피지컬 AI 표준
앤트로픽 MHS 연구 프리뷰, AI 에이전트가 물리 장비를 다루는 공통 계층
Anthropic이 프로그래밍 가능한 실험·제조 장비를 표준 드라이버로 연결하는 Model Hardware Standard 연구 프리뷰를 공개했습니다.
이 글에서 다룰 내용
MHS의 작동 원리, MCP와의 관계, 초기 파트너 실험, 피지컬 AI 안전 한계
앤트로픽 MHS란 무엇인가요?
앤트로픽이 2026년 8월 27일 공개한 MHS는 Model Hardware Standard의 약자입니다. 이는 AI 에이전트가 현미경, 액체 처리 장비, 로봇팔 등 프로그래밍 가능한 물리 장비를 안전하게 조작하도록 돕는 공통 규격의 연구 프리뷰입니다.
지금까지 AI 에이전트는 문서 작성이나 데이터 검색처럼 주로 소프트웨어 안에서 작업했습니다. 하지만 하드웨어와 연결되면 시료를 옮기고, 장비를 작동하고, 센서 결과를 확인하는 실제 행동까지 수행할 수 있습니다.
이 글에서 다룰 내용
앤트로픽 MHS의 역할, MCP와의 차이, 로봇팔 연결 방식, 실험실 자동화 활용 사례, 피지컬 AI의 안전 과제
MHS의 핵심은 장비마다 제각각인 인터페이스를 표준 드라이버와 공통 설명 체계로 감싸는 데 있습니다. 드라이버는 read와 write 같은 기본 명령을 제공하고, 장비의 무게·조정 가능 항목·측정값·강제 안전 한계를 태그와 참조 파일로 에이전트에 전달합니다.
MCP와 MHS는 어떻게 다른가요?
MCP는 Model Context Protocol의 약자로, AI 모델이 외부 데이터와 소프트웨어 도구를 활용할 수 있게 해주는 연결 규격입니다. 예를 들어 AI가 파일을 읽거나 데이터베이스를 조회하고 업무 도구를 호출하도록 만들 수 있습니다.
반면 MHS는 물리 장비의 드라이버와 장비 설명 형식을 표준화합니다. 공식 발표 기준 MHS 장비를 제어하는 방식은 MCP, 명령줄 인터페이스, 코드 파일 API 세 가지이며, MCP는 MHS와 경쟁하는 규격이 아니라 에이전트가 MHS 장비에 접근하는 표준 프로토콜 중 하나입니다.
쉽게 표현하면 MCP가 에이전트와 외부 시스템의 연결 통로라면, MHS는 물리 장비가 그 통로에서 일관되게 발견되고 조작되도록 만드는 하드웨어 계층입니다.
예를 들어 AI가 이전 실험 결과를 분석한 뒤 다음 실험 조건을 결정할 수 있습니다. 이후 로봇팔에 시료 이동을 요청하고, 분석 장비의 측정 결과를 다시 받아 다음 단계를 판단하는 식입니다.
로봇팔과 실험 장비는 어떻게 연결될까요?
로봇팔 제조사와 모델에 따라 지원하는 명령어와 제어 방식은 서로 다릅니다. 같은 ‘물체를 집어 옮기는 작업’이라도 좌표 형식, 속도 설정, 오류 코드가 모두 달라 별도의 연동 개발이 필요했습니다.
MHS 드라이버는 장비를 표준 형식으로 발견하게 하고, 네트워크를 통해 별도의 맞춤형 번역 프로그램 없이 통신하도록 설계됐습니다. 에이전트는 장비의 operating data를 받고 작업 순서를 조율하며, 조건이 바뀌면 파라미터를 조정할 수 있습니다.
장시간 또는 빠른 작업은 에이전트가 여러 드라이버 명령을 코드 파일로 묶어 실행할 수 있습니다. 공식 사례에서는 Claude가 레이저 조정 과정을 탐색한 뒤 결정적 스크립트로 패키징했지만, 이는 연구 프리뷰의 초기 실험이며 모든 장비에서 같은 결과를 보장하지 않습니다.
이러한 분리는 안전에도 도움이 됩니다. 장비 자체의 비상 정지, 충돌 방지, 이동 범위 제한 같은 기능을 유지하면서 AI의 작업 요청을 별도로 검증할 수 있기 때문입니다.
실험실 자동화가 가장 먼저 주목받는 이유
실험실은 반복 작업이 많고, 과정과 결과를 데이터로 기록하기 좋습니다. 시료 분주, 배양 조건 변경, 이미지 촬영, 결과 측정처럼 단계가 명확한 작업이 많아 AI 에이전트를 적용하기에 유리합니다.
공식 파트너 사례에서 Genentech는 액체 처리 장비·로봇팔·플레이트 리더를 묶은 BCA 단백질 분석 개념검증에 MHS를 사용했습니다. Carnegie Mellon University 연구진은 직렬 희석 용량-반응 실험을 기존보다 약 3배 빠르게 수행했다고 밝혔고, QuEra는 레이저 잠금 복구 제어기가 700회 테스트 중 695회 성공해 99.3% 성공률을 기록했다고 보고했습니다.
이 수치는 Anthropic 공식 발표에 포함된 초기 파트너 실험 범위입니다. 전체 실험실이나 제조 현장에 일반화된 성능 보장이 아니라, 여러 장비를 공통 계층으로 연결했을 때 가능한 방향을 보여주는 사례로 읽어야 합니다.
다만 완전 무인 실험실을 바로 의미하는 것은 아닙니다. 위험 물질 취급, 장비 오작동, 잘못된 시료 선택처럼 현실 공간에서 발생하는 문제는 디지털 작업보다 피해가 클 수 있으므로 사람의 승인과 감시가 필요합니다.
피지컬 AI 시대에 필요한 안전장치
피지컬 AI는 화면 속 답변을 넘어 현실에 영향을 줍니다. Anthropic도 현재 Claude의 공간·물리 추론에는 한계가 있어 전문가 감독이 필요하다고 명시했습니다. MHS는 프로그래밍 인터페이스가 없는 장비에는 아직 적용되지 않으며, 오픈소스화 전 연구 프리뷰에서 추가 안전 평가와 배포 지침을 만들 계획입니다.
권한 관리도 세분화할 필요가 있습니다. AI가 장비 상태를 조회하는 권한, 작업을 준비하는 권한, 실제 동작을 실행하는 권한을 분리하면 실수나 오용의 위험을 줄일 수 있습니다.
모든 작업에 실행 기록을 남기는 것도 중요합니다. 누가 어떤 지시를 내렸고, AI 에이전트가 어떤 장비에 무슨 요청을 보냈으며, 실제 결과가 어땠는지 추적할 수 있어야 합니다.
고위험 작업에는 사람의 최종 승인을 요구하고, 장비별 동작 범위와 속도를 제한하는 정책도 필요합니다. 표준이 연결의 편의성만 높이는 것이 아니라 안전 규칙까지 일관되게 적용할 수 있어야 현장에서 신뢰를 얻을 수 있습니다.
MHS가 바꿀 AI 에이전트의 역할
MHS 연구 프리뷰는 AI 에이전트의 활동 범위를 소프트웨어에서 현실 장비로 넓히려는 시도입니다. 공식 발표는 AWS Strands Robots, Hugging Face LeRobot, Raspberry Pi, Automata, Universal Robots 등 초기 파트너의 참여도 소개했습니다.
다만 MHS는 아직 오픈소스로 공개된 완성 표준이 아닙니다. 현재는 연구 프리뷰 단계이며, 프로그래밍 가능한 장비·제조사 드라이버·전문가 감독·권한 관리·현장 검증이 모두 필요합니다.
MCP가 에이전트의 연결 프로토콜이라면 MHS는 물리 장비를 표준화하는 계층입니다. 두 규격이 함께 작동할 때 중요한 경쟁력은 단순히 장비를 움직이는 능력이 아니라 현실에서 무엇을 안전하고 재현 가능하게 실행할 수 있는가가 될 것입니다.
한 줄 요약: 앤트로픽 MHS는 AI 에이전트와 프로그래밍 가능한 물리 장비를 공통 드라이버로 연결하는 연구 프리뷰이며, 전문가 감독과 안전 평가가 전제입니다.
