AI Agent 已经能调用数据库、搜索服务和代码工具，但一旦动作对象从“数字系统”变成机械臂、液体工作站或激光器，接口错误就可能造成真实世界损失。Anthropic 在 2026 年 8 月开放 Model Hardware Standard（MHS）研究预览，尝试用标准驱动、设备描述和安全限制连接 Agent 与可编程设备。本文面向 Agent、机器人和实验室自动化开发者，拆解 MHS 的架构，并给出不依赖具体厂商的安全设计清单。

为什么硬件 Agent 需要新的接口层

传统实验室或工厂集成的难点，不只是每台设备有不同 API。设备能力、单位、校准方式、可达范围、碰撞风险和故障恢复往往散落在纸质手册、工程师电脑和口头经验中。同样一个“设置温度”动作，不同设备可能使用摄氏度、内部刻度或带上下限的控制器；同样一个“移动机械臂”命令，也需要知道负载、坐标系和安全区域。

如果直接让模型阅读每个厂商 SDK 并自由调用，会出现三个问题：

1. 发现困难：Agent 不知道现场有哪些设备、它们当前是否可用。
2. 语义不一致：相同意图在不同设备上对应不同接口和单位。
3. 安全规则分散：速度、温度、压力和空间限制容易只存在于提示词中。

MHS 的目标，是在设备与 Agent 之间放入标准化驱动。驱动把设备操作抽象为少量通用原语，例如读取状态和写入参数；同时提供机器可发现的设备描述，使 Agent 能知道可测量项、可调整项和必须执行的安全限制。

MHS 的四层架构

根据研究预览说明，可以把 MHS 理解为四层：

第一层是人类设定的实验目标、允许动作和审批点。第二层是 Agent，它负责拆解任务、监控状态和在异常时重新规划。第三层提供三种控制方式：Model Context Protocol（MCP）、命令行和代码文件。第四层是 MHS 驱动，它把标准命令翻译为具体设备协议，并把状态统一回传。

这三种控制方式各有角色。MCP 适合让 Agent 发现并调用工具；CLI 便于工程师调试单个动作；代码文件适合执行高频、长时间或需要确定性的步骤。官方案例中，Agent 会先探索调整激光并观察结果，再把学到的过程封装成确定性脚本，以单个命令执行。这个“先推理、后固化”模式比让模型在每个控制周期都临场决策更稳健。

设备描述为什么比 API 更重要

软件 API 通常只告诉调用者参数类型，却不一定表达物理语义。一个安全的硬件描述至少应包含：

• 设备身份、固件和驱动版本；
• 可读取的传感量、单位、精度与刷新频率；
• 可执行动作、参数范围、速度与持续时间；
• 机械尺寸、负载、坐标系和禁入区域；
• 前置条件、互锁条件和冲突资源；
• 错误码、可重试错误与必须人工处理的错误；
• 紧急停止、复位和安全状态定义。

MHS 预览提到，可用自然语言标签补充重量等无法从代码推断的机器特征，并生成参考文件。实际工程中，自然语言适合承载说明，但硬限制必须落到驱动或独立安全控制器中。比如“温度不要太高”应转化为明确单位和上限，并由设备侧拒绝越界值，而不是期待模型每次都记住。

可以采用“双层描述”：面向 Agent 的自然语言解释负责帮助规划，面向执行器的结构化模式负责验证类型、单位、范围和状态机。两层不一致时，以更严格的机器约束为准并触发告警。

从液体工作站案例看闭环控制

Genentech 的概念验证把液体工作站、机械臂和酶标仪连接起来，用于 BCA 蛋白测定。案例显示，通用模型一开始对水和黏稠蛋白样品使用相同流速，产生气泡并降低转移精度；在得到物理原因提示后，Agent 改变流速和操作方式，并把经验沉淀为可复用技能。

这说明闭环硬件 Agent 的基本流程不是“一次生成完整脚本”，而是：

1. 读取设备状态和实验约束；
2. 选择安全范围内的小步动作；
3. 执行动作并采集传感结果；
4. 与专家基准或目标函数比较；
5. 在允许范围内调整参数；
6. 达到收敛、预算或安全阈值后停止；
7. 将稳定过程固化成经过审核的确定性脚本。

案例也揭示模型的局限：错误码背后可能是气泡、摩擦、热惯性等现实因素。模型擅长语言和一般推理，却未必拥有现场物理直觉。系统应该把“连续相同错误”“传感器矛盾”“无法解释的状态变化”设为人工接管条件，而不是无限重试。

与 MCP 的关系：连接协议不是安全认证

MHS 表示任何 Agent 框架可以通过 MCP 等标准协议访问设备。MCP 解决的是主机、客户端与服务器之间如何发现能力、协商功能和交换上下文；MHS 进一步描述设备和动作。两者组合能降低集成成本，但协议可连接不代表动作天然安全。

在远程 MCP 场景中，仍要做资源级授权、Token 受众校验、最小权限和用户同意。设备工具的权限最好按风险拆分：读取状态与执行运动不应共享同一范围；低速点动与全速运行应使用不同能力；紧急停止可以高优先级开放，但复位必须检查现场。

不要把上游第三方 Token 原样透传给设备服务。每个 MHS 驱动应验证调用者、设备身份和授权范围，并记录不可抵赖的审计事件。网络中断时，设备应进入预先定义的安全状态，而不是等待 Agent 恢复连接。

一套最小安全控制面

准备试验 MHS 类架构时，可以把安全控制分成六层：

层次	核心控制	失败时行为
目标层	明确任务范围、样品和最大预算	拒绝范围外目标
权限层	人、Agent、设备最小权限	令牌失效即停止新动作
驱动层	类型、单位、范围、互锁校验	返回结构化错误
设备层	独立急停、限位和安全 PLC	进入硬件安全态
监控层	传感器、视频、心跳与异常检测	暂停并通知人工
审计层	计划、命令、状态、版本和审批记录	支持回放与复盘

高风险动作还需要“双通道确认”：Agent 给出计划和参数，人类确认后，独立安全控制器再次验证当前状态。任何一层都不应依赖模型的自然语言承诺作为唯一保护。

当前阶段适合做什么

MHS 目前是受限研究预览，官方页面明确表示正在邀请科学和工业伙伴测试，并计划在形成安全评测和最佳实践后再开源。因此，开发者不应把预览案例理解为可直接采购部署的成熟通用标准。

现在最有价值的准备工作是整理设备清单、单位和状态机，统一错误语义，划分只读与写权限，建立数字孪生或模拟器，并把审批、急停和审计要求写成验收测试。这样即使最终采用不同标准，核心安全资产仍可复用。

建议从低风险、可回放任务开始，例如读取传感器、生成维护建议或在仿真环境中调度。通过影子模式验证 Agent 的计划与现场工程师是否一致，再进入隔离实验台的小范围写操作。实体世界的自动化收益很大，但安全边界必须比数字工具更硬、更靠近设备。

参考资料

• Previewing the Model Hardware Standard（Anthropic，2026-08-27）
• Model Hardware Standard 官方预览页（访问于 2026-09-03）
• Model Context Protocol Architecture（MCP Specification，访问于 2026-09-03）
• MCP Authorization（MCP Specification，访问于 2026-09-03）