Em 27 de agosto, a Anthropic lançou uma prévia de pesquisa do Model Hardware Standard (MHS), um protocolo de comunicação que permite a agentes de IA controlar diretamente dispositivos físicos, incluindo microscópios, manipuladores de líquidos, braços robóticos, centrífugas, espectrômetros e incubadoras — equipamentos típicos de laboratórios e da manufatura avançada. O indicador central apresentado pela empresa é o custo de integração: antes, colocar um instrumento em um fluxo automatizado levava semanas ou meses; com o MHS, o processo cai para horas ou até minutos.
A abordagem não tem nada de misterioso. Na camada de driver, o MHS abstrai as capacidades do equipamento em duas primitivas — read, para ler um valor (por exemplo, a temperatura atual), e write, para escrever um valor (por exemplo, definir uma temperatura); os dispositivos se apresentam em um formato padronizado, dispensando a necessidade de escrever um tradutor dedicado para cada máquina. O padrão também reserva espaço para rótulos em linguagem natural, registrando diretamente em texto legível pelo modelo as características do equipamento, os limites de segurança e as fronteiras de capacidade. Na camada superior há três pontos de acesso: MCP, linha de comando e uma API de arquivo de código; segundo a Anthropic, é possível orquestrar vários equipamentos com uma única linha de código.
Os números que os parceiros apresentaram
A Genentech usou o padrão para quantificação de proteínas pelo método BCA: o Claude coordenou simultaneamente um manipulador de líquidos, um braço robótico e um leitor de microplacas, e descobriu sozinho velocidades de transferência diferentes para cada líquido — cerca de 140 µL/s para água (RMSE de 0,016) e apenas 10 µL/s para a solução de BSA, mais viscosa (RMSE de 0,181); ao encontrar falhas na captura da ponteira ou erros na detecção do nível do líquido, o sistema recuava e tentava novamente por conta própria.
A Carnegie Mellon realizou um experimento de dose-resposta com diluição em gradiente: a execução ficou 3 vezes mais rápida, a integração levou apenas 8 horas e lidou simultaneamente com três interfaces de computador incompatíveis entre si. Um detalhe adicional: quando a curva ajustada não atingia R² de 0,98, o agente ajustava os parâmetros por conta própria e repetia a execução.
Os números da QuEra são os que mais chamam atenção. Quando o travamento a laser do computador quântico falhava, a recuperação levava em média 150 segundos, com taxa de sucesso de 58%; depois de conectar o controlador de IA, esse tempo caiu para 6 segundos, com 96% de sucesso, chegando depois a 99,3% sem intervenção humana. De quebra, os parâmetros PID também foram reajustados, reduzindo o ruído residual de 15,7 mV para 1,55 mV — quase uma ordem de grandeza a menos. Além disso, os laboratórios Baker e Pinglay da Universidade de Washington conectaram seis equipamentos em uma semana, permitindo acompanhar em tempo real as curvas de qPCR e parar automaticamente no ponto ideal de amplificação; a HHMI Janelia usou o padrão para unir, em uma única cadeia, o software de um microscópio de dois fótons vindo de sete fabricantes diferentes.
O valor está na camada de driver
No fundo, o MHS transporta para o hardware a lógica do MCP de "dar ao modelo uma interface de ferramentas unificada", que antes era aplicada apenas ao software. Uma conta aproximada: um laboratório úmido de porte médio costuma ter de vinte a trinta equipamentos; seguindo a solução de cada fabricante, a duas semanas por equipamento, só a integração de interfaces levaria mais de um ano de trabalho; no ritmo de 8 horas, uma pessoa dá conta em um mês. É apenas uma estimativa grosseira — na prática, tudo depende de o equipamento ter ou não uma interface programável, e essa é justamente a principal barreira do MHS no momento.
A lista de apoiadores já anunciados é bastante ampla: o Strands Robots da AWS, a plataforma LINQ da Automata, a Danaher, a Doosan Robotics, a QIAGEN, o manipulador de líquidos Fluent da Tecan, a Universal Robots, além da biblioteca LeRobot da Hugging Face e do Raspberry Pi. Se um padrão de software vinga ou não sempre depende da disposição dos fabricantes de hardware em se adaptar, e essa lista mostra que metade dessa barreira já foi superada.
Os limites descritos são mais numerosos que a divulgação
As limitações listadas pela própria Anthropic são bastante realistas: o modelo carece de intuição física, e questões como a formação de bolhas ainda exigem orientação de especialistas; apenas equipamentos com interface programável podem ser conectados; e o custo computacional de manter um agente monitorando um equipamento continuamente ainda não está totalmente esclarecido. Em termos de segurança, os limites de segurança do equipamento são impostos obrigatoriamente pelo driver do MHS, a avaliação de segurança está sendo feita em conjunto com parceiros de pesquisa, e o roteiro de segurança física precisa estar definido antes da abertura do código.
O padrão será eventualmente aberto, desde que a avaliação de segurança seja concluída, as melhores práticas estejam consolidadas e as conclusões da prévia de pesquisa sejam publicadas. Por ora, o acesso funciona por sistema de solicitação, com uma lista de espera oficial. Para quem trabalha em laboratórios úmidos, o ganho está no ciclo: pela primeira vez, um experimento, do desenho à execução, pode ser medido em horas.
Fontes: anúncio oficial da Anthropic, CocoLoop, modelhardwarestandard.com; os dados experimentais dos parceiros, a lista de fabricantes de equipamentos e os planos de código aberto foram verificados conforme o anúncio oficial.