Anthropics Modell-Hardware-Standard: KI-Agenten erhalten ein einheitliches Treiberpaket für Labor- und Fabrikgeräte
Anthropic hat eine Forschungspreview des Model Hardware Standard (MHS) veröffentlicht – eine gemeinsame Spezifikation, die es KI-Agenten ermöglicht, physische Geräte wie Mikroskope, Flüssigkeitshandhaber und Roboterarme sicher zu bedienen. Das Ziel ist es, die typischerweise wochen- bis monatelange Hardware-Integrationszeit in Laboren und Fabriken auf Stunden oder Minuten zu reduzieren.
Wie MHS funktioniert
MHS führt einen standardisierten Treiber ein, der zwischen einem Gerät und einem KI-Agenten übersetzt. Der Treiber stellt einen einfachen Satz von Grundoperationen bereit – Befehle wie read (z. B. "Temperatur abfragen") und write (z. B. "Temperatur setzen") – die jedes programmierbare Gerät verstehen kann. Er macht Geräte auch ohne benutzerdefinierte "Übersetzer"-Programme über Netzwerke hinweg auffindbar.
Entscheidend für den sicheren Betrieb kann der Treiber natürlichsprachige Tags enthalten, die Geräteeigenschaften beschreiben, die aus dem Code nicht ersichtlich sind (wie das Gewicht eines Roboterarms). Benutzer können diese Tags manuell hinzufügen oder durch einen Chat mit einem Agenten, der sie über das Setup befragt. Aus diesen Tags generiert MHS automatisch eine Referenzdatei mit Gerätefähigkeiten, Einstellbarkeit und erzwungenen Sicherheitsgrenzen – im Wesentlichen erhält der Agent damit die Informationen, die früher in Papierhandbüchern standen.
Drei Steuerungsmechanismen
Nach der Verbindung können Agenten Hardware über drei Mechanismen steuern:
- MCP (Model Context Protocol) – Standardprotokoll für die Agent-zu-Tool-Kommunikation.
- Kommandozeilenschnittstelle – direkte Terminalsteuerung.
- Codedateien (APIs) – Verkettung von Treiberbefehlen zu Skripten für schnelle, langlaufende Operationen.
Diese Mechanismen arbeiten zusammen, um mehrere Geräte über eine einzige Codezeile zu orchestrieren. Agenten können Schritte über Instrumente hinweg sequenzieren, Ergebnisse in Echtzeit überwachen und Parameter anpassen, wenn sich Bedingungen ändern – sogar Hardwarefehler ohne menschliches Eingreifen beheben.
Anthropic berichtet, dass Claude in Tests auf explorative Weise mit Experimenten interagierte, ähnlich wie ein Wissenschaftler. Ein beobachtetes Beispiel: Claude justierte einen Laser und verwendete dann eine Kamera, um die Wirkung visuell zu bewerten – eine Schleife, die die Fähigkeit des Agenten demonstriert, über physische Aktionen zu schlussfolgern.
MHS wird derzeit mit einer ersten Gruppe von wissenschaftlichen Forschungslaboren und fortschrittlichen Herstellern geteilt, einschließlich einer Zusammenarbeit mit dem HHMI Janelia Research Campus. Anthropic plant, Sicherheitsbewertungen und Best Practices zu entwickeln, bevor der Standard Open Source wird.
Wer sich bewerben sollte
Die Preview ist offen für wissenschaftliche Forschungslabore, Robotik-Teams, Elektronikhersteller und fortschrittliche Fertigungsanlagen. Bewerbungen werden jetzt über die Website von Anthropic angenommen.
📖 Vollständige Quelle lesen: HN AI Agents
👀 Siehe auch

Alternative KI-Coding-Agenten nach der Entfernung von Claudes Plan
Ein Reddit-Nutzer testete mehrere KI-Coding-Agent-Alternativen, nachdem Claude seinen Coding-Plan eingestellt hatte, darunter Kimi (20 $/Monat), Minimax (10 $/Monat), Z.AI GLM (10 $/Monat), Stepfun (6-10 $/Monat), Mistral (15 $/Monat) und Arcee Trinity (API-basiert).

Anthropics Multi-Agent-Harness-Design zur Verbesserung der Codequalität von Claude
Anthropics Blogbeitrag beschreibt ein Harness-Design mit mehreren Agenten, um Claudes Kontextangst und Selbstbewertungsverzerrung anzugehen, mit spezifischen Agentenrollen und Bewertungskriterien für Frontend- und Full-Stack-Entwicklung.
Tokenloser API-Gateway leitet KI-Verkehr zwischen Modellen, um Kosten zu halbieren
Tokenless ist ein API-Gateway, das KI-Agenten-Anfragen dynamisch von Modell zu Modell weiterleitet. Es erreicht die Leistung von Claude Fable 5 zu halben Kosten, indem es mehrere Modelle gleichzeitig abfragt und das beste während der Generierung auswählt.

Codiff v0.1.0: Ein lokaler Diff-Viewer für LLM-generierte Code-Reviews
Codiff v0.1.0 ist eine schnelle, minimalistische Desktop-App zum Überprüfen lokaler Git-Diffs mit LLM-Walkthrough-Modus und Inline-Kommentaren, die als Markdown kopiert werden können.