过去，把新设备接入实验室要数周甚至数月——设备彼此无法通信，要靠专家写定制集成。MHS 把它压到几小时甚至几分钟。[39]
从蛋白定量到量子计算机
Genentech 用 MHS 自动化 BCA 蛋白定量实验，协调液体处理工作站、机械臂和酶标仪。Claude 还自主闭环优化：用染色液体试移液、读吸光度、和专家手动操作比误差。最终 Claude 选定水流速约 140 µL/s（RMSE 0.016），粘稠 BSA 样品约 10 µL/s（0.181），专家确认参数合理。[39]
华盛顿大学 Baker 和 Pinglay 实验室博士生 Zihao Song 做 de novo 蛋白设计。设计一个蛋白最低 0.01 美元，测试却要约 100 美元和一周人力，一次测 1000 个。PCR 每 90 分钟要换一板，他有时凌晨 4 点还在换。他用 MHS 连接六台设备、搭起监控看板，连写驱动不到一周。AI agent 盯着 qPCR 扩增曲线，关键时刻请人定夺，确认后终止反应并转入 4 °C 保存。[39]
他还用基于 LeRobot 的开源机械臂配合液体处理工作站做板交接：agent 收到完成信号约 10 秒后触发机械臂，反复测试零碰撞。[39]
最极端的测试来自量子计算公司 QuEra：激光"锁频"最依赖专家经验，但四名专家花两三周手写的脚本只能处理预想到的故障。Claude 自主运行"假设、尝试、读数、改进"循环，通宵覆盖数百个失败案例。最终它无需人工干预就恢复 99.3% 的激光失锁，多数故障 6 秒内清除，而专家手动要 5 到 10 分钟。[39, 43]
Tetsuwan Scientific 把 MHS 接进自家平台 ResearchOS，用 qPCR 追查加州 San Pedro Creek 的粪便污染源。相机发现移液气泡后，Claude 通过 Slack 建议把管子送离心机低速甩一下，ResearchOS 找到一台连着 MHS 的离心机执行。[39]
最极端的测试来自量子计算公司 QuEra：激光"锁频"最依赖专家经验，但四名专家花两三周手写的脚本只能处理预想到的故障。
给每台设备配一个"AI 能读懂的驱动"
这些实验靠的是 MHS 核心：标准化驱动程序。一组简单原语——"读"（获取温度）和"写"（设定温度）——让任何设备理解并执行指令，并以标准格式在网络中可被发现。因此不再需要为每对设备写翻译器。[39]
代码里读不出的信息同样关键：机械臂多重、安全极限在哪，过去只在纸质手册和老师经验里。MHS 驱动允许用自然语言写入标签，自动生成参考文件：能测什么、调什么、安全边界。[39]
设计一个蛋白最低 0.01 美元，测试却要约 100 美元和一周人力，一次测 1000 个。
实验室标准早已存在，为什么还需要 MHS？
设备互联标准并不新鲜：SiLA 2008 年就成立 [48]，基于 OPC UA 的 LADS 主打跨厂商即插即用 [46, 49]，Allotrope 和 AnIML 解决数据语义互通 [45]。
但这些标准为人和传统工作流设计，MHS 则为 AI agent 设计，且模型无关。AWS、Tecan、QIAGEN、Danaher 等厂商和 Hugging Face 的 LeRobot 已表态支持。[39]
Claude 还分不清泡沫和 bug
但局限写在公告里。Genentech 的实验里，气泡导致移液报错时，Claude 的本能是在同一孔里换参数重试，结果气泡更多。直到研究人员告诉它报错来自物理气泡、要换干净孔并减少混匀次数，它才修正。这些经验随后固化成可复用技能。[39]
MHS 只支持有可编程接口的设备，且尚未开源——Anthropic 说要先与伙伴共建安全评估和物理安全路线图。[39]
这条路 Anthropic 走过一次：MCP 在 2024 年 11 月开源，一年内被 OpenAI、Google、微软采纳。2025 年 12 月捐给 Linux 基金会，活跃公共服务器超一万个。[51, 54, 55] 不过 MCP 是软件协议，MHS 要管的是物理设备。所以问题只剩下一个：MHS 能否在物理世界复制 MCP 的路径？还有一个更实际的问题：agent 在实验室里会不会"打翻试管"？