Anthropic 发布硬件版MCP：MHS，掀不动工业控制的桌子但有潜在影响
近日，Anthropic 发布了面向硬件设备的“MCP协议”：MHS（模型硬件标准（Model Hardware Standard）预览版，一个让 Agent 安全且快捷地操控物理设备的底层通信规范。短期内MHS只是预览版，主要面向实验室自动化场景应用，还不涉及工业设备控制。但Anthropic此次从软件走向实体硬件领域，背后蕴藏的野心可能并不小，各类硬件通过统一协议对接到Agent上，想象空间是非常大的，包括涉及大量设备控制的工业领域。很多人可能很快会以安全为理由，把MHS在工业控制的应用一棒子拍死。但AIE看来可能没这么简单，它确实很难掀动当前工业控制的桌子，但有一些应用的可能。MHS要解决的问题是，一堆设备各自有各自的接口协议，缺少统一标准，这给Agent与设备进行通信和操作带来了不便。例如很多实验室显微镜、相机、机械臂等设备，各有各的接口，要编制一个协调控制这些设备完成一系列试验的Agent，可能在接口上就要花很久的时间，同时，使用固定代码的方式编制的程序，灵活度也不够高，试验步骤有些简单调整，原来代码可能就不适用。于是，MHS采用类似MCP的理念，让每个硬件设备把自己的接口，按统一的标准封装成一个新的接口（封装的MHS接口是在设备原有接口层之上的一层），同时，这个接口也自带了AI能看懂的说明书，这样Agent就可以识别并调取设备的接口，并操作设备执行自动化的任务。就像很多CAD发布MCP Server之后，Cluade就可以连接CAD，在Cluade中通过自然语言执行CAD的建模、编辑等操作。硬件设备，如显微镜、机械臂发布了MHS之后，也就可以对接Cluade，通过自然语言执行对设备的一些控制操作。以实验室场景为例，Anthropic官方介绍的一个典型案例，科学家需要持续跟踪观测显微镜上的微生物，但微生物一直在运动，过去让显微镜持续跟踪微生物运动就很难。有了MHS之后，Cluade结合视觉和显微镜的接口，编了个程序，持续控制显微镜跟踪微生物又如卡内基梅隆大学，用MHS完成了一个测试。他们要协调液体处理器、微孔盘读取仪、机械臂和摄像头完成药物剂量反应实验。这些设备分散在3台电脑上，控制方式各不形同，有COM接口，图形界面操作等。传统供应商自动化整合需要数周，导入MHS后，团队只花了8小时完成整合，实验速度也提高了3倍。此外，Genentech的科学家像Cluade发送了自行设计的实验室PDF文档，Cluade自主调用配备了MHS的实验设备完成了整个实验流程。综上，MHS目前的明确应用方向为实验室自动化，已经对接了一些科学实验室和实验室设备制造商，如AWS将把MHS集成到Strands Robots库；Doosan Robotics在测试机械臂联动；Universal Robots计划加入支持；Tecan和QIAGEN分别在自己的液体处理平台和核酸纯化平台上做集成。MHS不与Cluade绑定，未来计划开源，可以对接任何类似的CLI Agent。工业人最先想到的问题：安全性
MHS如果用在工业领域，理论上也可以进行设备的操作和协同控制等，但让AI操控设备，工业人的第一反应：安全么？Anthropic当然也考虑了这个问题，给出了一系列的安全机制指引：模拟器。在连接真实的仪器之前，先构建模拟器，对MHS和AI功能进行全面测试读写操作分开处理。只读功能应独立于那些能够改变温度、运动、压力、电压、流体流动或存储数据的操作功能。不要给某个通用工具同时赋予检查和操作所有设备的权限。
对模型给出的输入数据进行验证和限制。例如一个电机，能接收的转速控制输入在12000转以下，这个会写在MHS的协议层，AI如果发来的指令是15000转，MHS协议就会告诉AI 数据超限，不予接收。
增加人类审批功能。对于新设备的发现、与安全相关的参数的修改、超出测试范围的动作、化学或生物过程的操作，以及任何可能损坏设备或样本的行为，都需要得到人类的批准
急停功能。MHS里面定义了急停功能，当模型不可用、出现混乱、受到速率限制或受到攻击时，紧急停止功能必须能够正常工作。硬件联锁装置和独立监控机制应该能够在不需要等待代理或网络响应的情况下停止操作。
记录证据链。存储用户请求、已解决的设备身份信息、工具参数、审批结果、测量数据、驱动程序响应、故障信息以及最终状态等全链路证据。
此外，MHS还设置了一个“参考文件”，让人可以把操作设备的一些经验固化进去，作为对AI的指导
总之，结合这一系列安全措施，可以在一定程度上保证对设备操作的安全性，在设备安全性要求不特别高的场景是可以先跑起来的。后续可能也会出现更多的安全机制，来使其适应更高要求的场景。假设安全已经不是问题，接下来的问题就成了，工厂里现有的两套设备联网和控制体系：DCS和SCADA工控系统、IIoT工业物联网平台，在MHS进工业时，与其将是何种关系。首先，可以明确的是，MHS不会进入DCS、SCADA这一层的L2级控制系统，不现实也没必要。当前很多工厂，底层设备都已经通过工业总线或工业以太网等，接入了DCS、SCADA等L2级控制系统，实时性要求高的设备直接控制任务，也都直接写在了在DCS、SCADA系统内，这个系统已经形成了可自动化运行的闭环控制。 大模型Agent响应速度是比较慢的，Agent直连底层设备是无法满足秒级甚至毫秒级的L2级自动化控制要求的。 同时，底层设备控制通信并非七国八制，而是已经行为了围绕在几个典型工控巨头主导的工业协议周围，形成了统一协议的庞大生态系统。众多参与方也没必要把现有的统一协议改成MHS体系。其次，DCS、SCADA之上的L3层生产级控制，是有MHS的潜在应用空间的，但也要分情况讨论。对于设备和固定流程的产线，工厂投产时一般已经建设好了DCS、SCADA等L2级控制系统，并一般会在后续陆续升级，将DCS、SCADA、各类物联设备，通过IoT网 关等方式，接入了统一的IIoT平台，在平台上进行了统一的物模型建模，并向上暴露API、服务供上层应用调用。这套体系很成熟有效，也实现了上层可以对下层的统一调用，很多企业已经在此基础上，开发一些生产控制类Agent，通过调用平台上API进行设备的操控。如现在已经有实际应用的流程制造工厂AI高级智控，让AI进行L3级控制或RTO、APC优化，发送控制指令给DCS，完成生产装置的全自动控制运行。但如果设备经常变化，流程经常改动，每次都需要重新接入和配置IIoT平台和对上暴露的API和服务，MHS方式就能体现出更加灵活，适应性更强的优势。让每个设备，每套装置的DCS、SCADA控制系统作为一个设备，各自暴露自己的MHS，由Agent动态的接入设备和DCS控制系统，动态根据上层任务目标，对各类设备、控制系统进行柔性自适应控制。很明显，这样的场景在之前提到的实验室是比较常见的，在工业有一些，并不多。如工业现场测量、物料机器人、视觉监控等常变动的设备，与生产设备的协同，或一些柔性程度非常高，需要经常灵活变动设备的产线，或者企业的设备产品，在用户现场需要进行灵活的组网和调度控制。在这些场景下，或许未来可以通过MHS，实现一些智能化的柔性自适应控制。所以总结而言，MHS首先是只适合L3级级别生产控制的，然后，对于其中设备和流程稳定的产线，优势也不大，只是在设备需要灵活配置的场景，如高度柔性产线等，具备一定的灵活性优势，未来可能有一定的应用空间。以上只是当前的一个浅显分析，MHS当前只是预览版，未来还将如何迭代升级还不好说。MHS是否会对工控生态体系产生影响，也欢迎在评论取讨论~额外值得借鉴的点
此次Anthropic发布的MHS介绍视频里，直接展示了AI工程师在用户现场，与用户联合开发demo，观察效果，并展示了很多用户的现场反应。这种方式介绍应用场景和案例，比很多国内供应商自以为是拿AI做出的蹩脚的，空虚的案例介绍视频，可信度和观感要好的多，值得更多供应商学习和借鉴。 
