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

Trepan: Lokaler VS Code-Sicherheitsauditor für KI-generierten Code
Trepan ist eine Open-Source-VS-Code-Erweiterung, die als Sicherheitswächter für KI-generierte Code-Vorschläge fungiert. Sie nutzt Ollama, um lokale Sicherheitsaudits gegen projektspezifische Regeln in einer .trepan/system_rules.md-Datei durchzuführen.

Claude für Designarbeit: Wie man die immer gleichen Geschmacksdebatten in jeder Sitzung beendet
Ein Entwickler, der über Claude Kundenprojekte betreut, beschreibt das Kernproblem: Claude hat kein Gedächtnis für abgelehnte Designentscheidungen, was zu generischen Ergebnissen und inkonsistenter Markenidentität führt.

harshal-mcp-proxy Jetzt auf npm: Ein einzelner Daemon ersetzt 12 MCP-Server-Konfigurationen
harshal-mcp-proxy ist jetzt als 54-kB-npm-Paket verfügbar. Global installieren, als Daemon ausführen und 12 separate MCP-Serverkonfigurationen durch 6 Tools ersetzen, spart ca. 2,7 GB RAM und ~50K Tokens pro Sitzung.

Attesor: KI-gestützte Reverse-Engineering von Rosetta 2 für Linux-VM
Attesor ist ein GitHub-Projekt, das KI nutzt, um Apples Rosetta-2-Binärübersetzungstechnologie zu reverse-engineern. Es zielt darauf ab, deren Architektur zu dokumentieren und möglicherweise x86_64-zu-ARM64-Übersetzung auf Linux-Virtual-Machines zu ermöglichen.