropicの発表に寄せた文章で書いていた日常です。
研究室の装置は、メーカーごとにソフトもデータの形式もばらばら。つなぎ合わせて自動化するには、数か月から数年、費用は数千ドルから数百万ドルかかることもある、と同じ文章にありました。
Anthropicが2026年8月27日に研究プレビューを始めたModel Hardware Standard（MHS）は、この「つなぎ合わせ」の部分を共通化する仕組みです。
Model Hardware Standardとは
AIエージェントが物理的な装置を安全に動かすための共通仕様、とAnthropicは説明しています。顕微鏡、液体を分注するロボット、ロボットアームといった装置を、エージェントが並行して操作できるようにする。開発は、米国の研究機関HHMI Janelia Research Campusとの共同研究から始まったそうです。
中心にあるのは、装置ごとの「ドライバー」を共通の形にすること。温度を読む、温度を設定する、といった読み書きの単純な命令にそろえ、どの装置も同じ形式で見つけられるようにする。メーカーごとに通訳のプログラムを書かなくて済む、という発想です。
| 項目 | 内容 |
|---|---|
| 発表日 | 2026年8月27日（研究プレビュー） |
| 対象 | まずは研究機関と先端製造業の一部 |
| 動く装置 | プログラムで制御できる装置なら何でも |
| AIモデル | 特定のモデルに依存しない |
| 操作の方法 | MCP、コマンドライン、コードファイル（API）の3通り |
| 今後 | 安全評価を整えたうえでオープンソース化する予定 |
MCPに対応しているので、Claude以外のエージェントからも使える。ここはAnthropicが繰り返し強調していました。
取扱説明書を、AIが読める形にする
面白いと思ったのは、装置の「暗黙の知識」の扱い方です。
ロボットアームの重さは、安全に動かすうえで欠かせない情報なのに、コードを見ても分からない。紙のマニュアルや、担当者の頭の中にしかないことが多い。MHSでは、こうした情報を普通の文章でドライバーに書き込めます。自分で書いてもいいし、エージェントに聞き取りをさせて書かせてもいい。そこから、何を測れるか、何を調整できるか、どんな安全上の上限があるかをまとめた参照ファイルが自動で作られ、エージェントはそれを読んで装置を扱う。
もう1つは、速さの問題への答え方。エージェントが1手ずつ考えていては間に合わない操作もあります。その場合は、ドライバーの命令をつないだコードファイルを作って、装置に任せる。発表には、Claudeがレーザーを少し動かし、カメラで結果を見て、また動かすという試行を繰り返したあと、学んだ手順を決まった動きのスクリプトにまとめて、以後は1つの命令で位置合わせできるようにした例が載っていました。
どんな成果が出ているか
協力した研究室や企業の事例が6つ公開されています。
| 組織 | やったこと | 発表された結果 |
|---|---|---|
| Genentech | 分注機・ロボットアーム・プレートリーダーで、タンパク質の濃度を測る実験を自動化 | 液体ごとの最適な流速をClaudeが自分で探した |
| ワシントン大学 Baker・Pinglay研究室 | 装置の遠隔監視、PCRの自動停止、アームと分注機の受け渡し | 衝突なしで連携できた |
| カーネギーメロン大学 | 互換性のない3台のPCにまたがる装置で濃度反応実験 | 約3倍速くなった |
| HHMI Janelia | 7社のソフトに分かれていた顕微鏡の装置一式を統合 | 1つの窓口から操作できるようにした |
| QuEra Computing | 量子コンピューターのレーザーの周波数合わせ | 99.3%の確率で人の手なしに復旧 |
| Tetsuwan Scientific | 自社の自動化基盤にMHSを組み込み、川の汚染を調べるPCRを実施 | 市民科学の調査に活用 |
Genentechの例は数字が具体的でした。水なら毎秒約140マイクロリットル、粘りのあるタンパク質の溶液なら毎秒約10マイクロリットルが最適、とClaudeが試し打ちを重ねて結論を出し、社内の専門家も妥当と認めた。普段なら自動化の担当者が条件ごとにプログラムを書いて探す作業です。
うまくいかなかった場面も書かれている
Genentechの寄稿には、失敗の話がきちんと入っていました。
液体を混ぜる途中で泡が原因のエラーが出たとき、Claudeは同じ穴で条件を変えて再挑戦しようとした。でもそれは液をさらにかき混ぜて、泡を増やすだけだった。泡が出たら別のきれいな穴に移り、混ぜる回数を減らす。そう人が教えて初めて直った、とのこと。一度教えたら最後までその知識を保っていて、のちに再利用できる「スキル」としてまとめ直したそうです。
一般的な推論は得意でも、物理や化学、生物の制約、特に現場の手ざわりが要るトラブル対応はまだ苦手。Genentech自身がそう書いています。ピペットの先がうまく付かない、液面を検知できないといったエラーには自力で復旧できていたので、全部が駄目というわけではありません。
誰が使えるのか
いまは研究プレビューで、申し込み制です。対象は研究機関と先端製造業の一部で、Anthropicの申し込みページから応募する形。料金の記載はありませんでした。日本の機関が対象になるかどうかも、発表からは読み取れません。
AIが画面の外の装置を動かすようになると、間違いのコストが変わります。文章の誤りなら直せばいいけれど、ロボットアームの動かし方の誤りは装置や試料を壊す。Anthropicはプレビュー期間中に提携先と安全評価を作り、物理世界での安全対策の方針を固めてからオープンソースにする、と書いていました。AIエージェントにどこまで権限を渡すかという話が、そのまま実験室に持ち込まれる形です。
Claudeが新種の酵素の仕組みを見つけた件は、計算の中だけで完結した研究でした。MHSは、その先にある実験の手を動かす部分。考えるところから試すところまでAIが受け持つ流れが、少しずつ形になってきている気がします。
出典
すべて2026年10月4日に確認したものです。
- Previewing the Model Hardware Standard（Anthropic・2026年8月27日。Genentech、ワシントン大学、カーネギーメロン大学、HHMI Janelia、QuEra、Tetsuwan Scientificの寄稿を含む）
- HHMI Janelia Research Campus
- Model Context Protocol（MCPの公式サイト）
