앤트로픽이 인공지능 에이전트와 산업 현장의 물리적 장비들을 통일된 방식으로 연결·제어할 수 있는 새로운 기술 표준을 발표했다. 제조사와 기종이 제각기 달라 통합이 어려웠던 기존 방식을 개선하기 위한 움직임이다.
앤트로픽은 지난 27일(현지시간) AI 에이전트가 실험실과 제조 공장의 물리적 장비를 직접 인식하고 조작할 수 있도록 설계한 공통 규격 '모델 하드웨어 표준(Model Hardware Standard·MHS)'을 공개했다.
소프트웨어와 AI의 영역을 넘어 현실의 물리적 세계로 AI 에이전트의 역할을 확대하기 위한 표준으로 평가된다. 앤트로픽은 먼저 과학 연구 기관과 첨단 제조업체를 중심으로 연구 프리뷰 단계를 시작한 상태다.
여러 장비 연결의 번거로움을 줄이다
MHS의 탄생 배경에는 앤트로픽과 HHMI 제넬리아 연구 캠퍼스의 협력이 있다. 현재 많은 연구실과 공장에서는 서로 다른 장비들을 하나의 통합 시스템으로 만들기 위해 각 장비마다 별도의 프로그래밍 인터페이스를 파악한 후 맞춤형 통합 프로그램을 일일이 구축해야 한다. 이 과정에만 보통 몇 주에서 몇 개월이 소요된다.
MHS는 장비와 컴퓨터 사이에서 정보를 변환하는 표준화된 드라이버를 제공함으로써 이러한 시간을 수 시간 또는 수 분 수준으로 단축하는 것을 목표로 삼는다.
장비가 자신의 기능을 AI에 알리는 방식
MHS의 핵심 개념은 각 장비가 자신의 기능과 특성을 표준화된 형태로 AI 에이전트에 전달할 수 있다는 점이다. MHS 드라이버에는 온도 측정이나 설정값 조정 같은 기본 명령뿐 아니라 해당 장비가 측정할 수 있는 항목, 조정 가능한 범위, 안전 한계값 등이 담긴다. 사용자가 자연언어로 장비의 특징을 입력하면, 이를 바탕으로 AI가 장비의 올바른 사용법과 안전 조건을 파악할 수 있도록 참조 파일이 자동 생성된다.
AI 에이전트는 모델 컨텍스트 프로토콜(MCP), 명령줄 인터페이스(CLI), API 코드 파일 등의 수단으로 여러 장비를 동시에 제어할 수 있다. 현미경, 액체 처리 장비, 로봇 팔과 같이 전혀 다른 종류의 기기들을 연동시켜 실험의 각 단계를 순차적으로 수행하고, 측정된 데이터를 실시간으로 분석하면서 즉시 매개변수를 조절하는 것도 가능하다. 오랫동안 반복되는 작업의 경우, 에이전트가 학습한 작업 흐름을 코드로 변환하여 이후에는 AI의 추가적인 사고 없이도 자동으로 실행되도록 할 수 있다.
실제 테스트에서 확인된 활용 사례
앤트로픽은 실제 실험에서 클로드가 과학자처럼 장비를 탐색적으로 다루는 모습을 확인했다고 전했다. 레이저 출력을 조금씩 조정해 가며 카메라로 빔의 방향을 확인하고 다시 미세조정하는 과정을 반복하다 보니 최적의 정렬 방법을 스스로 습득한 뒤, 이를 하나의 자동 실행 스크립트로 변환하는 방식이었다. 이러한 능력을 통해 실험 장비의 실시간 제어, 오류 감지, 자동화된 실험 수행이 모두 가능해진다.
특정 AI 모델에 종속되지 않는 개방형 표준
MHS는 어느 특정한 AI 모델에도 의존하지 않는 '모델 불가지론' 방식으로 개발됐다. 따라서 '클로드'뿐 아니라 표준 프로토콜을 지원하는 다른 AI 에이전트도 활용할 수 있다. 앤트로픽은 "AI와 외부 서비스를 연결하는 표준으로서 MCP가 소프트웨어 세계에서 수행했던 역할을 MHS는 이제 하드웨어 영역에서 담당하게 될 것"이라고 설명했다.
주요 기업들의 초기 참여
현재 아마존웹서비스(AWS), 다나허, 두산로보틱스, 유니버설로봇, 테칸, QIAGEN, MBF 바이오사이언스, 허깅페이스, 라즈베리파이 등이 초기 프로젝트에 동참하고 있다. AWS는 물리 장비 통제용 '스탠드 로봇(Strands Robots)'에 MHS 지원을 예정하고 있으며, 허깅페이스는 자체 로봇 개발 라이브러리인 르로봇(LeRobot)에 MHS 지원 기능을 추가하는 중이다.
아직 남아있는 한계와 과제
다만 앤트로픽은 MHS가 모든 물리적 위험을 완전히 제거할 수는 없다는 점을 명확히 했다. 클로드가 공간적·물리적 추론에 있어 여전히 제약을 가지고 있어 전문가의 개입이 필요한 상황이 존재할 수 있으며, 프로그래밍 인터페이스 자체가 없는 장비는 아직까지 지원 대상이 아니다.
특히 생물학적 시료처럼 물리적 상태가 실험 결과에 결정적 영향을 미치는 연구의 경우, AI가 소프트웨어의 오류와 실제 장비나 시료의 물리적 문제를 구분하지 못할 가능성이 있다.
향후 오픈소스 공개 계획
앤트로픽은 이번 연구 프리뷰를 통해 안전성을 평가하고 실제 적용 사례들을 충분히 축적한 후, MHS를 오픈소스 형태로 공개할 예정이다.
MHS가 실험실과 공장의 실제 기계를 통제하는 '물리적 AI' 생태계의 핵심 기반시설로 자리잡을 수 있을지가 향후 주목의 대상이다.