{"id":3445325,"date":"2026-10-20T08:42:39","date_gmt":"2026-10-20T06:42:39","guid":{"rendered":"https:\/\/datanorth.ai\/?p=3445325"},"modified":"2026-10-19T16:03:11","modified_gmt":"2026-10-19T14:03:11","slug":"model-hardware-standard-mhs-wat-het-is-hoe-het-werkt-en-waarom-het-ertoe-doet","status":"publish","type":"post","link":"https:\/\/datanorth.ai\/nl\/blog\/model-hardware-standard-mhs-wat-het-is-hoe-het-werkt-en-waarom-het-ertoe-doet","title":{"rendered":"Model Hardware Standard (MHS): Wat het is, hoe het werkt en waarom het ertoe doet"},"content":{"rendered":"\n

De Model Hardware Standard (MHS) is een gedeelde specificatie van Anthropic waarmee AI-agents fysieke apparaten kunnen vinden, uitlezen en veilig bedienen via \u00e9\u00e9n gestandaardiseerde driver, van microscopen en pipetteerrobots tot robotarmen en lasers.<\/strong> Anthropic stelde MHS op 27 augustus 2026 open als research preview, voor een eerste groep onderzoekslabs en geavanceerde maakbedrijven. MHS werkt met elk apparaat dat een programmeerbare interface heeft en met elk AI-model, via standaardprotocollen zoals het Model Context Protocol (MCP).<\/p>\n\n\n\n

Lab- en fabrieksapparatuur koppelen kost specialisten nu meestal weken of maanden maatwerk. Volgens Anthropic brengt MHS dat terug naar uren of minuten. Dit artikel legt uit hoe MHS werkt, hoe het zich verhoudt tot MCP en bestaande standaarden, wat de pilots lieten zien en wat nog gepland staat: de specificatie is nog niet openbaar en voor de open-source release is geen datum bekend.<\/p>\n\n\n\n

Wat is de Model Hardware Standard (MHS)?<\/h2>\n\n\n\n

MHS is een specificatie plus een gestandaardiseerde driver die tussen een AI-agent en een fysiek apparaat zit. Het is geen model en geen robot, maar de gemeenschappelijke laag waarmee elke agent een apparaat kan vinden, begrijpen wat het kan en het bedienen binnen de grenzen die de eigenaar instelt (Anthropic, 27 augustus 2026<\/a>).<\/p>\n\n\n\n

Drie eigenschappen maken MHS anders: het is modelonafhankelijk, het werkt met elk apparaat met een programmeerbare interface, en elk apparaat beschrijft zichzelf, inclusief de veiligheidsgrenzen. Zo kan een agent ook hardware gebruiken die hij nog nooit heeft gezien.<\/p>\n\n\n\n

MHS begon bij HHMI Janelia Research Campus in de Verenigde Staten. Postdoc Arco Bast bouwde een gedeeld geheugen waarmee de lasers, focusmotoren en camera’s van zijn microscoop met elkaar konden communiceren. Alek Kemeny van het Beneficial Deployments-team van Anthropic koppelde daar samen met hem AI-modellen aan.<\/p>\n\n\n\n

Leveranciers die MHS-ondersteuning bouwen of testen zijn onder meer Amazon Web Services (Strands Robots), Automata, Danaher, Doosan Robotics, Hugging Face (LeRobot), MBF Bioscience, QIAGEN, Raspberry Pi, Tecan en Universal Robots.<\/p>\n\n\n\n

Waarom is de Model Hardware Standard ontwikkeld?<\/h2>\n\n\n\n

Lab- en fabrieksapparatuur koppelen is traag, duur en maatwerk, en het wordt nog lastiger zodra een AI-agent de apparatuur moet bedienen. Elk apparaat heeft eigen software, een eigen dataformaat en een eigen driver. Er is geen gemeenschappelijke manier om data met een agent te delen, en ook geen gemeenschappelijke manier om een agent apparaten veilig te laten bedienen.<\/p>\n\n\n\n

De partnerverslagen laten zien hoe diep dat probleem zit. E\u00e9n microscoopopstelling bij Janelia had zeven leveranciersprogramma’s in drie programmeertalen nodig, die in een vaste volgorde moesten opstarten. Bij Carnegie Mellon stonden drie instrumenten op drie computers: \u00e9\u00e9n las opdrachtbestanden uit een map, \u00e9\u00e9n had alleen een oude COM-scriptinterface en \u00e9\u00e9n had niets anders dan een grafische interface. Kennis over veilig gebruik, zoals het gewicht van een robotarm, staat meestal in een papieren handleiding of in het hoofd van \u00e9\u00e9n engineer.<\/p>\n\n\n\n

Zonder standaard heeft elke combinatie van agent en apparaat een eigen koppeling nodig. Het integratiewerk groeit dan met het aantal agents keer het aantal apparaten. Een gedeelde standaard maakt daar agents plus apparaten van: \u00e9\u00e9n driver per apparaat, \u00e9\u00e9n protocol per agent. MCP deed dat in 2024 voor softwaretools; MHS past hetzelfde idee toe op fysieke apparatuur.<\/p>\n\n\n\n

Hoe werkt de Model Hardware Standard?<\/h2>\n\n\n\n

MHS verpakt elk apparaat in een gestandaardiseerde driver die een kleine set commando’s begrijpt, het apparaat in een standaardformaat beschrijft en de veiligheidsgrenzen afdwingt. De agent praat nooit rechtstreeks met de software van de leverancier: hij praat met MHS, en MHS praat met de hardware.<\/p>\n\n\n\n

\"agents<\/figure>\n\n\n\n

De agent werkt via MCP, de command line of codebestanden. Elk commando gaat door de MHS-driver van het apparaat, die de veiligheidsgrenzen bewaakt, en de status van het apparaat stroomt terug naar de agent.<\/p>\n\n\n\n

1. Lezen en schrijven<\/h3>\n\n\n\n

De MHS-driver geeft elk apparaat dezelfde kleine set commando’s, vooral read<\/strong> (lees de temperatuur) en write<\/strong> (stel de temperatuur in). De agent hoeft dus niet per instrument een nieuwe API te leren.<\/p>\n\n\n\n

2. Vindbaarheid op het netwerk<\/h3>\n\n\n\n

Elk apparaat meldt zich in een standaardformaat, zodat agents en apparaten elkaar via een netwerk vinden zonder vertaalprogramma ertussen.<\/p>\n\n\n\n

3. Fysieke context en veiligheidsgrenzen<\/h3>\n\n\n\n

Gebruikers beschrijven een apparaat in gewone taal in de tags van de driver, zoals het gewicht van een robotarm of het veilige vermogensbereik van een laser. Ze kunnen zich ook door een agent laten interviewen. De driver maakt daar een referentiebestand van: wat het apparaat kan meten, wat je kunt instellen en welke grenzen gelden.<\/p>\n\n\n\n

De driver bewaakt die grenzen, niet het model. Een commando buiten de grenzen wordt geblokkeerd, wat de agent ook vraagt. Carnegie Mellon testte dit met zes bewust veroorzaakte storingen, waaronder een ontbrekende plaat en een ingedrukte noodstop. Het systeem blokkeerde alle zes voordat er iets bewoog.<\/p>\n\n\n\n

4. Drie besturingsroutes<\/h3>\n\n\n\n
Route<\/th>Typisch gebruik<\/th><\/tr><\/thead>
MCP<\/td>Agents en chatclients die al met MCP werken<\/td><\/tr>
Command line<\/td>Coding agents en engineers die een apparaat stap voor stap testen<\/td><\/tr>
Codebestanden (API’s)<\/td>Langlopende, herhaalbare of tijdkritische reeksen<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

5. Eerst live redeneren, dan vaste code<\/h3>\n\n\n\n

De agent kan live meekijken: stappen over instrumenten heen plannen, resultaten volgen en parameters bijstellen. Duurt een taak te lang of moet hij sneller gaan dan het model kan redeneren, dan schrijft de agent een codebestand dat zelfstandig draait. In de tests van Anthropic stelde Claude een laser bij en controleerde het resultaat via een camera tot het patroon duidelijk was. Daarna schreef Claude een script dat de laser met \u00e9\u00e9n commando uitlijnt.<\/p>\n\n\n\n

Model Hardware Standard vs. Model Context Protocol (MCP)<\/h2>\n\n\n\n

MHS en MCP vullen elkaar aan. MCP verbindt AI-agents met software en data; MHS verbindt ze met fysieke apparaten. MCP is een van de drie routes om een MHS-apparaat te bereiken.<\/p>\n\n\n\n

<\/th>MCP<\/th>MHS<\/th><\/tr><\/thead>
Verbindt agents met<\/td>Softwaretools en databronnen<\/td>Fysieke apparaten met een programmeerbare interface<\/td><\/tr>
Ge\u00efntroduceerd<\/td>November 2024<\/td>Augustus 2026 (research preview)<\/td><\/tr>
Status<\/td>Open standaard, breed gebruikt<\/td>Afgeschermde preview, open source gepland<\/td><\/tr>
Context voor het model<\/td>Namen en beschrijvingen van tools<\/td>Fysieke kenmerken en veilige bereiken in gewone taal<\/td><\/tr>
Veiligheid bewaakt in<\/td>Rechten van client en server<\/td>De driver van het apparaat<\/td><\/tr>
Snelheid van besturing<\/td>Elke aanroep loopt via het model<\/td>Live aanroepen, plus codebestanden die zonder model draaien<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Werkt je organisatie al met agents op basis van MCP, dan vervangt MHS niets. Het voegt de laag onder MCP toe: de agent die nu je voorraadsysteem uitleest, kan dan ook de sensor op de productielijn uitlezen die dat systeem voedt.<\/p>\n\n\n\n

Praktijkvoorbeelden en toepassingen van MHS<\/h2>\n\n\n\n

Zes partners publiceerden bij de lancering hun eerste resultaten, vooral in life sciences-labs. De sterkste cijfers gaan over integratietijd en betrouwbaarheid.<\/p>\n\n\n\n

Partner<\/th>Wat ze met MHS deden<\/th>Gerapporteerd resultaat<\/th><\/tr><\/thead>
Carnegie Mellon University<\/td>Dosis-responsexperimenten met een pipetteerrobot, plaatlezer, robotarm en camera’s<\/td>Ongeveer 3 keer sneller; gekoppeld in circa 8 uur in plaats van weken; de agent keurde een slechte curvefit af en voerde de meting zelf opnieuw uit<\/td><\/tr>
Genentech<\/td>Eiwitassay over drie instrumenten; Claude optimaliseerde de pipetteersnelheid<\/td>Vond snelheden die automatiseringsexperts bevestigden; herstelde zelf van gangbare pipetteerfouten<\/td><\/tr>
HHMI Janelia<\/td>E\u00e9n microscoopopstelling die zeven leveranciersprogramma’s nodig had, samengebracht<\/td>Een camera toevoegen kostte minuten in plaats van dagen; een experiment start met \u00e9\u00e9n klik in plaats van zeven stappen<\/td><\/tr>
QuEra Computing<\/td>Automatisch laserherstel in een quantumcomputer<\/td>Succespercentage van 58% naar 99,3% in 700 blinde tests; herstel in seconden in plaats van 5 tot 10 minuten<\/td><\/tr>
Tetsuwan Scientific<\/td>qPCR-workflow met luchtbeldetectie via een camera<\/td>Precisiemodel voor pipetteren ongeveer 12% nauwkeuriger dan de specificatie van de fabrikant<\/td><\/tr>
University of Washington<\/td>Monitoring op afstand, qPCR onder toezicht van een agent, plaatwissels met een robotarm<\/td>Zes instrumenten in minder dan een week gekoppeld, drivers inbegrepen<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Bron: partnerverslagen in de aankondiging van Anthropic<\/a>.<\/p>\n\n\n\n

De case van QuEra laat de werkwijze het best zien. Een herstelscript waar een team maanden aan had gewerkt, slaagde in 58% van de gevallen. Vier Claude-instanties verbeterden het in \u00e9\u00e9n nacht, in honderden rondes. Het resultaat is een gewoon script dat in productie draait zonder agent.<\/p>\n\n\n\n

Het gaat om pilots die de partners zelf rapporteren, met kleine aantallen en steeds de eigen eerdere opzet als vergelijking. Voor de maakindustrie zijn nog geen resultaten gepubliceerd: Doosan Robotics test kwaliteitscontrole met meerdere robots en QIAGEN test het oplossen van storingen aan instrumenten.<\/p>\n\n\n\n

Voordelen van de Model Hardware Standard<\/h2>\n\n\n\n

Het belangrijkste voordeel: de kosten van het koppelen van hardware groeien niet meer mee met elk nieuw apparaat.<\/p>\n\n\n\n