앤트로픽, AI가 실험장비 직접 다룬다…하드웨어판 MCP MHS 공개

앤트로픽이 공개한 MHS, 무엇이 달라지나?

앤트로픽이 AI 에이전트가 현미경·로봇팔·실험장비 같은 물리 장비를 직접 다루도록 하는 표준 인터페이스 '모델 하드웨어 스탠더드(MHS)'를 27일(현지시간) 리서치 프리뷰로 공개했다. MHS는 모델 자체가 아니라 서로 다른 제조사의 이기종 장비를 하나의 작업 흐름으로 묶는 오케스트레이션에 초점을 맞춘다. 앤트로픽은 이후 오픈소스로 공개해 업계 표준으로 굳히겠다는 계획이며, 초기 참여자로 두산로보틱스가 이름을 올렸다. 외신들은 이를 앤트로픽의 피지컬 AI 영역 진입 신호로 해석한다.

anthropic-mhs-physical-ai-standard-infographic

MHS는 어떤 문제를 풀려는 것일까?

실험실이나 제조 현장에는 현미경, 로봇팔, 액체 핸들러, 카메라, 센서 등 수많은 장비가 놓여 있다. 문제는 제조사와 제품마다 프로그래밍 인터페이스와 제어 방식이 제각각이라는 점이다. AI 에이전트가 여러 제조사 장비를 연속으로 쓰려면 각 장비의 기능을 파악하고, API를 이해하고, 이를 잇는 별도 소프트웨어까지 만들어야 한다.

MHS는 이 장비별 차이를 표준화된 계층으로 추상화한다. 각 장비에 MHS 드라이버를 붙여, 기존 API나 SDK를 AI 에이전트가 통일된 방식으로 호출하도록 하는 구조다. MHS 프로젝트는 앤트로픽과 하워드 휴즈 의학연구소(HHMI) 재넬리아 연구 캠퍼스의 협력으로 출발했다.

Anthropic's MHS abstracts away the fragmented interfaces of lab and factory equipment so a single AI agent can control devices from different makers.

왜 '장비 설명'까지 AI에 전달하는 걸까?

MHS는 명령어 통일에 그치지 않는다. AI 에이전트가 장비를 안전하고 정확하게 다루려면 그 장비가 무엇을 측정하고, 무엇을 조절하며, 어떤 물리적 제약을 갖는지까지 알아야 한다. 로봇팔이라면 단순한 '이동' 명령만으로는 부족하고, 움직임 범위와 허용 동작이 작업 계획에 반영돼야 한다.

이를 위해 MHS 드라이버는 장비의 기능·측정값·조정 항목·물리적 특성·안전 제한을 담은 참조 파일(reference file)을 생성한다. AI 에이전트는 이 정보를 바탕으로 제약 조건을 파악해 스스로 작업을 계획한다. 개발자가 장비 API를 일일이 이해해 프로그램을 짜던 기존 자동화와 갈라지는 지점이다.

MHS exposes each device's capabilities, limits, and safety boundaries in a reference file, letting the agent plan tasks instead of relying on hand-coded automation.

수치로 보면 얼마나 빨라지나?

앤트로픽은 장비 통합에 드는 시간을 가장 크게 내세운다. 현행 방식으로는 이기종 장비를 통합하는 데 수 주에서 수개월이 걸리지만, MHS를 쓰면 이를 수 시간 또는 수 분 수준으로 줄이는 것이 목표다.

실제 사례도 공개됐다. 제넨텍은 액체 핸들러·로봇팔·플레이트 리더를 연결한 신약 발굴 단백질 실험에 MHS를 적용해, 실험 중 오류를 AI 에이전트가 처리할 수 있는지를 시험했다. HHMI 재넬리아 연구 캠퍼스에서는 기존에 수 주가 걸리던 이미징 실험을 하루 만에 끝냈다고 밝혔다. 초기 참여 파트너에는 두산로보틱스를 비롯해 제넨텍, 카네기멜런대, 유니버설로봇, 큐에라(QuEra), 다나허, 아마존웹서비스(AWS), 허깅페이스 등이 포함됐다.

Anthropic says MHS can cut equipment integration from weeks or months to hours or minutes, with Genentech and HHMI Janelia among the first to test it.

앤트로픽은 왜 이 방식을 택했을까?

MHS는 앤트로픽이 2024년 내놓은 모델 컨텍스트 프로토콜(MCP)과 함께 쓸 수 있다. MCP가 소프트웨어와 데이터를 잇는 표준이었다면, MHS는 그 무대를 물리 장비로 넓힌 '하드웨어판 MCP'인 셈이다. 두 프로토콜을 결합하면 AI 에이전트가 소프트웨어 도구와 실제 장비를 하나의 흐름 안에서 다룰 수 있다.

주목할 점은 MHS가 특정 모델에 종속되지 않는다는 것이다. 앤트로픽은 하드웨어를 직접 만들지 않고, 어떤 AI 모델과 어떤 장비도 이어주는 다리 역할을 자처한다. 엔비디아와 중국 휴머노이드 진영이 막대한 자금을 쏟는 피지컬 AI 시장에서, 앤트로픽은 하드웨어 경쟁 대신 인프라 표준을 선점하는 전략을 택했다. MCP를 사실상의 표준으로 안착시킨 방식을 물리 세계에서 반복하려는 시도다.

By keeping MHS model-agnostic, Anthropic bets on owning the infrastructure standard for physical AI rather than competing on hardware with NVIDIA and humanoid makers.

MHS는 앤트로픽에게 어떤 승부수일까?

이번 MHS 공개를 두고 기자가 주목하는 지점은 앤트로픽이 '모델 경쟁'이 아니라 '표준 경쟁'을 택했다는 사실이다. 지금 피지컬 AI 시장의 주도권 다툼은 대체로 더 강한 모델, 더 정교한 로봇, 더 많은 연산으로 요약된다. 그런데 앤트로픽은 하드웨어를 직접 만들지 않고, 서로 다른 장비와 서로 다른 모델을 이어주는 접점에 자리를 잡았다. 이는 앤트로픽이 자사의 클로드(Claude)에 유리하도록 판을 짜는 대신, 어떤 모델이든 붙일 수 있는 중립적 규격을 먼저 뿌려 생태계의 기본값이 되겠다는 선언에 가깝다.

이 전략이 낯설지 않은 이유는 MCP의 전례가 있기 때문이다. 앤트로픽은 2024년 MCP를 내놓으며 소프트웨어와 데이터를 잇는 표준을 사실상 업계 공용어로 만들었다. 모델 종속을 스스로 포기한 대신, 표준을 쥔 자가 갖는 영향력을 확보한 셈이다. MHS는 그 성공 문법을 물리 세계로 옮긴 시도다. 만약 MHS가 실험실과 제조 현장에서 MCP만큼 자리 잡는다면, 앤트로픽은 하드웨어 한 대 만들지 않고도 피지컬 AI 인프라의 길목을 쥐게 된다.

물론 표준은 선언만으로 완성되지 않는다. 장비 제조사들이 자사 SDK 위에 또 하나의 계층을 얹는 수고를 감수하려면, MHS가 실제로 통합 시간을 수개월에서 수 분으로 줄인다는 약속을 증명해야 한다. 안전성 역시 소프트웨어와는 무게가 다르다. 화면 속 오류는 되돌릴 수 있지만, 로봇팔의 오작동이나 실험장비의 물리적 사고는 그렇지 않다. 앤트로픽이 정식 공개에 앞서 리서치 프리뷰로 안전성 평가를 먼저 돌리는 것도 이 지점을 의식한 행보로 읽힌다. 두산로보틱스가 초기 파트너에 이름을 올린 것은 한국 로보틱스 업계에도 이 표준 경쟁의 향방이 남 일이 아님을 시사한다.

Anthropic is competing on standards, not models — repeating its MCP playbook to become the default infrastructure layer for physical AI, though adoption and physical-world safety remain the real tests.

자주 묻는 질문

Q. MHS는 앤트로픽의 새 AI 모델인가요?

아닙니다. MHS는 AI 모델이 아니라, AI 에이전트가 물리 장비를 표준화된 방식으로 제어하도록 돕는 인터페이스 표준입니다. 모델 성능보다 서로 다른 장비를 잇는 오케스트레이션에 초점이 있습니다.

Q. MCP와는 어떤 관계인가요?

MCP가 AI 모델을 외부 소프트웨어·데이터와 잇는 표준이라면, MHS는 그 대상을 물리 장비로 확장한 표준입니다. 두 프로토콜을 함께 쓰면 소프트웨어와 실제 장비를 하나의 작업 흐름으로 연결할 수 있습니다.

Q. 지금 누구나 쓸 수 있나요?

현재는 과학·로보틱스·전자·제조 분야의 일부 이해관계자만 참여하는 제한적 리서치 프리뷰 단계입니다. 안전성 평가와 운영 모범사례를 다듬은 뒤 오픈소스로 정식 공개할 계획입니다.

Q. 한국 기업도 참여하나요?

네. 초기 참여 파트너에 두산로보틱스가 포함돼 있습니다. 이 밖에 제넨텍, 카네기멜런대, 유니버설로봇, 큐에라, 다나허, AWS, 허깅페이스 등이 함께합니다.