Anthropic의 모델 하드웨어 표준: AI 에이전트가 실험실 및 공장 장치를 위한 통합 드라이버를 획득하다
Anthropic이 모델 하드웨어 표준(MHS)의 연구 프리뷰를 공개했습니다. 이는 AI 에이전트가 현미경, 액체 처리기, 로봇 팔과 같은 물리적 장치를 안전하게 작동할 수 있게 해주는 공유 사양입니다. 목표는 실험실과 공장에서 일반적으로 몇 주에서 몇 달이 걸리는 하드웨어 통합 시간을 몇 시간 또는 몇 분으로 줄이는 것입니다.
MHS 작동 방식
MHS는 장치와 AI 에이전트 간의 변환을 수행하는 표준화된 드라이버를 도입합니다. 드라이버는 프로그래밍 가능한 모든 장치가 이해할 수 있는 read(예: "온도 가져오기") 및 write(예: "온도 설정")와 같은 간단한 명령 집합을 노출합니다. 또한 맞춤형 "번역기" 프로그램 없이도 장치를 네트워크에서 검색할 수 있게 합니다.
안전한 작동을 위해 드라이버에는 코드에서 명확하지 않은 장치 특성(예: 로봇 팔의 무게)을 설명하는 자연어 태그가 포함될 수 있습니다. 사용자는 수동으로 태그를 추가하거나 설정에 대해 인터뷰하는 에이전트와 채팅하여 태그를 추가할 수 있습니다. MHS는 이러한 태그를 기반으로 장치 기능, 조정 가능성 및 적용된 안전 제한을 포함하는 참조 파일을 자동으로 생성합니다. 본질적으로 에이전트에게 이전에는 종이 매뉴얼에 있던 정보를 제공합니다.
세 가지 제어 메커니즘
연결되면 에이전트는 세 가지 메커니즘을 통해 하드웨어를 제어할 수 있습니다.
- MCP(모델 컨텍스트 프로토콜) — 에이전트-도구 통신을 위한 표준 프로토콜.
- 명령줄 인터페이스 — 직접적인 터미널 제어.
- 코드 파일(API) — 드라이버 명령을 스크립트로 연결하여 빠르고 장기 실행 작업 수행.
이러한 메커니즘은 함께 작동하여 단일 코드 줄로 여러 장치를 오케스트레이션합니다. 에이전트는 장비 간에 단계를 시퀀싱하고, 실시간으로 결과를 모니터링하며, 조건이 변경됨에 따라 매개변수를 조정할 수 있으며, 인간의 개입 없이 하드웨어 오류에서도 복구할 수 있습니다.
Anthropic은 테스트에서 Claude가 과학자처럼 탐색적인 방식으로 실험과 상호 작용했다고 보고했습니다. 관찰된 예: Claude가 레이저를 조정한 다음 카메라를 사용하여 효과를 시각적으로 평가했습니다. 이 루프는 물리적 행동에 대해 추론하는 에이전트의 능력을 보여줍니다.
MHS는 HHMI Janelia Research Campus와의 협업을 포함하여 첫 번째 과학 연구 실험실 및 첨단 제조업체 그룹과 공유되고 있습니다. Anthropic은 표준을 오픈 소스로 만들기 전에 안전 평가 및 모범 사례를 구축할 계획입니다.
신청 대상
프리뷰는 과학 연구 실험실, 로봇 팀, 전자 제조업체 및 첨단 제조 시설에 공개됩니다. 신청은 현재 Anthropic 웹사이트에서 받고 있습니다.
📖 전체 소스 읽기: HN AI Agents
👀 See Also

세션 검색: Claude Code 및 Codex 세션을 위한 로컬 전체 텍스트 검색, 이제 메뉴바에서
Session Search는 SQLite FTS를 사용하여 로컬 Claude Code 및 Codex 기록을 인덱싱하여 오류, 명령어, 파일 이름, 결정 사항을 전체 텍스트로 깊이 검색할 수 있도록 하는 도구입니다. macOS 메뉴 막대에서 하이라이트된 스니펫과 함께 사용할 수 있습니다.

ClawMetry: OpenClaw 에이전트를 위한 오픈소스 가시성 대시보드
ClawMetry는 OpenClaw 에이전트를 위한 오픈소스 가시성 대시보드로, 라이브 세션 활동, 토큰 비용 추적, 메모리 파일 변경 감지, 멈춤 세션 알림을 제공합니다. pip install clawmetry로 로컬에서 실행되며 OpenClaw 자체를 사용하여 구축되었습니다.

오픈소스 클로드 스킬: 경영 컨설팅 프레임워크 및 사례 연구
MIT 라이선스로 제공되는 무료 Claude 스킬이 경영 컨설팅 업무를 위한 구조화된 참고 자료를 제공합니다. 이 프로젝트는 프레임워크, 산업 맥락, 사례 연구를 포함하며, 도메인별로 구성된 80개 이상의 마크다운 파일로 이루어져 있습니다. 또한 커버리지를 확장하기 위한 기여자를 모집하고 있습니다.

OpenClaw PARA 조직 기술이 파일을 프로젝트, 영역, 리소스, 아카이브로 자동 분류합니다
한 개발자가 OpenClaw 스킬을 만들어 PARA 방법(프로젝트, 영역, 리소스, 아카이브)을 통해 파일을 체계적으로 정리하도록 했습니다. 이 스킬은 모든 내용을 루트 디렉터리에 덤프하는 대신 자동으로 분류합니다.