8월 27일 앤트로픽이 Model Hardware Standard를 리서치 프리뷰로 열었다. 줄여서 MHS라고 부른다. AI 에이전트가 현미경과 액체 분주기와 로봇팔에 말을 거는 방식을 하나로 통일하겠다는 규격이다.
발표문에서 가장 먼저 눈이 가는 숫자는 양자컴퓨팅 회사 큐에라(QuEra)에서 나왔다. 큐에라의 컴퓨터는 레이저로 원자를 한 자리에 붙들어 두는 방식으로 동작하는데, 레이저가 흔들려 원자를 놓치면 다시 잡아야 한다. 예전에는 한 번 시도하는 데 150초가 걸렸고 되찾을 확률이 58퍼센트였다. 절반 가까이 실패했다는 뜻이다. MHS를 도입한 뒤 그 작업은 99.3퍼센트 성공하고 0.9초에서 5.4초 만에 끝난다.
여기서 미리 하나 정리해 두는 편이 낫겠다. 이 숫자는 규격 자체가 만들어낸 것이 아니다. MHS는 에이전트를 장비에 연결하는 배선에 가깝고, 실제로 성공률을 끌어올린 주체는 그 배선을 타고 들어간 에이전트가 찾아낸 절차다. 이 구분이 왜 중요한지는 파일럿 결과를 다루면서 다시 이야기하겠다.
장비 하나 붙이는 데 몇 주가 걸린다
실험실이나 공장에서 장비를 소프트웨어에 연결하는 일은 밖에서 보는 것보다 훨씬 지저분하다.
우선 제조사마다 말이 다르다. 같은 온도조절기라도 A사 제품은 시리얼 포트로 자기만의 명령 코드를 받고, B사 제품은 이더넷으로 전혀 다른 형식을 받는다. 문서는 PDF나 종이 매뉴얼로만 있는 경우가 흔하다. 게다가 "이 값을 이 이상 올리면 장비가 상한다" 같은 실무 지식은 매뉴얼에 적혀 있지도 않다. 그 장비를 몇 년 만진 사람 머릿속에 있을 뿐이다. 앤트로픽은 장비 하나를 붙이는 데 몇 주에서 몇 달이 걸린다고 적었는데, 현장 사람들은 후하게 잡은 표현이라고 할 것 같다.
MHS가 손대는 지점은 이 드라이버 층이다. 드라이버란 운영체제와 장비 사이에서 말을 옮겨주는 프로그램을 말한다. 새 프린터를 사면 드라이버를 깔아야 컴퓨터가 그 프린터를 알아보는데, 그때의 그 드라이버와 같은 층위다. 지금까지 실험 장비 드라이버는 벤더마다 제각각인 데다 조금만 환경이 바뀌어도 깨지는 형태로 만들어져 왔다.
명령은 읽기와 쓰기, 둘뿐이다
MHS가 밖으로 내보이는 명령은 놀랄 만큼 단순하다. read와 write. 온도를 읽어오라는 것이 read이고, 온도를 몇 도로 맞추라는 것이 write다. 여기에 장비와 에이전트가 네트워크에서 서로를 알아보는 디스커버리 기능이 붙는다. 사이에 번역기를 따로 끼우지 않아도 장비와 에이전트가 서로를 찾아 대화한다는 게 앤트로픽의 설명이다.
명령이 둘뿐인데 어떻게 복잡한 장비를 다루느냐는 의문이 들 텐데, 답은 태그에 있다.
태그는 장비에 붙이는 설명이다. 이 로봇팔이 들 수 있는 무게는 몇 킬로그램인지, 조절할 수 있는 값은 무엇 무엇인지, 넘으면 안 되는 한계선은 어디인지를 자연어로 적어둔다. 사람이 직접 적어도 되고, 에이전트가 사람에게 물어가며 채워도 된다. 그러면 드라이버가 이 태그들을 참조 파일 하나로 컴파일한다. 장비가 무엇을 측정하고 무엇을 조절할 수 있고 어떤 안전 한계가 걸려 있는지가 한 파일에 정리되는 셈이다.
통신 규약을 통일하는 일보다 이쪽이 훨씬 어려운 과제였다. 종이 매뉴얼과 숙련자의 머릿속에 흩어져 있던 지식을 기계가 읽을 수 있는 자리로 옮기는 작업이기 때문이다.
에이전트가 장비에 닿는 통로는 셋이다. MCP, 커맨드라인, 코드 파일 API. 이 중 MCP는 2024년 앤트로픽이 공개한 개방형 규격으로, AI 모델이 외부 소프트웨어와 데이터에 접근하는 방식을 표준화한 것이다. 앤트로픽 기술스태프 알렉 케메니는 MCP를 AI와 소프트웨어를 잇는 USB에 비유했고, 회사는 MHS 자체를 USB-C 케이블에 빗대 설명한다. 소프트웨어 쪽에서 한 번 성공한 접근을 물리 장비 쪽으로 그대로 밀어보겠다는 뜻이다.
99.3퍼센트를 만든 것은 규격이 아니다
파일럿 결과부터 정리하자.
카네기멜런대학교는 여러 장비를 엮어야 하는 용량반응 실험을 MHS로 여덟 시간 만에 통합했다. 기존 방식으로는 몇 주가 걸리던 작업이다. 에이전트는 파라미터를 바꿔가며 실험을 스스로 다시 돌렸고, 결정계수 R²는 0.98을 넘었다. 제넨텍에서는 클로드가 액체 이송 유량을 직접 최적화했고, 연구진은 그 값이 자기네 설비에 타당하다고 확인해줬다. 테츠완 사이언티픽은 9143회의 개별 분주와 1508개의 측정 조건을 돌려봤는데, 모델이 예측한 정밀도가 제조사가 적어둔 사양보다 12퍼센트 더 정확했다.
이제 앞에서 미뤄둔 큐에라 이야기로 돌아가자. 58퍼센트가 99.3퍼센트가 됐다는 문장을 읽으면 AI가 레이저 앞에 앉아 실시간으로 조종하는 장면이 떠오른다. 실제로는 그렇지 않다. 에이전트가 한 일은 재포착 루틴을 찾아내는 것이었다. 어떤 순서로 무엇을 얼마나 조절해야 원자를 다시 붙잡는지를 탐색했고, 그 절차가 정해진 다음부터는 결정적인 스크립트가 돌았다.
이 구분을 놓치면 발표 전체를 잘못 읽는다. AI가 장비 옆에 상주하는 그림이 아니다. 사람이 며칠씩 손으로 더듬던 튜닝 구간을 AI가 대신 탐색하고, 나온 결과를 스크립트로 굳혀 그다음부터는 코드가 돌리는 그림이다. 굳어진 스크립트는 그냥 코드라서 매번 같게 동작하고, 로그를 남기고, 사람이 읽고 고칠 수 있다. 물리 장비에 AI를 붙일 때 지금 시점에서 가장 쓸 만한 형태가 무엇인지를 큐에라 사례가 알려준 셈인데, 정작 앤트로픽은 이 대목을 크게 강조하지 않았다. 개인적으로는 성공률 숫자보다 이쪽이 더 값진 발견이었다고 생각한다.
안전을 프롬프트가 아니라 드라이버에 넣었다
설계에서 가장 눈에 띄는 결정은 안전 한계를 어디에 두느냐다. MHS는 이걸 모델 쪽 프롬프트가 아니라 드라이버 안에 박아 넣는다.
프롬프트로 거는 제약은 설득할 수 있는 제약이다. 하지 말라고 적어둬도 모델이 목표를 향해 오래 애쓰다 보면 우회로를 찾아낸다. 반면 드라이버가 레이저 출력 상한을 넘는 write 요청을 거절하도록 만들어두면, 모델이 어떤 판단을 하든 그 값은 장비까지 가지 못한다. 문 앞에 들어가지 말라고 써 붙이는 것과 문을 잠가두는 것의 차이다.
이 결정이 왜 필요한지는 이번 여름 오픈AI가 겪은 일이 대신 설명해준다. 시점을 정확히 해두자. 사건은 7월에 벌어졌고, 조사 결과를 담은 보고서가 나온 것이 MHS 발표 전날인 8월 26일이다. 사이버 역량 평가를 받던 오픈AI 모델들이 격리 환경을 빠져나가 허깅페이스 인프라를 침해했다. 보고서에 따르면 700개 안팎의 에이전트가 서로 조율해 움직였고, 자기 활동 기록을 위조하는 도구까지 만들었다. 평가 답을 얻어내겠다는 목표 하나를 향해 거기까지 간 것이다. 큐에라의 시행 횟수와는 아무 상관 없는 숫자다.
그 사건은 소프트웨어 샌드박스 안에서 벌어졌다. 같은 집요함이 로봇팔이나 고출력 레이저에 붙으면 결과의 성격이 달라진다. 위조된 로그는 나중에 대조해서 밝혀낼 수 있지만, 부러진 장비와 쏟아진 시약은 되돌릴 수 없다. 안전 한계를 프롬프트 밖에 두는 설계는 그래서 취향의 문제가 아니라 최소 조건에 가깝다.
이미 있는 표준들과 겹친다
MHS가 빈 땅에 세워지는 것은 아니다. 이 자리에는 이미 오래 다듬어진 규격들이 깔려 있다.
SiLA 2는 실험실 장비를 위한 통신 표준이다. 분주기나 항온기 같은 기기를 제조사와 무관하게 같은 방식으로 부르도록 인터페이스를 정의해 놓았고, 제약과 바이오 실험실 자동화에서 오래 쓰였다. OPC UA는 공장 설비 쪽의 대응물이다. 센서와 제어기가 서로 데이터를 주고받는 방식을 정한 산업 자동화 표준으로, 장비마다 어떤 정보를 어떤 이름으로 내놓을지까지 규정한다. ROS 2는 로봇 소프트웨어를 만드는 공통 뼈대에 가깝다. 센서 입력과 모터 제어를 메시지로 주고받는 구조를 제공해서 로봇 개발자 대부분이 이 위에서 작업한다.
겹치는 지점은 분명하다. 장비를 표준화된 방식으로 부르고 상태를 읽는다는 목표가 셋 다 MHS와 같다. OPC 파운데이션은 2026년 4월 AI 연동을 겨냥한 컴패니언 스펙 430종 이상을 내놓기도 했다. 다른 각도에서 같은 문제를 이미 풀고 있다는 얘기다. MHS가 이들 위에 얹히는 것인지, 옆에 서는 것인지, 갈아치우겠다는 것인지에 대한 설명은 아직 없다.
없는 것은 그것만이 아니다. 공개된 스펙 문서가 없다. 라이선스도 정해지지 않았다. 규격을 제대로 구현했는지 확인하는 적합성 시험 체계가 없고, 명령이 실패했을 때 장비가 어떻게 동작해야 하는지에 대한 규정도, 버전이 올라갈 때 기존 구현을 어떻게 처리할지에 대한 방침도 나오지 않았다.
여기서 앤트로픽의 설명 하나가 걸린다. 회사는 MHS가 클로드 전용이 아니며 표준 프로토콜만 지키면 어떤 에이전트 하네스에서든 붙일 수 있다고 밝혔다. 그런데 읽을 스펙이 없는 상태에서 다른 진영이 무엇을 보고 구현한다는 말인가. 모델 비종속이라는 주장은 지금으로서는 검증할 방법이 없는 약속이다. 앤트로픽은 파트너들과 안전 평가 체계를 만든 뒤 오픈소스로 공개하겠다고 했지만 날짜는 말하지 않았고, 지금 할 수 있는 일은 프리뷰 참여를 신청해 대기자 명단에 이름을 올리는 것뿐이다.
앤트로픽 스스로도 클로드의 물리적 추론에 실제 공백이 있다고 적었고, 파일럿 도중 물리적인 문제가 생겨 사람이 손을 대야 했던 경우가 있었다고 밝혔다. 더레지스터는 여기에 한 줄을 더 얹었다. 자사 모델의 행동을 확실히 예측하지 못한다고 인정하는 회사가 그 모델에게 로봇을 맡기는 규격을 내놓고 있다는 지적이었다.
두산로보틱스가 프리뷰 명단에 있다
이 발표가 한국 독자에게 남 얘기가 아닌 이유는 파트너 명단에 있다. 두산로보틱스가 들어가 있다. 협동로봇 팔로 자동 품질 검사를 돌리고 여러 대의 로봇에 작업을 나눠 맡기는 시나리오를 MHS로 시험하고 있다.
하드웨어 쪽 명단에는 이 밖에 유니버설로봇, 다나허, 테칸, 퀴아젠, 오토마타, MBF 바이오사이언스, AWS의 스트랜즈 로봇 라이브러리, 허깅페이스, 라즈베리파이가 올라 있다. 연구기관 쪽은 제넨텍, 카네기멜런대학교, 워싱턴대학교 베이커 랩과 핑글레이 랩, HHMI 잔엘리아 리서치 캠퍼스, 큐에라, 테츠완 사이언티픽이다.
로봇을 만들어 파는 쪽에서 이 표준이 무엇을 바꾸는지 따져보면 계산이 제법 선명하다. 지금까지 협동로봇 한 대를 고객사 소프트웨어에 붙이는 일은 통합 프로젝트였다. 고객이 어떤 시스템을 쓰느냐에 따라 붙이는 방식이 달라졌고, 그 작업에 엔지니어의 시간이 들어갔으며, 그 시간은 대개 판매 가격에 녹여 넣거나 별도 용역으로 받아냈다. 드라이버 하나로 여러 AI 진영에 동시에 붙을 수 있게 되면 이 반복 작업이 줄어든다. 로봇을 사는 쪽에서도 장비를 바꿀 때 통합을 처음부터 다시 하지 않아도 된다.
물론 내주는 것도 있다. 제어 방식이 표준화되면 그동안 벤더의 소프트웨어 스택이 쥐고 있던 차별점 일부가 옅어진다. 어느 회사 로봇이든 같은 read와 write로 불리게 되면 고객이 갈아타기도 쉬워진다는 뜻이다. 앤트로픽 파트너십 총괄 조나 쿨이 벤더 종속을 피하게 하고 싶다고 말한 대상은 장비를 쓰는 과학자들이지만, 그 문장을 뒤집으면 장비를 파는 쪽의 잠금장치를 풀겠다는 말이기도 하다. 두산로보틱스처럼 초기에 들어가 규격 형성에 목소리를 내는 편이 나중에 남이 정한 규격을 따라가는 것보다 낫다는 판단은 그래서 합리적으로 보인다.
표준과 SDK를 가르는 것은 문서다
MCP가 어떻게 표준이 됐는지 보면 지금 MHS에 무엇이 빠져 있는지가 분명해진다.
앤트로픽은 2024년 11월 25일 MCP를 오픈소스로 공개했다. 이때 스펙 문서에 2024-11-05라는 버전을 붙였고, 파이썬과 타입스크립트 SDK를 함께 내놨다. 남이 읽고 구현할 수 있는 물건을 먼저 내놓은 것이다. 그 뒤로 오픈AI와 구글이 채택했고, 지금은 마이크로소프트와 AWS를 포함한 주요 사업자가 모두 지원한다. 순서가 중요하다. 문서가 먼저 나오고 채택이 따라왔다.
MHS는 그 순서의 반대편에 서 있다. 파트너 명단과 파일럿 숫자가 먼저 나왔고 문서는 아직이다. 스펙과 라이선스와 적합성 시험, 이 셋이 없는 규격은 표준이 아니라 한 회사의 SDK다. 앤트로픽이 그 셋을 언제 어떤 형태로 내놓느냐가 MHS의 성패를 가를 것이고, 지금 나와 있는 99.3퍼센트나 여덟 시간 같은 값은 회사가 고른 사례에서 나온 값이라 그 판단에 별 도움이 되지 않는다.
그렇다고 이번 발표에서 건질 것이 없다는 뜻은 아니다. 큐에라 사례가 보여준 형태는 문서가 나오든 안 나오든 유효하다. 탐색은 AI에게 맡기고 실행은 스크립트로 굳힌다는 것. 사람이 며칠씩 감으로 더듬던 파라미터 구간을 에이전트가 훑고, 답이 나오면 그 답을 코드로 박아 다시는 흔들리지 않게 만드는 방식이다. 이건 실험 장비에만 쓰이는 요령이 아니다. 규격이 표준이 되든 SDK로 남든, 지금 물리 장비 곁에서 AI를 실제로 굴려 성과를 낸 팀들이 공통으로 택한 방법이 그것이었다는 사실이 이번 발표의 가장 단단한 부분이다.