尧图网页设计 
在做实验自动化的朋友应该都有体会传统实验室的日常往往是这样的培养箱要定时调温pH 计要手动读数离心机跑完一批还要人工登记数据最后再把这些零散结果整理进 Excel。设备厂商各自维护一套私有协议和上位机软件不同品牌的仪器之间几乎不通信所谓“自动化”更多是半人工的脚本拼接。近期 Anthropic 提出 MHS 标准并把它和 Claude 结合起来目标是让大模型直接理解实验方案、生成标准化的设备操作指令再由统一协议下发到实验室仪器。本文就围绕这套思路从概念、协议分层、模拟设备实战到常见排错完整拆解一遍。1. 为什么需要 MHS 标准1.1 实验室设备自动化的现状实验室自动化并不是新话题但过去几十年里它一直存在一个很尴尬的问题协议碎片化。同一台设备厂商会提供串口指令、动态链接库、Windows 上位机、网络 API 等各种接入方式不同品牌之间指令格式、数据单位、错误码又是另一套逻辑。即使在一个自动化项目里同时用到培养箱、酶标仪、移液工作站通常也需要为每种设备单独写适配层并且每个适配层都依赖厂商文档文档不全时只能靠抓包和试错。这种情况下普通脚本开发已经比较吃力更不用说让 AI 模型去直接调度设备。模型可以理解自然语言但设备不认识自然语言。真正缺的是一层“统一接口”让 AI 可以把意图翻译成设备能执行的标准化指令也让设备可以把运行状态以结构化方式返回给 AI。MHS 标准正是顺着这个需求出现的。1.2 MHS 标准解决的核心问题根据 Anthropic 公开的产品方向MHSModel-Human-System Interface / 模型-人-系统协同标准具体全称与规范以官方发布为准是一套用于连接 AI 模型与物理设备系统的通信标准。它解决的核心问题可以归纳为三点指令标准化。不同设备不再各自定义指令格式而是统一到一套包含设备 ID、动作、参数、超时、审批字段的结构化消息中。过程可解释。每次设备操作都有唯一指令 ID、触发来源模型、人类或定时任务、执行结果方便追溯和审计。安全可控。设备控制不是普通文本对话必须支持人工审批、熔断、最小权限隔离。用一句话概括MHS 让“模型直接操作实验室设备”这件事从 demo 走向可审计、可回滚、可上生产的工程实践。1.3 MHS 与 Claude 的关系Claude 在 MHS 生态里的定位是“任务理解和指令生成引擎”。用户给 Claude 描述实验需求例如“把一号培养箱温度升到 37 度稳定 30 分钟后记录数值”。Claude 需要完成几个步骤理解自然语言、拆解实验流程、生成规范的 MHS 指令、调用设备接口、根据返回值决定下一步操作。MHS 标准则负责解决“指令到了设备端之后怎么解析、怎么执行、怎么反馈”。两者配合后原本需要开发人员编写大量胶水代码的自动化流程可以大幅压缩成“Claude 生成 MHS 指令 设备端 MHS 网关执行指令”的两层结构。2. 理解 MHS 的分层与安全模型2.1 从“自然语言”到“设备指令”为了让 Claude 能稳定输出设备可执行的指令MHS 在逻辑上建议拆成三层意图层Intent Layer负责理解实验目标例如“完成一次温度梯度实验”。指令层Command Layer把意图转换成具体动作序列例如“设置温度 37℃、等待稳定、读取实际温度”。设备层Device Layer对接真实设备协议把标准化指令翻译成厂商私有指令再执行并返回状态。这样的分层和传统软件架构中的 Controller-Service-DAO 很像好处是每一层都可以单独替换。设备厂商只要实现设备层的适配上层的意图理解和指令生成就可以交给 Claude不需要每个设备都定制一套 AI 对接逻辑。2.2 简化协议消息格式下面给出一个演示用的 MHS 风格指令消息注意这是为了帮助你理解协议思路而简化的示例并非官方标准字段{ protocol: mhs-demo, version: 1.0, command_id: cmd-20250612-001, device_id: incubator-01, action: set_temperature, parameters: { value: 37.0, unit: celsius }, timeout_ms: 5000, require_approval: true }各字段的含义如下字段说明protocol协议标识方便设备端区分不同标准版本command_id指令唯一 ID用于日志追溯和幂等去重device_id目标设备 ID对应设备注册表中的唯一标识action设备动作例如设置温度、读取状态、启动运行parameters动作参数统一使用结构化的 key-value 形式timeout_ms设备执行超时时间防止模型指令导致设备长期无响应require_approval是否需要人工审批高危操作必须为 true设备端收到指令后会返回一个标准响应{ command_id: cmd-20250612-001, status: succeeded, message: temperature set to 37.0 celsius, device_state: { temperature: 37.0, status: running } }有了统一的请求和响应格式Claude 生成指令时就能避免“设备端字段名不固定”的麻烦因为双方协议已经约定好了。2.3 安全边界与人工审批实验室设备控制有一个特殊之处操作错误轻则影响实验数据重则可能损坏设备甚至危及人身安全。因此 MHS 在设计上强调安全边界核心是“分级审批”机制。在实际项目里至少要区分两类操作低危操作读取温度、查询状态、导出数据。这类操作可以由 Claude 自动执行不需要人工确认。高危操作启动电机、加热、开合阀门、切换反应条件。这类操作必须设置 require_approvaltrue指令到达设备端后先挂起等待审批人确认再真正下发到硬件层。这套机制对 Claude 的工程落地非常重要。大模型本身是概率模型再强的指令生成能力也无法 100% 保证每次输出都正确因此必须在系统层面增加熔断点而不是把安全责任完全交给模型。3. 环境准备与项目结构下面进入实战环节。为了不依赖真实硬件我们用一个 FastAPI 模拟设备服务来演示完整链路Claude 生成 MHS 风格指令模拟设备执行指令并返回状态。3.1 运行环境说明本文示例使用以下环境具体版本需要根据你的项目实际情况调整操作系统Windows 10/11、macOS 或 Linux 均可Python3.9 及以上Node.js18 及以上仅在安装 Claude Code 时需要Anthropic API Key用于调用 Claude 模型需要说明的是当前大模型工具迭代速度较快本文重点演示配置和开发思路不代表某个特定版本。3.2 安装 Python 依赖创建一个项目目录并在目录中准备requirements.txtfastapi uvicorn anthropic然后安装依赖pip install -r requirements.txt如果你还没有安装 Anthropic SDK上述命令会自动安装。如果安装速度较慢可以把 pip 源调整为国内镜像源这里不再展开。3.3 Claude Code 安装说明可选Claude Code 是 Anthropic 推出的命令行 AI 编程工具很多开发者也在用它作为终端助手。如果你希望在后续章节中体验“用自然语言直接管理设备状态”的能力可以全局安装npm install -g anthropic-ai/claude-code安装完成后在终端输入claude进入交互界面。如果系统提示claude 不是内部或外部命令通常是 npm 全局安装目录没有加入 PATH这个问题会在第 7 章详细排查。3.4 项目结构lab-automation-demo/ ├── requirements.txt ├── device_simulator.py # 模拟温控设备 ├── mhs_client.py # 模拟 MHS 指令发送客户端 ├── claude_controller.py # Claude 调用入口 ├── lab_state.json # 模拟设备状态文件 └── README.md下面逐个文件实现。4. 实战模拟实验设备与 MHS 风格指令4.1 创建模拟温控设备新建文件device_simulator.py实现一个简单的温控设备模拟服务。它接收 MHS 风格指令解包后更新设备状态。# 文件路径lab-automation-demo/device_simulator.py from fastapi import FastAPI, Request from pydantic import BaseModel from typing import Optional app FastAPI(titleMHS Demo Device Simulator) # 模拟设备状态 device_state { device_id: incubator-01, current_temperature: 25.0, target_temperature: None, status: idle, last_command: None, } class MhsCommand(BaseModel): protocol: str version: str command_id: str device_id: str action: str parameters: dict {} timeout_ms: Optional[int] 5000 require_approval: bool False app.get(/api/device/state) async def get_state(): return device_state app.post(/api/device/command) async def execute_command(command: MhsCommand): # 简单校验协议标识 if command.protocol ! mhs-demo: return { status: failed, message: unsupported protocol, command_id: command.command_id, } # 模拟人工审批流程 if command.require_approval: return { status: pending_approval, message: command requires human approval, command_id: command.command_id, } # 执行动作 if command.action set_temperature: value float(command.parameters.get(value)) unit command.parameters.get(unit, celsius) # 模拟升温过程 device_state[target_temperature] value device_state[current_temperature] value device_state[status] running device_state[last_command] command.command_id return { status: succeeded, message: ftemperature set to {value} {unit}, command_id: command.command_id, device_state: device_state, } if command.action read_temperature: return { status: succeeded, message: fcurrent temperature is {device_state[current_temperature]} celsius, command_id: command.command_id, device_state: device_state, } return { status: failed, message: funsupported action: {command.action}, command_id: command.command_id, }这段代码虽然简单但已经包含了 MHS 消息处理的关键逻辑协议校验、审批挂起、动作分发、状态回传。4.2 启动设备服务在项目目录下执行uvicorn device_simulator:app --host 0.0.0.0 --port 8000看到Application startup complete后设备服务就启动了。这里使用0.0.0.0是为了方便局域网内其他机器连接实际生产环境要根据网络规划严格限制访问来源。4.3 验证设备接口先用 curl 发一条读取状态的指令curl -X POST http://127.0.0.1:8000/api/device/command \ -H Content-Type: application/json \ -d { protocol: mhs-demo, version: 1.0, command_id: cmd-test-001, device_id: incubator-01, action: read_temperature, parameters: {}, timeout_ms: 5000, require_approval: false }预期返回{ status: succeeded, message: current temperature is 25.0 celsius, command_id: cmd-test-001, device_state: { device_id: incubator-01, current_temperature: 25.0, target_temperature: null, status: idle, last_command: null } }这说明设备端 MHS 指令通路已经打通。接下来要让 Claude 生成这样的指令。5. 实战让 Claude 生成 MHS 指令5.1 设计系统提示词要让 Claude 稳定输出符合协议的 JSON系统提示词必须严格约束输出格式。下面是一个可用的提示词模板你是一个实验室设备自动化助手。用户会用自然语言提出设备操作需求。 你的任务 1. 将用户需求解析为 MHS 风格的指令 JSON。 2. 只输出 JSON不要包含任何解释性文字。 3. 必须遵守以下字段格式protocolmhs-demo, version1.0, device_idincubator-01。 4. command_id 使用 cmd- 开头后接时间戳。 5. 设置温度类操作必须设置 require_approvaltrue。 6. 读取状态类操作设置 require_approvalfalse。 示例输出 { protocol: mhs-demo, version: 1.0, command_id: cmd-20250612-001, device_id: incubator-01, action: set_temperature, parameters: {value: 37.0, unit: celsius}, timeout_ms: 5000, require_approval: true }这里关键点是把“温度设置属于高危操作”的领域知识写进提示词由 Claude 判断操作风险等级。5.2 编写 Claude 控制器新建文件claude_controller.py# 文件路径lab-automation-demo/claude_controller.py import json import os import time import requests from anthropic import Anthropic DEVICE_SERVICE_URL http://127.0.0.1:8000/api/device/command SYSTEM_PROMPT 你是一个实验室设备自动化助手。用户会用自然语言提出设备操作需求。 你的任务 1. 将用户需求解析为 MHS 风格的指令 JSON。 2. 只输出 JSON不要包含任何解释性文字。 3. 必须遵守以下字段格式protocolmhs-demo, version1.0, device_idincubator-01。 4. command_id 使用 cmd- 开头后接时间戳。 5. 设置温度类操作必须设置 require_approvaltrue。 6. 读取状态类操作设置 require_approvalfalse。 def build_command_id(): return fcmd-{int(time.time() * 1000)} def parse_claude_response(content: str) - dict: # 兼容模型偶发的代码块包裹 content content.strip() if content.startswith(json): content content.removeprefix(json).removesuffix().strip() elif content.startswith(): content content.removeprefix().removesuffix().strip() return json.loads(content) def run_controller(user_request: str): client Anthropic(api_keyos.environ.get(ANTHROPIC_API_KEY)) response client.messages.create( modelos.environ.get(ANTHROPIC_MODEL, claude-sonnet-4-20250514), max_tokens1024, systemSYSTEM_PROMPT, messages[ {role: user, content: user_request} ], ) content response.content[0].text command parse_claude_response(content) print([Claude 生成的 MHS 指令]) print(json.dumps(command, ensure_asciiFalse, indent2)) # 模型生成的 command_id 可能不满足业务要求这里强制替换 command[command_id] build_command_id() # 发送到模拟设备 resp requests.post(DEVICE_SERVICE_URL, jsoncommand, timeout10) result resp.json() print(\n[设备执行结果]) print(json.dumps(result, ensure_asciiFalse, indent2)) if __name__ __main__: user_input input(请输入实验操作需求) run_controller(user_input)注意几个工程细节API Key 通过环境变量ANTHROPIC_API_KEY读取不硬编码在代码里。requests.post设置了 10 秒超时避免服务端挂起导致客户端无响应。模型生成的command_id会被本地强制覆盖为带毫秒时间戳的 ID保证唯一性和可追溯性。5.3 运行完整流程先确保设备服务已经在终端运行然后设置环境变量export ANTHROPIC_API_KEY你的 API KeyWindows PowerShell 下使用$env:ANTHROPIC_API_KEY 你的 API Key启动 Claude 控制器python claude_controller.py输入请把一号培养箱温度设置到 37 度5.4 预期输出说明控制台会先打印 Claude 生成的指令再打印设备执行结果[Claude 生成的 MHS 指令] { protocol: mhs-demo, version: 1.0, command_id: cmd-1749739200000, device_id: incubator-01, action: set_temperature, parameters: { value: 37.0, unit: celsius }, timeout_ms: 5000, require_approval: true } [设备执行结果] { status: pending_approval, message: command requires human approval, command_id: cmd-1749739200000 }设备返回pending_approval而不是直接执行这正是 MHS 安全模型的体现。实际生产系统中这里会接入审批平台由负责实验的责任人在界面上确认后设备才会真正动作。如果想测试自动执行的读操作可以输入读取培养箱当前温度此时require_approvalfalse设备会直接返回当前温度。6. 结合 Claude Code 管理设备状态6.1 Claude Code 在设备自动化中的定位很多开发者在终端使用 Claude Code 进行编程但它同样可以承担实验室自动化中的“状态巡查和报告生成”工作。相比直接通过 API 调用 ClaudeClaude Code 的优势在于它天然具备文件读写、命令执行、脚本调用能力适合做实验数据的本地整理、格式转换、异常检测。需要强调的是Claude Code 更适合做低风险的数据处理和信息汇总不建议直接让它控制高功率设备。设备操作仍然要走 MHS 的审批流程。6.2 通过 Claude Code 读写状态文件在项目目录下我们可以用lab_state.json保存设备状态快照{ device_id: incubator-01, current_temperature: 37.0, status: running, updated_at: 2025-06-12 10:30:00 }进入 Claude Code 后可以这样询问读取 lab_state.json检查当前温度是否在 36-38 度范围内并生成一条简短巡检记录。Claude Code 会自动完成文件读取、条件判断、结果输出不需要你手动打开文件。虽然这个场景很简单但它演示了“模型 本地文件 轻量巡检”的自动化工作流。6.3 接入第三方模型的配置说明如果你所在团队通过 OpenAI 兼容网关或 Anthropic 兼容代理接入其他模型需要在 Claude Code 中配置环境变量。常见做法是设置ANTHROPIC_BASE_URL指向网关地址并通过ANTHROPIC_MODEL指定模型名称。例如export ANTHROPIC_BASE_URLhttp://your-gateway:8080 export ANTHROPIC_MODELyour-model-name如果启动时遇到类似xxx is not a model this version of claude code recognizes的报错通常有两种原因模型名称和网关支持列表不一致。Claude Code 版本较新对模型名称做了严格检查需要更新配置或降级版本。这种情况下优先检查网关侧文档确认模型名称的准确写法再检查本地环境变量是否生效。7. 常见问题与排查思路7.1 总览表问题现象可能原因解决思路claude不是内部或外部命令npm 全局安装路径未加入 PATH定位 npm 全局目录并配置 PATH重开终端Unable to connect to Anthropic services网络不通、API Key 无效、服务区域限制检查网络、确认 Key、查看官方状态页HTTP 529Anthropic 服务暂时过载等待后重试增加指数退避策略model not recognized模型名称与网关支持列表不符检查ANTHROPIC_MODEL配置和网关文档API Key 权限不足未开通设备控制相关权限在控制台申请对应权限设备服务返回 400指令 JSON 字段缺失或类型错误根据 Pydantic 报错信息修正字段7.2 安装类问题Windows 下最常遇到的是claude命令无法识别。根本原因是 npm 的全局 bin 目录不在系统 PATH 里。排查步骤执行npm prefix -g查看全局目录。把输出的目录下的cmd子目录加入系统 PATH。重新打开终端执行claude --version验证。Linux/macOS 下如果遇到同样问题通常是在安装时使用了sudo导致文件权限和用户目录不一致建议去掉sudo使用用户级安装。7.3 连接类问题Unable to connect to anthropic services是调用 API 时非常常见的报错背后的原因可能很多本机无法访问api.anthropic.com需要检查网络环境是否正常。API Key 缺失、格式错误或已过期。请求频率触发限流。服务端临时故障。建议排查顺序是先检查环境变量是否生效再确认 API Key 在官方控制台可用最后看服务状态页是否有故障公告。如果是临时故障可以在代码中对 529 和 5xx 错误增加退避重试。7.4 模型调用类问题如果你把 Claude Code 接入第三方模型网关遇到not recognized报错时不要急着修改代码先确认两个信息网关支持的模型名称列表。当前 Claude Code 版本对环境变量ANTHROPIC_MODEL的校验规则。很多网关会要求模型名称必须与注册名称完全一致连大小写都不能错。另外旧版本 Claude Code 的环境变量名称可能是CLAUDE_MODEL升级后改成ANTHROPIC_MODEL升级后旧的配置可能不再生效。7.5 模拟设备类问题如果请求设备服务时返回 400通常是 MHS 指令 JSON 不符合 Pydantic 模型定义。例如缺少protocol字段、parameters不是对象类型、require_approval传了字符串而不是布尔值。FastAPI 的报错信息会明确指出哪个字段出错按提示修正即可。建议在 Claude 控制器中增加 JSON Schema 校验而不是把不合法指令直接发给设备。8. 最佳实践与工程建议8.1 安全与合规设备控制场景必须把安全放在第一位。建议遵循以下原则最小权限Claude 只拥有完成当前任务所需的设备权限不授予管理员级权限。人工审批高危操作一律进入审批流程不能由模型自动放行。测试环境先行所有指令都要先在模拟设备或测试设备上验证再切换到生产设备。合规使用调用 Anthropic API 时严格遵守服务条款不绕过认证不伪造调用身份。8.2 可追溯与日志每一笔设备操作都要能回答三个问题谁发起的、什么时间发起的、执行结果是什么。建议在指令层统一记录:[2025-06-12 10:30:00] command_idcmd-xxx userzhangsan actionset_temperature statuspending_approval [2025-06-12 10:31:00] command_idcmd-xxx approverlisi actionset_temperature statussucceeded这个日志可以在 MHS 网关中生成也可以在模拟设备的每次请求中打印。完整日志是事后排查问题的关键依据。8.3 幂等与超时重试设备指令必须支持幂等。同一个command_id如果因为网络超时被重复发送设备端不能执行两次。实现方式是设备端维护一个已执行指令表收到重复command_id时直接返回上次执行结果。同时客户端要设置合理的超时和重试策略建议采用“指数退避 最大重试次数”的方式避免对设备造成请求风暴。8.4 版本与依赖大模型 SDK 和 Claude Code 的更新速度很快项目里要明确锁定版本anthropic0.40.0,1.0.0固定版本范围可以避免 SDK 大版本升级带来的接口不兼容问题。生产环境建议使用虚拟环境或容器保证开发、测试、生产依赖一致。8.5 从模拟到真实设备的迁移路径本文使用 FastAPI 模拟设备真实环境中你需要把设备层替换成实际硬件接口串口设备通过pyserial读写串口按照厂商协议发送指令。网络设备使用 Modbus TCP、OPC UA、MQTT 等工业协议对接。仪器厂商 SDK保留厂商适配层在设备层内部完成 MHS 指令到厂商私有指令的转换。只要上层的 MHS 指令格式不变Claude 控制器和审批流程都可以复用迁移成本主要集中在设备层适配。9. 总结与学习路线本文从实验室设备自动化的痛点出发解读了 Anthropic 推出 MHS 标准的意义让 Claude 生成标准化指令设备端通过统一协议解析执行并加入人工审批、幂等、日志等工程机制。我们用 FastAPI 模拟了温控设备用 Claude API 实现了从自然语言到 MHS 指令再到设备执行的完整链路最后整理了安装、连接、模型调用、设备验证四个维度的排错方案。如果你想继续深入按这个顺序学习会比较顺熟悉 Claude API 的messages.create用法重点理解system prompt对输出格式的约束作用。学习 Function Calling 和 Agent 工具调用掌握模型自主决定调用哪些设备接口的能力。接触真实硬件接口从串口和 Modbus 开始理解设备协议与标准化协议之间的转换。研究实验数据管理的工程实践把设备状态、指令日志、实验结果统一存储让数据可以被 Claude 进一步分析。这套方案目前还处于快速演进阶段MHS 的具体协议细节、官方 SDK 和最佳实践都会持续更新。建议你在动手实现时以官方文档为准同时把本文的分层思路和安全设计作为基本框架先跑通模拟链路再逐步迁移到真实实验环境。 MHS标准实战：用Claude实现实验室设备自动化指令生成与执行
在做实验自动化的朋友应该都有体会传统实验室的日常往往是这样的培养箱要定时调温pH 计要手动读数离心机跑完一批还要人工登记数据最后再把这些零散结果整理进 Excel。设备厂商各自维护一套私有协议和上位机软件不同品牌的仪器之间几乎不通信所谓“自动化”更多是半人工的脚本拼接。近期 Anthropic 提出 MHS 标准并把它和 Claude 结合起来目标是让大模型直接理解实验方案、生成标准化的设备操作指令再由统一协议下发到实验室仪器。本文就围绕这套思路从概念、协议分层、模拟设备实战到常见排错完整拆解一遍。1. 为什么需要 MHS 标准1.1 实验室设备自动化的现状实验室自动化并不是新话题但过去几十年里它一直存在一个很尴尬的问题协议碎片化。同一台设备厂商会提供串口指令、动态链接库、Windows 上位机、网络 API 等各种接入方式不同品牌之间指令格式、数据单位、错误码又是另一套逻辑。即使在一个自动化项目里同时用到培养箱、酶标仪、移液工作站通常也需要为每种设备单独写适配层并且每个适配层都依赖厂商文档文档不全时只能靠抓包和试错。这种情况下普通脚本开发已经比较吃力更不用说让 AI 模型去直接调度设备。模型可以理解自然语言但设备不认识自然语言。真正缺的是一层“统一接口”让 AI 可以把意图翻译成设备能执行的标准化指令也让设备可以把运行状态以结构化方式返回给 AI。MHS 标准正是顺着这个需求出现的。1.2 MHS 标准解决的核心问题根据 Anthropic 公开的产品方向MHSModel-Human-System Interface / 模型-人-系统协同标准具体全称与规范以官方发布为准是一套用于连接 AI 模型与物理设备系统的通信标准。它解决的核心问题可以归纳为三点指令标准化。不同设备不再各自定义指令格式而是统一到一套包含设备 ID、动作、参数、超时、审批字段的结构化消息中。过程可解释。每次设备操作都有唯一指令 ID、触发来源模型、人类或定时任务、执行结果方便追溯和审计。安全可控。设备控制不是普通文本对话必须支持人工审批、熔断、最小权限隔离。用一句话概括MHS 让“模型直接操作实验室设备”这件事从 demo 走向可审计、可回滚、可上生产的工程实践。1.3 MHS 与 Claude 的关系Claude 在 MHS 生态里的定位是“任务理解和指令生成引擎”。用户给 Claude 描述实验需求例如“把一号培养箱温度升到 37 度稳定 30 分钟后记录数值”。Claude 需要完成几个步骤理解自然语言、拆解实验流程、生成规范的 MHS 指令、调用设备接口、根据返回值决定下一步操作。MHS 标准则负责解决“指令到了设备端之后怎么解析、怎么执行、怎么反馈”。两者配合后原本需要开发人员编写大量胶水代码的自动化流程可以大幅压缩成“Claude 生成 MHS 指令 设备端 MHS 网关执行指令”的两层结构。2. 理解 MHS 的分层与安全模型2.1 从“自然语言”到“设备指令”为了让 Claude 能稳定输出设备可执行的指令MHS 在逻辑上建议拆成三层意图层Intent Layer负责理解实验目标例如“完成一次温度梯度实验”。指令层Command Layer把意图转换成具体动作序列例如“设置温度 37℃、等待稳定、读取实际温度”。设备层Device Layer对接真实设备协议把标准化指令翻译成厂商私有指令再执行并返回状态。这样的分层和传统软件架构中的 Controller-Service-DAO 很像好处是每一层都可以单独替换。设备厂商只要实现设备层的适配上层的意图理解和指令生成就可以交给 Claude不需要每个设备都定制一套 AI 对接逻辑。2.2 简化协议消息格式下面给出一个演示用的 MHS 风格指令消息注意这是为了帮助你理解协议思路而简化的示例并非官方标准字段{ protocol: mhs-demo, version: 1.0, command_id: cmd-20250612-001, device_id: incubator-01, action: set_temperature, parameters: { value: 37.0, unit: celsius }, timeout_ms: 5000, require_approval: true }各字段的含义如下字段说明protocol协议标识方便设备端区分不同标准版本command_id指令唯一 ID用于日志追溯和幂等去重device_id目标设备 ID对应设备注册表中的唯一标识action设备动作例如设置温度、读取状态、启动运行parameters动作参数统一使用结构化的 key-value 形式timeout_ms设备执行超时时间防止模型指令导致设备长期无响应require_approval是否需要人工审批高危操作必须为 true设备端收到指令后会返回一个标准响应{ command_id: cmd-20250612-001, status: succeeded, message: temperature set to 37.0 celsius, device_state: { temperature: 37.0, status: running } }有了统一的请求和响应格式Claude 生成指令时就能避免“设备端字段名不固定”的麻烦因为双方协议已经约定好了。2.3 安全边界与人工审批实验室设备控制有一个特殊之处操作错误轻则影响实验数据重则可能损坏设备甚至危及人身安全。因此 MHS 在设计上强调安全边界核心是“分级审批”机制。在实际项目里至少要区分两类操作低危操作读取温度、查询状态、导出数据。这类操作可以由 Claude 自动执行不需要人工确认。高危操作启动电机、加热、开合阀门、切换反应条件。这类操作必须设置 require_approvaltrue指令到达设备端后先挂起等待审批人确认再真正下发到硬件层。这套机制对 Claude 的工程落地非常重要。大模型本身是概率模型再强的指令生成能力也无法 100% 保证每次输出都正确因此必须在系统层面增加熔断点而不是把安全责任完全交给模型。3. 环境准备与项目结构下面进入实战环节。为了不依赖真实硬件我们用一个 FastAPI 模拟设备服务来演示完整链路Claude 生成 MHS 风格指令模拟设备执行指令并返回状态。3.1 运行环境说明本文示例使用以下环境具体版本需要根据你的项目实际情况调整操作系统Windows 10/11、macOS 或 Linux 均可Python3.9 及以上Node.js18 及以上仅在安装 Claude Code 时需要Anthropic API Key用于调用 Claude 模型需要说明的是当前大模型工具迭代速度较快本文重点演示配置和开发思路不代表某个特定版本。3.2 安装 Python 依赖创建一个项目目录并在目录中准备requirements.txtfastapi uvicorn anthropic然后安装依赖pip install -r requirements.txt如果你还没有安装 Anthropic SDK上述命令会自动安装。如果安装速度较慢可以把 pip 源调整为国内镜像源这里不再展开。3.3 Claude Code 安装说明可选Claude Code 是 Anthropic 推出的命令行 AI 编程工具很多开发者也在用它作为终端助手。如果你希望在后续章节中体验“用自然语言直接管理设备状态”的能力可以全局安装npm install -g anthropic-ai/claude-code安装完成后在终端输入claude进入交互界面。如果系统提示claude 不是内部或外部命令通常是 npm 全局安装目录没有加入 PATH这个问题会在第 7 章详细排查。3.4 项目结构lab-automation-demo/ ├── requirements.txt ├── device_simulator.py # 模拟温控设备 ├── mhs_client.py # 模拟 MHS 指令发送客户端 ├── claude_controller.py # Claude 调用入口 ├── lab_state.json # 模拟设备状态文件 └── README.md下面逐个文件实现。4. 实战模拟实验设备与 MHS 风格指令4.1 创建模拟温控设备新建文件device_simulator.py实现一个简单的温控设备模拟服务。它接收 MHS 风格指令解包后更新设备状态。# 文件路径lab-automation-demo/device_simulator.py from fastapi import FastAPI, Request from pydantic import BaseModel from typing import Optional app FastAPI(titleMHS Demo Device Simulator) # 模拟设备状态 device_state { device_id: incubator-01, current_temperature: 25.0, target_temperature: None, status: idle, last_command: None, } class MhsCommand(BaseModel): protocol: str version: str command_id: str device_id: str action: str parameters: dict {} timeout_ms: Optional[int] 5000 require_approval: bool False app.get(/api/device/state) async def get_state(): return device_state app.post(/api/device/command) async def execute_command(command: MhsCommand): # 简单校验协议标识 if command.protocol ! mhs-demo: return { status: failed, message: unsupported protocol, command_id: command.command_id, } # 模拟人工审批流程 if command.require_approval: return { status: pending_approval, message: command requires human approval, command_id: command.command_id, } # 执行动作 if command.action set_temperature: value float(command.parameters.get(value)) unit command.parameters.get(unit, celsius) # 模拟升温过程 device_state[target_temperature] value device_state[current_temperature] value device_state[status] running device_state[last_command] command.command_id return { status: succeeded, message: ftemperature set to {value} {unit}, command_id: command.command_id, device_state: device_state, } if command.action read_temperature: return { status: succeeded, message: fcurrent temperature is {device_state[current_temperature]} celsius, command_id: command.command_id, device_state: device_state, } return { status: failed, message: funsupported action: {command.action}, command_id: command.command_id, }这段代码虽然简单但已经包含了 MHS 消息处理的关键逻辑协议校验、审批挂起、动作分发、状态回传。4.2 启动设备服务在项目目录下执行uvicorn device_simulator:app --host 0.0.0.0 --port 8000看到Application startup complete后设备服务就启动了。这里使用0.0.0.0是为了方便局域网内其他机器连接实际生产环境要根据网络规划严格限制访问来源。4.3 验证设备接口先用 curl 发一条读取状态的指令curl -X POST http://127.0.0.1:8000/api/device/command \ -H Content-Type: application/json \ -d { protocol: mhs-demo, version: 1.0, command_id: cmd-test-001, device_id: incubator-01, action: read_temperature, parameters: {}, timeout_ms: 5000, require_approval: false }预期返回{ status: succeeded, message: current temperature is 25.0 celsius, command_id: cmd-test-001, device_state: { device_id: incubator-01, current_temperature: 25.0, target_temperature: null, status: idle, last_command: null } }这说明设备端 MHS 指令通路已经打通。接下来要让 Claude 生成这样的指令。5. 实战让 Claude 生成 MHS 指令5.1 设计系统提示词要让 Claude 稳定输出符合协议的 JSON系统提示词必须严格约束输出格式。下面是一个可用的提示词模板你是一个实验室设备自动化助手。用户会用自然语言提出设备操作需求。 你的任务 1. 将用户需求解析为 MHS 风格的指令 JSON。 2. 只输出 JSON不要包含任何解释性文字。 3. 必须遵守以下字段格式protocolmhs-demo, version1.0, device_idincubator-01。 4. command_id 使用 cmd- 开头后接时间戳。 5. 设置温度类操作必须设置 require_approvaltrue。 6. 读取状态类操作设置 require_approvalfalse。 示例输出 { protocol: mhs-demo, version: 1.0, command_id: cmd-20250612-001, device_id: incubator-01, action: set_temperature, parameters: {value: 37.0, unit: celsius}, timeout_ms: 5000, require_approval: true }这里关键点是把“温度设置属于高危操作”的领域知识写进提示词由 Claude 判断操作风险等级。5.2 编写 Claude 控制器新建文件claude_controller.py# 文件路径lab-automation-demo/claude_controller.py import json import os import time import requests from anthropic import Anthropic DEVICE_SERVICE_URL http://127.0.0.1:8000/api/device/command SYSTEM_PROMPT 你是一个实验室设备自动化助手。用户会用自然语言提出设备操作需求。 你的任务 1. 将用户需求解析为 MHS 风格的指令 JSON。 2. 只输出 JSON不要包含任何解释性文字。 3. 必须遵守以下字段格式protocolmhs-demo, version1.0, device_idincubator-01。 4. command_id 使用 cmd- 开头后接时间戳。 5. 设置温度类操作必须设置 require_approvaltrue。 6. 读取状态类操作设置 require_approvalfalse。 def build_command_id(): return fcmd-{int(time.time() * 1000)} def parse_claude_response(content: str) - dict: # 兼容模型偶发的代码块包裹 content content.strip() if content.startswith(json): content content.removeprefix(json).removesuffix().strip() elif content.startswith(): content content.removeprefix().removesuffix().strip() return json.loads(content) def run_controller(user_request: str): client Anthropic(api_keyos.environ.get(ANTHROPIC_API_KEY)) response client.messages.create( modelos.environ.get(ANTHROPIC_MODEL, claude-sonnet-4-20250514), max_tokens1024, systemSYSTEM_PROMPT, messages[ {role: user, content: user_request} ], ) content response.content[0].text command parse_claude_response(content) print([Claude 生成的 MHS 指令]) print(json.dumps(command, ensure_asciiFalse, indent2)) # 模型生成的 command_id 可能不满足业务要求这里强制替换 command[command_id] build_command_id() # 发送到模拟设备 resp requests.post(DEVICE_SERVICE_URL, jsoncommand, timeout10) result resp.json() print(\n[设备执行结果]) print(json.dumps(result, ensure_asciiFalse, indent2)) if __name__ __main__: user_input input(请输入实验操作需求) run_controller(user_input)注意几个工程细节API Key 通过环境变量ANTHROPIC_API_KEY读取不硬编码在代码里。requests.post设置了 10 秒超时避免服务端挂起导致客户端无响应。模型生成的command_id会被本地强制覆盖为带毫秒时间戳的 ID保证唯一性和可追溯性。5.3 运行完整流程先确保设备服务已经在终端运行然后设置环境变量export ANTHROPIC_API_KEY你的 API KeyWindows PowerShell 下使用$env:ANTHROPIC_API_KEY 你的 API Key启动 Claude 控制器python claude_controller.py输入请把一号培养箱温度设置到 37 度5.4 预期输出说明控制台会先打印 Claude 生成的指令再打印设备执行结果[Claude 生成的 MHS 指令] { protocol: mhs-demo, version: 1.0, command_id: cmd-1749739200000, device_id: incubator-01, action: set_temperature, parameters: { value: 37.0, unit: celsius }, timeout_ms: 5000, require_approval: true } [设备执行结果] { status: pending_approval, message: command requires human approval, command_id: cmd-1749739200000 }设备返回pending_approval而不是直接执行这正是 MHS 安全模型的体现。实际生产系统中这里会接入审批平台由负责实验的责任人在界面上确认后设备才会真正动作。如果想测试自动执行的读操作可以输入读取培养箱当前温度此时require_approvalfalse设备会直接返回当前温度。6. 结合 Claude Code 管理设备状态6.1 Claude Code 在设备自动化中的定位很多开发者在终端使用 Claude Code 进行编程但它同样可以承担实验室自动化中的“状态巡查和报告生成”工作。相比直接通过 API 调用 ClaudeClaude Code 的优势在于它天然具备文件读写、命令执行、脚本调用能力适合做实验数据的本地整理、格式转换、异常检测。需要强调的是Claude Code 更适合做低风险的数据处理和信息汇总不建议直接让它控制高功率设备。设备操作仍然要走 MHS 的审批流程。6.2 通过 Claude Code 读写状态文件在项目目录下我们可以用lab_state.json保存设备状态快照{ device_id: incubator-01, current_temperature: 37.0, status: running, updated_at: 2025-06-12 10:30:00 }进入 Claude Code 后可以这样询问读取 lab_state.json检查当前温度是否在 36-38 度范围内并生成一条简短巡检记录。Claude Code 会自动完成文件读取、条件判断、结果输出不需要你手动打开文件。虽然这个场景很简单但它演示了“模型 本地文件 轻量巡检”的自动化工作流。6.3 接入第三方模型的配置说明如果你所在团队通过 OpenAI 兼容网关或 Anthropic 兼容代理接入其他模型需要在 Claude Code 中配置环境变量。常见做法是设置ANTHROPIC_BASE_URL指向网关地址并通过ANTHROPIC_MODEL指定模型名称。例如export ANTHROPIC_BASE_URLhttp://your-gateway:8080 export ANTHROPIC_MODELyour-model-name如果启动时遇到类似xxx is not a model this version of claude code recognizes的报错通常有两种原因模型名称和网关支持列表不一致。Claude Code 版本较新对模型名称做了严格检查需要更新配置或降级版本。这种情况下优先检查网关侧文档确认模型名称的准确写法再检查本地环境变量是否生效。7. 常见问题与排查思路7.1 总览表问题现象可能原因解决思路claude不是内部或外部命令npm 全局安装路径未加入 PATH定位 npm 全局目录并配置 PATH重开终端Unable to connect to Anthropic services网络不通、API Key 无效、服务区域限制检查网络、确认 Key、查看官方状态页HTTP 529Anthropic 服务暂时过载等待后重试增加指数退避策略model not recognized模型名称与网关支持列表不符检查ANTHROPIC_MODEL配置和网关文档API Key 权限不足未开通设备控制相关权限在控制台申请对应权限设备服务返回 400指令 JSON 字段缺失或类型错误根据 Pydantic 报错信息修正字段7.2 安装类问题Windows 下最常遇到的是claude命令无法识别。根本原因是 npm 的全局 bin 目录不在系统 PATH 里。排查步骤执行npm prefix -g查看全局目录。把输出的目录下的cmd子目录加入系统 PATH。重新打开终端执行claude --version验证。Linux/macOS 下如果遇到同样问题通常是在安装时使用了sudo导致文件权限和用户目录不一致建议去掉sudo使用用户级安装。7.3 连接类问题Unable to connect to anthropic services是调用 API 时非常常见的报错背后的原因可能很多本机无法访问api.anthropic.com需要检查网络环境是否正常。API Key 缺失、格式错误或已过期。请求频率触发限流。服务端临时故障。建议排查顺序是先检查环境变量是否生效再确认 API Key 在官方控制台可用最后看服务状态页是否有故障公告。如果是临时故障可以在代码中对 529 和 5xx 错误增加退避重试。7.4 模型调用类问题如果你把 Claude Code 接入第三方模型网关遇到not recognized报错时不要急着修改代码先确认两个信息网关支持的模型名称列表。当前 Claude Code 版本对环境变量ANTHROPIC_MODEL的校验规则。很多网关会要求模型名称必须与注册名称完全一致连大小写都不能错。另外旧版本 Claude Code 的环境变量名称可能是CLAUDE_MODEL升级后改成ANTHROPIC_MODEL升级后旧的配置可能不再生效。7.5 模拟设备类问题如果请求设备服务时返回 400通常是 MHS 指令 JSON 不符合 Pydantic 模型定义。例如缺少protocol字段、parameters不是对象类型、require_approval传了字符串而不是布尔值。FastAPI 的报错信息会明确指出哪个字段出错按提示修正即可。建议在 Claude 控制器中增加 JSON Schema 校验而不是把不合法指令直接发给设备。8. 最佳实践与工程建议8.1 安全与合规设备控制场景必须把安全放在第一位。建议遵循以下原则最小权限Claude 只拥有完成当前任务所需的设备权限不授予管理员级权限。人工审批高危操作一律进入审批流程不能由模型自动放行。测试环境先行所有指令都要先在模拟设备或测试设备上验证再切换到生产设备。合规使用调用 Anthropic API 时严格遵守服务条款不绕过认证不伪造调用身份。8.2 可追溯与日志每一笔设备操作都要能回答三个问题谁发起的、什么时间发起的、执行结果是什么。建议在指令层统一记录:[2025-06-12 10:30:00] command_idcmd-xxx userzhangsan actionset_temperature statuspending_approval [2025-06-12 10:31:00] command_idcmd-xxx approverlisi actionset_temperature statussucceeded这个日志可以在 MHS 网关中生成也可以在模拟设备的每次请求中打印。完整日志是事后排查问题的关键依据。8.3 幂等与超时重试设备指令必须支持幂等。同一个command_id如果因为网络超时被重复发送设备端不能执行两次。实现方式是设备端维护一个已执行指令表收到重复command_id时直接返回上次执行结果。同时客户端要设置合理的超时和重试策略建议采用“指数退避 最大重试次数”的方式避免对设备造成请求风暴。8.4 版本与依赖大模型 SDK 和 Claude Code 的更新速度很快项目里要明确锁定版本anthropic0.40.0,1.0.0固定版本范围可以避免 SDK 大版本升级带来的接口不兼容问题。生产环境建议使用虚拟环境或容器保证开发、测试、生产依赖一致。8.5 从模拟到真实设备的迁移路径本文使用 FastAPI 模拟设备真实环境中你需要把设备层替换成实际硬件接口串口设备通过pyserial读写串口按照厂商协议发送指令。网络设备使用 Modbus TCP、OPC UA、MQTT 等工业协议对接。仪器厂商 SDK保留厂商适配层在设备层内部完成 MHS 指令到厂商私有指令的转换。只要上层的 MHS 指令格式不变Claude 控制器和审批流程都可以复用迁移成本主要集中在设备层适配。9. 总结与学习路线本文从实验室设备自动化的痛点出发解读了 Anthropic 推出 MHS 标准的意义让 Claude 生成标准化指令设备端通过统一协议解析执行并加入人工审批、幂等、日志等工程机制。我们用 FastAPI 模拟了温控设备用 Claude API 实现了从自然语言到 MHS 指令再到设备执行的完整链路最后整理了安装、连接、模型调用、设备验证四个维度的排错方案。如果你想继续深入按这个顺序学习会比较顺熟悉 Claude API 的messages.create用法重点理解system prompt对输出格式的约束作用。学习 Function Calling 和 Agent 工具调用掌握模型自主决定调用哪些设备接口的能力。接触真实硬件接口从串口和 Modbus 开始理解设备协议与标准化协议之间的转换。研究实验数据管理的工程实践把设备状态、指令日志、实验结果统一存储让数据可以被 Claude 进一步分析。这套方案目前还处于快速演进阶段MHS 的具体协议细节、官方 SDK 和最佳实践都会持续更新。建议你在动手实现时以官方文档为准同时把本文的分层思路和安全设计作为基本框架先跑通模拟链路再逐步迁移到真实实验环境。