Как ИИ-агенты проводят эксперименты с помощью лабораторного оборудования

Автономные ИИ-ученые уже умеют читать статьи, предлагать гипотезы, запускать расчеты и даже управлять экспериментами. Но в реальной науке их возможности часто «заперты» внутри конкретной лаборатории, набора скриптов и ручных договоренностей о том, где лежат данные и как использовать приборы. Как только команда пытается перенести такой стек в другую лабораторию или повторить чужой эксперимент, начинаются проблемы: несовместимые форматы, разрозненные доступы, разные правила безопасности и отсутствие общего контекста исследования.

Авторы работы SCP: Accelerating Discovery with a Global Web of Autonomous Scientific Agents предлагают смотреть на проблему как на инфраструктурную. Не хватает не очередного агента с умным промтом, а протокола, который позволит агентам, людям, софту и физическим приборам работать в одном и том же научном процессе — с понятными правами доступа, журналированием и воспроизводимостью.

SCP: протокол для «научного контекста»

SCP (Science Context Protocol) задуман как открытый стандарт, который превращает разрозненные ресурсы — от датасетов и моделей до роботизированных станций — в совместимые блоки. Здесь важны две вещи.

Первая — единое описание и подключение ресурсов. Инструментом считается не только функция в коде, но и, например, прибор в лаборатории, сложный пайплайн или составная процедура, которую выполняет мультиагентная система. Ресурсы публикуют свои возможности по общей схеме: что принимают на вход, что возвращают, какие есть ограничения и потенциальные побочные эффекты. Это резко упрощает композицию: из «кирпичиков» можно собирать новые цепочки экспериментов.

Вторая — управление жизненным циклом эксперимента. В SCP эксперимент — не набор разрозненных вызовов, а объект с идентификатором, метаданными, состоянием, логами и историей происхождения данных. Это важно для воспроизводимости: можно понять, что именно запускалось, в каком порядке, с какими параметрами, и почему система приняла те или иные решения.

Как это работает

Архитектура SCP устроена следующим образом: есть SCP Hub — центральный узел, который хранит контекст эксперимента, проверяет права, предлагает планы выполнения и следит за исполнением. А есть SCP Servers — периферийные узлы в лабораториях, датацентрах или облаках, которые реально имеют доступ к ресурсам: приборам, моделям, базам данных, вычислительным кластерам.

Hub не просто пересылает запросы. Он пытается собрать выполнимый план под цель эксперимента, оценить задержки, стоимость и риск, а затем оркестрировать многошаговый пайплайн. После запуска Hub получает статусы и результаты в реальном времени, может ставить процесс на паузу, продолжать, завершать и фиксировать все в архиве.

Платформа из 1600+ инструментов

Чтобы показать масштаб идеи, авторы построили поверх SCP платформу Intern-Discovery: экосистему из более чем 1600 инструментальных ресурсов. Это инструменты, доступные через общий интерфейс, что расширяет пространство действий для агентов и снижает цену интеграции.

Интересная деталь — заметный перекос в сторону биологии и смежных областей: почти половина инструментов относится к этому кластеру. Это логично: именно в биоинформатике и химии особенно много разнородных баз, форматов и этапов, которые трудно связать вручную.

Четыре кейса работы протокола

Первый пример — автоматизированное проектирование и выполнение wet-lab протокола. Пользователь задает цель, система превращает ее в структурированный план, затем в команды для конкретных устройств. Снаружи это выглядит как единый управляемый запуск, а не как цепочка ручных переносов между приложениями.

Второй пример: воспроизведение протокола из PDF. Многие лаборатории живут в мире, где «истина» достигается с помощью методички или приложения к статье. SCP берет PDF, извлекает шаги и параметры, переводит их в стандартизованный JSON-объект, а затем проверяет совместимость с доступными приборами и компилирует в инструкции на уровне устройства. Это решает проблему воспроизводимости.

Третий кейс — вычислительный, про молекулярный скрининг. Работа начинается с 50 молекул, фильтруется по показателям похожести и токсичности, готовится структура белка, и выбирается финальный кандидат. Здесь SCP ценен тем, что вся цепочка действий фиксируется в одном контексте, а не расползается по скриптам и временным файлам.

Четвертый кейс — инженерия флуоресцентных белков: от дизайна последовательностей и предсказаний свойств до сборки, культивирования и измерений.

Что в итоге меняется для науки

Чтобы автономные ИИ-ученые стали переносимыми и действительно масштабируемыми, им нужен общий протокол — с контекстом эксперимента, безопасностью, логами, идентификаторами и управлением жизненным циклом. SCP предлагает именно это, добавляя уровень оркестрации поверх разнородных ресурсов и снижая ручные накладные расходы на интеграцию.

Если подход приживется, выигрыш будет не только в скорости. Более важная ставка — на воспроизводимость и межинституциональное сотрудничество в различных научных дисциплинах.

💾 Код