앤트로픽(Anthropic)과 HHMI 재닐리아(Janelia)가 AI 에이전트가 다양한 실험실 및 제조 장비를 공통 방식으로 안전하게 운용하도록 설계된 ‘모델 하드웨어 표준(MHS)’의 제한된 연구 프리뷰를 시작했습니다. MHS는 제조사마다 다른 장비의 제어 방식과 상태 정보를 통일하여, 현미경, 로봇 팔, 액체 처리기 등 여러 장비를 연결할 때마다 맞춤 코드를 작성해야 하는 기존의 부담을 크게 줄여줍니다. 이를 통해 AI 에이전트가 단순히 명령을 보내는 것을 넘어, 실험 결과를 관찰하고, 설정을 변경하며, 다음 작업을 자율적으로 조율할 수 있게 됩니다.
MHS의 핵심은 ‘MHS 드라이버’입니다. 이 드라이버는 운영체제와 하드웨어 사이에서 장비별 인터페이스를 ‘읽기(read)’와 ‘쓰기(write)’ 같은 단순한 기본 명령으로 통일합니다. 예를 들어, ‘읽기’는 온도와 같은 장비 상태를 가져오고, ‘쓰기’는 목표 온도를 설정하는 식입니다. 또한, 장비의 물리적 특성(예: 로봇 팔의 무게)도 드라이버에 담을 수 있어, AI가 이를 활용해 보다 정교한 제어를 할 수 있습니다. 초기 사례에서는 실험 자동화 구축 시간을 수주에서 약 8시간으로 단축했으며, 쿼에라(QuEra)에서는 AI가 개발한 레이저 복구 코드가 700회 시험 중 695회 성공하는 놀라운 성과를 보였습니다. 제넨텍(Genentech)은 MHS를 이용해 단백질 분석 실험을 자동화했고, 워싱턴 대학교(University of Washington)는 원격 단백질 설계 실험실을 구축하여 실험 비용과 처리량을 개선했습니다.
이 표준은 과학 연구 및 산업 자동화 분야에 혁신적인 변화를 가져올 잠재력을 가지고 있습니다. 기존에는 장비 통합에 수주에서 수개월이 걸리던 작업이 MHS를 통해 수시간 또는 수분 내로 가능해지며, AI가 실시간 판단과 매개변수 갱신, 일부 하드웨어 오류 복구까지 수행할 수 있게 됩니다. 이는 신약 개발, 양자 컴퓨팅, 재료 과학 등 복잡한 실험이 필요한 분야에서 연구 속도를 획기적으로 가속화하고, 연구자의 반복적인 수작업 부담을 줄여 더 창의적인 연구에 집중할 수 있도록 도울 것입니다. MHS는 특정 모델에 종속되지 않는 개방형 표준을 지향하며, 안전성 평가와 현장 검증을 거쳐 오픈소스화될 계획이어서 앞으로 더 많은 분야에 적용될 것으로 기대됩니다.