MCP 把 AI Agent 接上檔案、資料庫與企業軟體；MHS 則進一步嘗試讓 Agent 操作顯微鏡、機械手臂、液體處理設備與量子電腦的雷射系統。

這兩個標準放在一起，很容易讓人聯想到「AI 作業系統」。@Smartpigai 的長文給出的判斷更精確：MCP 與 MHS 還不是作業系統，卻可能成為 AI 作業系統共同依賴的底層介面。

差別不只在名稱。協定負責讓元件互通；作業系統還必須管理權限、資源、故障與責任。若把兩者混在一起，我們很可能高估「接得上」所代表的自治程度。

MCP 解的是軟體世界的 M × N 整合

裸模型無法直接讀取公司的資料庫、查詢訂單或修改程式碼倉庫。過去每個模型與每項工具都要各自串接 API；模型與工具愈多，整合數量就愈接近 M × N。

MCP 官方文件把它定義為 AI 應用連接外部系統的開放標準。資料來源、工具與工作流程用共同方式暴露能力，AI 應用則透過一致的介面發現並呼叫它們。

因此，MCP 比較像 AI 軟體世界的 I/O 介面：

  • 工具不必理解每一個模型；
  • Agent 不必為每個服務學習一套私有接法；
  • 同一項能力可以被不同 Agent 重用；
  • 工作流程能在一致的工具邊界上組合。

MCP 標準化的不是推理能力，而是模型如何與數位世界交換資料、執行動作。

MHS 把相同抽象帶到實體設備

實驗室與工廠的設備更加碎片化。顯微鏡、機械手臂、感測器與液體處理設備通常來自不同廠商，各有自己的程式介面、通訊協定與操作知識。

Anthropic 在 2026 年 8 月 27 日公布 Model Hardware Standard（MHS）研究預覽，做法是在 Agent 與設備之間加入標準化 driver。Driver 使用 read、write 等基礎操作，並以共同格式描述設備：

  • 目前狀態與可量測資料；
  • 可調整的參數與可執行動作；
  • 重量等無法只從程式碼得知的實體特徵；
  • 操作時不可突破的安全限制。

設備接上 MHS 後，Agent 可以透過 MCP、CLI 或程式碼控制它，再把多台設備編排成工作流程。Anthropic 表示，原本需要數週到數月的設備整合，在早期合作案例中可縮短到數小時或數分鐘；但 MHS 目前仍是限量研究預覽，尚未開源，這些結果不應被解讀為已成熟的通用標準。

為什麼整體看起來像作業系統

傳統作業系統不只是桌面與視窗。它真正提供的是硬體抽象、資源管理、統一介面與執行邊界。沿著這個角度，未來的 Agent 技術棧可以拆成幾個角色：

Agent 技術棧作業系統類比主要責任
大模型CPU推理、規劃與決策
Context 與持久狀態記憶體與儲存保存任務狀態、資料與歷史
Agent runtime核心與排程器調度、重試、中斷與流程控制
MCP軟體 I/O 介面連接資料、工具與服務
MHS裝置驅動層發現、描述與操作實體設備
Skills函式庫與操作手冊沉澱可重用的領域做法
權限與稽核安全邊界決定誰能做什麼並留下證據

在這個結構裡，使用者描述目標，runtime 負責把任務拆解並執行；MCP 取得資料與操作軟體，MHS 控制設備，Skills 則提供領域知識。

例如，使用者可以要求：「分析昨晚的實驗結果，調整參數，重跑表現最好的三組，異常時通知我。」這個工作流已經不像單次聊天，比較接近以自然語言為入口、由模型做決策、同時管理軟體與硬體資源的運算環境。

協定仍然不是作業系統

介面能讓元件互通，卻不會自動處理系統治理。一個可以長時間運作、同時接觸數位與實體世界的 Agent runtime，至少還要補上：

  • 身分驗證、最小權限與租戶隔離；
  • 多個 Agent 的資源競爭、優先序與中斷；
  • 失敗後的狀態恢復、補償動作與交易回滾；
  • 可追溯的操作紀錄與責任歸屬；
  • 高風險動作的人類核准與緊急停止；
  • 軟體錯誤之外的實體安全評估。

最後一項尤其重要。Anthropic 公開的 Genentech 測試顯示，液體產生泡沫時，Claude 起初把它當成一般執行錯誤，在同一孔位改參數重試，反而產生更多泡沫；研究人員必須說明這是需要物理修正的實體問題。

這個案例點出 MHS 的邊界：標準可以告訴 Agent 如何控制機器，不能保證模型理解機器所在的物理世界。 MHS 解決「能否安全地描述與連接」，而不是承諾每次決策都正確。

真正的競爭在介面與生態

標準的價值不只來自規格，也來自網路效應。軟體服務提供 MCP server、設備廠商提供 MHS driver、開發者把做法包成 Skills，Agent 平台則負責模型、權限、調度與使用者體驗。每一層都能在相對穩定的介面上獨立演進。

這也代表，長期控制生態的未必只是某一代最強模型，而可能是能定義以下邊界的標準與平台：

  • Agent 可以發現哪些能力；
  • 軟體與設備如何描述可執行動作；
  • 誰能授權高風險操作；
  • 執行失敗時如何停止、復原與追責。

因此，MCP + MHS 更像 AI 時代的 USB、POSIX 與裝置驅動體系，而不是 Windows 或 macOS 本身。完整的「AI 作業系統」會是一組協定、runtime、記憶、Skills、安全機制與人類治理共同構成的技術棧。

結語：先問誰握有停止鍵

MCP 讓 AI 接觸數位世界，MHS 開始給它操作實體世界的介面。兩者補上了 Agent 的輸入、輸出與外設，卻沒有包辦排程、權限、復原與責任。

所以更值得追問的不是「AI 會不會有自己的作業系統」，而是：誰定義 Agent 能看見什麼、呼叫什麼、碰觸什麼？當模型判斷錯誤時，誰又有權按下停止鍵？

介面決定能力能否接入；治理機制才決定能力能否被安全使用。

延伸閱讀