MCPの次は「MHS」――Anthropicが発表、AIエージェントが工場・研究室の機械を動かす仕組み

1 MCPの次は「MHS」――Anthropicが発表、AIエージェントが工場・研究室の機械を動かす仕組み

MCPの次は「MHS」――Anthropicが発表、AIエージェントが工場・研究室の機械を動かす仕組み

AnthropicがMHS（Model Hardware Standard）の研究プレビューを発表しました
顕微鏡やロボットアームなど機器の違いを吸収し、統合作業を数時間規模へ短縮します
現時点は限定プレビューで、安全性の検証と普及はこれからの段階です

AIエージェントが扱う対象が、メールや資料、SaaSだけではなくなろうとしています。

これまでのAIエージェントが「パソコンの中で働く秘書」だとすれば、これからは工場や研究室で機械を動かす作業員にもなる。顕微鏡の温度を読み、ロボットアームの位置を確認し、次の操作を指示する。機械が動いたら、その結果を見てまた判断します。

AIエージェントの次の仕事場は、物理世界です。

その入口としてAnthropicが発表したのが、MHS（Model Hardware Standard）です。

Anthropicが発表したMHSとは何か

Anthropicは2026年8月27日、AIエージェントが物理機器を安全に操作するための共通仕様として、MHSの研究プレビューを始めました。

対象は顕微鏡、液体処理装置、ロボットアームなどです。これまで機器ごとに異なっていた操作方法を、機器を動かす「翻訳ソフト」で吸収します。基本になる命令は「read（状態を読む）」と「write（操作を指示する）」です。

家電メーカーごとに違うリモコンを、共通リモコン一つで動かせるようにするイメージです。MHS対応機器には、何を測れるか、何を調整できるか、どんな安全限界を守るかを示す「機械の説明書」も用意されます。初めて見る機器でも、できることと禁止事項がわかる設計です。

Anthropicは、通常なら数週間、場合によっては数カ月かかる機器統合を、数時間から数分へ短縮できると説明しています。ただし、これはあらゆる現場で同じ時間を保証する数字ではなく、今回の初期事例で示された方向性です。

「状態を読む→判断→動かす」の改善ループ

MHSの中心は、AIエージェントが機械へ命令を送ることだけではありません。機械の現在地を同じ形式で読めることが重要です。

工場の壁に、すべての機械の状況が自動更新されるホワイトボードがあると考えるとわかりやすいでしょう。「ロボットアームは待機中」「試料は25度」「次の容器は準備済み」といった情報を、AIエージェントが一つの画面で確認できます。HHMI Janeliaの事例では、操作項目やセンサー値を共通の状態表にまとめました。

AIエージェントはその状態表を見て、次に何をするかを判断し、操作を指示します。機器が動いた後は結果が状態表へ戻り、必要なら条件を変える。自動運転車が周囲を見て、進み、また周囲を確認するのと同じように、観察・判断・実行・再観察のサイクルを回します。

ただし、すべての瞬間をAIモデルが考えるわけではありません。高速な動きや同じ手順の繰り返しは、固定プログラムにして機械側で実行します。AIエージェントが「何をするか」を考え、固定プログラムが「正確にどう動くか」を担当する分業です。安全限界も機械に近い側で強制できます。

創薬・自動実験・量子コンピューターで起きた成果

CMUでは、互換性のないインターフェースを持つ複数機器のドライバーと連携基盤を約8時間で構築しました。ベンダー構築なら通常数週間かかるとされる作業です。連続希釈実験は従来の約3倍の速さになり、人為的に発生させた6つの異常条件も、機器が動く前にすべて遮断されました。

Genentechの概念実証では、AIエージェントが液体処理装置、ロボットアーム、測定装置を連携し、水は速く、粘り気のある液体はゆっくり流すよう条件を最適化しました。一方、気泡が原因のエラーでは、再試行がかえって状況を悪化させ、人間が物理的な原因と対処法を教える必要もありました。

QuEraの量子コンピューター事例では、AIエージェントが作った固定プログラムが、700回の試験で695回のレーザー復帰に成功しました。成功率は99.3％で、人間なら5〜10分かかる作業を、最短1秒未満から14秒で実行しています。

ここで重要なのは、本番中にAIエージェントが毎回考えて直接制御したわけではないことです。AIエージェントが良い動かし方を探し、最後は「同じ条件なら同じ動きをする固定プログラム」にする。AIの試行錯誤と、機械の正確さを組み合わせた点に価値があります。

MCPとMHSは何が違うのか

MCP（Model Context Protocol）は、AIアプリケーションをデータやツールなどの外部システムにつなぐためのオープンソース標準です。

対してMHSは、その接続先にある物理機器の操作方法、状態、安全条件をそろえます。

したがって、MHSはMCPの後継でも代替でもありません。MHS対応機器はMCP、コマンドライン、APIから操作でき、MCPはアクセス手段の一つです。「MCPの次はMHS」とは置き換えではなく、AIエージェントの接続先がデジタルから物理へ広がる、という意味です。

▶︎ あわせて読みたい：MCP・A2A・APIの違いを「道具と同僚」で整理する

標準化で価値が上がる企業と、日本企業への影響

標準化が進むと、単に「機器をつなぐ」作業の希少性は下がります。その一方で、つないだ後にどう安全に成果を出すかの価値は上がります。

機器メーカーには、AIエージェントから選ばれやすくなる利点があります。AWS、Automata、Danaher、Doosan Robotics、QIAGEN、Tecan、Universal Robotsなどは、対応・試験・活用検討を進めています。ただし、独自画面や独自APIによる囲い込みは弱くなる可能性があります。

システムインテグレーターやソフトウェア企業には、複数機器を動かす司令塔、安全監視、権限管理、監査ログを提供する機会が生まれます。基本の接続方法が共通化しても、創薬と工場では手順も失敗条件も違うからです。

そして最も大きな果実を得るのは、現場の運用データと暗黙知を持つ企業かもしれません。どの状態なら次へ進めるか、どの異常なら止めるか、何を成功と判定するか。この知識を状態・手順・評価条件へ変換できれば、現場の経験が改善ループの資産になるからです。

日本企業は、異なる年代・メーカーの設備を長く使い、熟練者の知識でつないでいる現場が少なくありません。MHSが普及すれば不利が一気に消えるわけではありませんが、その暗黙知を機械が読める形へ移す企業には追い風になります。