MHS: Claude ahora puede operar robots de laboratorio y dispositivos físicos
El 27 de agosto de 2026, Anthropic abrió una vista previa de investigación del Estándar de Hardware de Modelo (MHS, por sus siglas en inglés), una especificación compartida que permite a los agentes de IA controlar microscopios, brazos robóticos, manipuladores de líquidos y otros instrumentos en paralelo. MHS reduce la integración de dispositivos de semanas a horas. Esta lección muestra cómo se comporta Claude en entornos de laboratorio físicos y qué necesita proporcionar para trabajar con él de manera efectiva.
Claude ahora puede operar equipos de laboratorio físicos. El Estándar de Hardware de Modelo (MHS) es una especificación compartida que permite a los agentes de IA controlar instrumentos como microscopios, manipuladores de líquidos, brazos robóticos y hardware de computación cuántica, simultáneamente, las veinticuatro horas del día.
Antes de MHS, conectar múltiples dispositivos de laboratorio requería que especialistas construyeran integraciones personalizadas para cada par de instrumentos. Ese proceso típicamente tomaba semanas o meses. MHS lo reduce a horas o minutos.
MHS comenzó como una colaboración entre Anthropic y HHMI Janelia Research Campus. Funciona con cualquier dispositivo que tenga una interfaz programable. Es agnóstico al modelo: cualquier arnés de agente puede acceder a él utilizando protocolos estándar, incluido el Protocolo de Contexto de Modelo (MCP).
MHS funciona dando a cada dispositivo un controlador estandarizado. Un controlador es un software que traduce entre una computadora y un dispositivo de hardware. El controlador MHS utiliza comandos simples —"leer" (por ejemplo, "obtener temperatura") y "escribir" (por ejemplo, "establecer temperatura")— que cualquier dispositivo puede entender.
Cada dispositivo también se vuelve detectable a través de una red en un formato estándar. Los dispositivos y agentes se encuentran entre sí sin un traductor personalizado de por medio.
El controlador incluye etiquetas donde los usuarios escriben hechos físicos en lenguaje natural: el peso de un brazo robótico, sus límites de seguridad, lo que puede medir. Los usuarios pueden llenar estas etiquetas ellos mismos, o chateando con Claude, quien los entrevista sobre su hardware. Luego, el controlador produce un archivo de referencia para que Claude sepa cómo operar el dispositivo de manera segura, incluso uno que nunca antes haya visto.
Una vez que los dispositivos están conectados, Claude los controla a través de MCP, la línea de comandos o archivos de código. Secuencia pasos entre instrumentos, monitorea resultados y ajusta parámetros en tiempo real.
Claude aborda los experimentos como lo hace un científico: de forma iterativa. Al probar MHS, Anthropic observó a Claude ajustando un láser, verificando el resultado a través de una cámara, ajustando de nuevo y repitiendo hasta que comprendió la secuencia. Una vez que Claude captó el patrón, empaquetó su aprendizaje en un archivo de código, un script determinista que alineaba el láser como un solo comando, sin razonar en cada paso.
Cuando Claude necesita ejecutar tareas largas u operar dispositivos más rápido de lo que permite el razonamiento en tiempo real, encadena comandos de controlador en archivos de código. Los dispositivos luego ejecutan esas operaciones de forma independiente.
Claude también puede recuperarse de errores de hardware sin intervención humana, una capacidad que la mayoría de los instrumentos científicos actuales carecen por sí mismos.
Genentech utilizó MHS para automatizar el ensayo de proteínas BCA, un procedimiento de tres instrumentos. El ensayo BCA (ácido bicinchonínico) mide la concentración total de proteínas en una muestra. Requiere coordinar un manipulador de líquidos, un brazo robótico y un lector de placas.
Genentech le pidió a Claude que optimizara las tasas de flujo de transferencia de líquidos para dos fluidos: agua pura y albúmina sérica bovina (BSA) viscosa. Claude realizó transferencias de prueba, analizó los datos del lector de placas y minimizó la brecha entre sus resultados y una transferencia de referencia de un experto. Llegó a aproximadamente 140 µL/s para el agua (0.016 RMSE) y 10 µL/s para la BSA (0.181 RMSE), valores que los expertos en automatización de Genentech confirmaron como razonables.
Claude también se recuperó por sí mismo de fallas en la recogida de puntas y errores de detección de fluidos. Pero había un límite claro: cuando se formaban burbujas en el líquido, el instinto de Claude era volver a intentarlo en el mismo pozo con diferentes parámetros. Eso empeoró el problema. Claude carecía de intuición física sobre la física de las burbujas. Una vez que Genentech le dijo a Claude que las burbujas requerían moverse a un pozo limpio y reducir los ciclos de mezcla, Claude mantuvo ese contexto durante el resto de la ejecución. Genentech luego codificó esos pasos como habilidades reutilizables de manejo de líquidos.
La conclusión práctica: Claude razona poderosamente sobre secuencias y datos. El conocimiento del dominio físico, especialmente para las condiciones de error, aún debe provenir de usted.
Lo que MHS significa para trabajar con Claude:
MHS permite a Claude controlar hardware de laboratorio y fabricación a través de un controlador estandarizado, reduciendo la integración de dispositivos de semanas a horas.
Claude secuencia pasos entre instrumentos, se ajusta en tiempo real y puede recuperarse de errores de hardware de forma autónoma.
Los hechos físicos (peso, límites de seguridad, comportamiento de los fluidos) deben proporcionarse en las etiquetas del controlador MHS o en sus indicaciones. Claude no puede inferirlos solo del código.
Cuando el instinto de recuperación de errores de Claude entra en conflicto con la realidad física (como volver a intentarlo en un pozo espumoso), dele el contexto físico que le falta en lugar de pedirle que vuelva a intentar el mismo enfoque.
Empaquete lo que Claude aprende en archivos de código o habilidades reutilizables para que ese conocimiento se transfiera a futuras ejecuciones.
MHS está en vista previa de investigación a partir del 27 de agosto de 2026, y será de código abierto después de que se establezcan evaluaciones de seguridad y mejores prácticas con los socios.