L’intelligenza artificiale ha imparato a scrivere codice, a navigare il web e a coordinare migliaia di token. Il passo successivo è più fisico: Anthropic ha presentato il Model Hardware Standard, un protocollo che permette agli agenti AI di operare direttamente strumenti di laboratorio e produzione. Non si tratta di un modello nuovo, ma di un’infrastruttura condivisa, pensata per ridurre l’integrazione di microscopi, liquid handler e bracci robotici da settimane a minuti.
La notizia arriva da una collaborazione tra Anthropic e HHMI Janelia Research Campus, ed è stata annunciata come ricerca preview per un primo gruppo di laboratori e produttori. Il punto non è solo l’automazione: è la standardizzazione. Oggi ogni dispositivo parla un linguaggio diverso, e collegarli a un agente richiede specialisti. Con il Model Hardware Standard, un agente può scoprire un dispositivo che non ha mai visto, capire come usarlo e coordinarlo con altri strumenti in parallelo.
Il progetto suona come la trama di un film: un sistema che allinea laser, prepara campioni e corregge gli errori senza intervento umano. I primi test, però, sono già reali. I dettagli tecnici del protocollo sono nel post ufficiale di Anthropic, e il tema della robotica condivisa si collega a progetti come LeRobot di Hugging Face. Un agente ha imparato a recuperare il ‘lock’ di un laser quantistico da solo, e i laboratori partner parlano di esperimenti completati in un terzo del tempo.
Indice
Come funziona il Model Hardware Standard
Il cuore del protocollo è un driver standardizzato: un software che traduce tra il sistema operativo e l’hardware, usando comandi semplici come ‘leggi’ e ‘scrivi’ (per esempio, ‘leggi temperatura’ o ‘imposta temperatura’). Ogni dispositivo diventa scopribile in un formato comune, così agenti e strumenti possono trovarsi e comunicare senza un traduttore su misura.
Il driver non si limita ai comandi: contiene anche tag scritti in linguaggio naturale che descrivono le caratteristiche della macchina. Un utente può inserirli da solo, oppure farsi intervistare da un agente che prepara il file di riferimento. In questo modo l’agente conosce non solo il codice del dispositivo, ma anche dettagli fisici come il peso di un braccio robotico, indispensabili per manovrarlo in sicurezza.
I tre meccanismi di controllo
Una volta connessi, gli agenti controllano l’hardware in tre modi:
- MCP (Model Context Protocol), il protocollo standard per gli agenti;
- riga di comando, per operazioni rapide e interattive;
- file di codice, per concatenare sequenze di comandi ed eseguire operazioni lunghe senza ragionare a ogni passo.
Questi tre canali lavorano insieme, e permettono di orchestrare più dispositivi con una singola riga di codice. Quando serve eseguire un’operazione complessa, l’agente scrive uno script deterministico e lo lascia girare: è il passaggio che trasforma un esperimento interattivo in un processo ripetibile.
Dai laser quantistici alle provette: i primi risultati
La parte più interessante arriva dai casi d’uso. Non sono demo di laboratorio: sono esperimenti reali condotti con partner come Genentech, Carnegie Mellon e QuEra Computing.
QuEra: il laser che si riallinea da solo
QuEra costruisce computer quantistici a base di atomi neutri, e ha dato a un agente il controllo di parte del sistema laser. Un caso che vale da solo l’attenzione. L’agente ha sviluppato un controller che recupera il ‘lock’ del laser — la frequenza ultra precisa necessaria per interagire con gli atomi — nel 99,3% dei casi senza intervento umano. Un numero concreto che spiega perché il progetto è più di una curiosità.
Claude interagisce con gli esperimenti in modo esplorativo, come farebbe uno scienziato: regola un laser, osserva il risultato con una camera, ripete finché non capisce la sequenza.
Genentech: quando la schiuma non è un bug
Il caso Genentech mostra anche i limiti. Durante l’automazione di un test di laboratorio, l’agente ha confuso la schiuma dei campioni con un errore software. I ricercatori hanno dovuto spiegargli che si trattava di un problema fisico, risolvibile solo con correzioni fisiche. È il tipo di dettaglio che separa l’automazione intelligente da quella ingenua.
Un’infrastruttura condivisa: chi c’è dietro
Il Model Hardware Standard non è un ecosistema chiuso: è model-agnostic, accessibile a qualsiasi agente tramite protocolli standard. E i partner sono tanti. AWS supporterà il protocollo attraverso Strands Robots; Hugging Face lo integra in LeRobot; Raspberry Pi ha già testato un driver per le sue camera; Doosan e Universal Robots lavorano sui bracci robotici; Danaher, QIAGEN e Tecan sugli strumenti di laboratorio.
Per chi segue il mondo degli agenti AI, il collegamento è diretto: lo stesso lavoro che Project Panama ha fatto per l’addestramento di Claude, il Model Hardware Standard lo fa per il controllo del mondo fisico. E chi usa agenti AI per lavoro sa quanto vale un protocollo comune, lo stesso principio che ha reso Claude uno degli assistenti più diffusi.
I limiti da tenere a mente
Anthropic è onesta sui limiti: il Model Hardware Standard non funziona con dispositivi senza interfaccia programmabile, e per quelli serve costruire driver insieme ai produttori. Nessuna bacchetta magica. Inoltre, la comprensione fisica di Claude resta basata su testi e immagini, quindi la supervisione umana è ancora necessaria nelle fasi delicate.
Il piano è di usare la ricerca preview per costruire valutazioni di sicurezza e best practice, prima di rendere lo standard open source. L’obiettivo dichiarato è una roadmap di sicurezza fisica, non solo software.
Le domande più comuni
Cos’è il Model Hardware Standard?
È una specifica condivisa che permette agli agenti AI di operare dispositivi fisici come microscopi, liquid handler e bracci robotici, usando driver standardizzati e protocolli come MCP.
Quando sarà open source?
Anthropic non ha dato una data, ma ha detto che aprirà il codice dopo la ricerca preview e pubblicherà i risultati come guida per un uso sicuro.
Funziona con qualsiasi dispositivo?
Solo con dispositivi che hanno un’interfaccia programmabile. Per gli altri, serve costruire un driver insieme al produttore.
Se un agente può allineare da solo il laser di un computer quantistico, quale lavoro fisico non potrà imparare a fare?