Model Hardware Standard: el estándar de Anthropic para que agentes de IA operen el mundo físico

Anthropic ha publicado una preview de investigación del Model Hardware Standard (MHS), una especificación abierta que permite a agentes de IA operar instrumentos físicos de laboratorio y manufacturing de forma estandarizada. La implicación para ciberseguridad es directa: si la IA controla equipos reales, una vulnerabilidad en el harness de control equivale a una vulnerabilidad física.

El problema que resuelve MHS

Un laboratorio científico medio tiene decenas de instrumentos: microscopios, brazos robóticos, dispensadores de líquidos, láseres de calibración. Cada uno habla un idioma diferente. Ninguno se comunica con el otro. Integrarlos requiere semanas o meses de trabajo de ingeniería a medida. MHS introduce un driver estándar que traduce entre el sistema operativo y cualquier dispositivo con interfaz programable, usando primitivas simples como "read" y "write". Cualquier dispositivo que implemente el driver se vuelve descubrible y operable por un agente sin un traductor personalizado intermedio.

El driver también codifica información que antes solo existía en manuales en papel o como conocimiento tácito del investigador: peso de un brazo robótico, límites de temperatura seguros, qué puede medir cada instrumento. El agente recibe esta información en un archivo de referencia y puede operar el dispositivo sin haberlo visto antes.

Cómo controla el agente los dispositivos

MHS proporciona tres mecanismos de control: MCP (Model Context Protocol), la línea de comandos, y archivos de código (APIs). El agente puede secuenciar pasos entre instrumentos, monitorizar resultados en tiempo real y ajustar parámetros según cambian las condiciones. Cuando necesita ejecutar tareas largas o operar más rápido de lo que su razonamiento online permitiría, encadena comandos del driver en archivos de código, permitiendo que los dispositivos ejecuten operaciones sin que el agente razone en cada paso.

Lo que observó Anthropic con Claude

Durante las pruebas, Claude interactuó con experimentos y hardware de forma exploratoria, similar a como lo haría un científico. En un caso, Claude ajustó un láser, observó los resultados a través de una cámara para evaluar cómo su ajuste movió el haz, y repitió el proceso buscando entender la secuencia de eventos. Luego empaquetó lo aprendido en archivos de código, escribiendo un script determinista que le permitió alinear el láser sin tener que razonar en cada paso.

Por qué importa para ciberseguridad

El vector de ataque es claro: un harness de agentes de IA que controla instrumentos físicos es un objetivo de alto valor. Si un agente puede operar un microscopio, un dispensador de líquidos o un brazo robótico, comprometedor ese harness significa comprometer la física. Un error de prompt injection en el sistema de control podría hacer que un agente de laboratorio ejecutara pasos fuera de los parámetros seguros, dañara muestras o equipmento, o alterara resultados experimentales.

La diferencia con los ataques software tradicionales es que aquí el impacto es tangible: cambia la química de un experimento, mueve un componente físico, modifica la temperatura de un proceso. MHS está abierto a partners en ciencia, robótica y manufacturing precisamente para construir safety evaluations y best practices antes de hacer el estándar open source. Es un enfoque proactivo poco habitual en la industria.

El estándar es agnóstico del modelo y cualquier harness de agentes puede accederlo usando protocolos estándar como MCP. Esto significa que la surface de seguridad no está en el driver sino en cómo el harness interactúa con él: autenticación del agente, límites de operación, y capacidad de rollback ante desviaciones.

MHS representa un cambio de paradigma: la IA pasando de manipular texto a manipular el mundo físico de forma autónoma y estandarizada. Las implicaciones van mucho más allá del laboratorio. Fábricas, hospitales, infrastructure crítica — todos los sitios donde hay instruments programables son candidatos.