🤖 AI

LAP: An Agent-to-Instrument Protocol for Autonomous Science

이 논문은 기기 발견, 독점적 자원 예약, 안전 필수 핸드셰이크, 그리고 물리적으로 유형화된 측정 결과를 위한 프리미티브를 정의함으로써 자율형 AI 에이전트와 물리적 과학 기기 사이의 간극을 메우고, 이를 통해 견고하고 상호 운용 가능하며 안전한 자율 과학 인프라를 가능하게 하도록 설계된 새로운 표준인 랩 에이전트 프로토콜(Lab Agent Protocol, LAP)을 소개한다.

원저자: Linwu Zhu, Liqiang Gao, Yan Chen, Dan Zhu, Jian Huang

게시일 2026-06-03

📖 5 분 읽기🧠 심층 분석

CC BY 4.0

원저자: Linwu Zhu, Liqiang Gao, Yan Chen, Dan Zhu, Jian Huang

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

개요: 로봇 실험실의 사라진 연결 고리

미래에는 초지능 AI 과학자(이하 "추론 에이전트")가 스스로 실험을 설계하고, 어떤 화학 물질을 섞어야 할지 결정하며, 그 결과를 해석하는 세상을 상상해 보세요. 우리는 이미 "두뇌"(AI)를 가지고 있고, "손"(로봇 실험실)도 가지고 있습니다.

하지만 현재는 심각한 의사소통의 단절이 존재합니다. AI 두뇌는 "새로운 배터리를 만들어줘"와 같은 고차원적인 언어로 말하지만, 로봇 팔은 "밸브 3번을 45도로 돌려라"와 같이 구체적이고 경직된 언어로 말합니다. 현재는 과학자가 새로운 로봇이나 기계를 사용하려고 할 때마다 매번 처음부터 맞춤형 번역기를 만들어야 합니다. 이는 마치 피자를 주문할 때마다 그 특정 피자 가게와 대화하기 위해 새로운 언어를 발명해야 하는 것과 같습니다.

이 논문은 **LAP (Lab Agent Protocol)**를 소개합니다. LAP는 어떤 AI라도 안전하고 효율적으로 모든 실험 기구와 대화할 수 있게 해주는 범용 "번역기"이자 "안전 매뉴얼"입니다.

문제의 세 가지 측면

저자들은 AI 세계가 컴퓨터 간의 통신 방식 중 두 가지는 해결했지만, 물리적 기계와 관련된 세 번째 방식은 놓쳤다고 설명합니다.

에이전트 대 도구 (MCP): 이는 AI가 소프트웨어 앱(예: 계산기에게 수학 문제를 풀라고 요청하는 것)과 대화하는 것과 같습니다. 우리는 이미 이를 위한 표준을 가지고 있습니다.
에이전트 대 에이전트 (A2A): 이는 두 AI 어시스턴트가 서로 협력하여 작업을 나누는 것과 같습니다. 이 또한 이미 표준이 존재합니다.
에이전트 대 기구 (사라진 조각): 이는 AI가 물리적 기계(현미경이나 화학 혼합기 등)와 대화하는 것입니다. LAP는 바로 이 부분을 해결합니다.

소프트웨어와 달리 물리적 기계는 위험하고, 느리며, 비용이 많이 듭니다. 소프트웨어 앱에 "모든 것을 삭제해"라고 명령하면 짜증스러운 수준에서 끝나지만, 레이저 기계에 "모든 것을 삭제해"라고 명령하면 실험실을 태워버릴 수도 있습니다. LAP는 이러한 무질서하고 물리적인 현실에 맞춰 특별히 설계되었습니다.

LAP의 네 가지 초능력

AI와 기계가 함께 작동하게 만들기 위해, LAP는 대화에 네 가지 특정한 "초능력"을 추가합니다.

1. "명함" (InstrumentCard)

AI가 기계를 사용하기 전에, 그 기계가 무엇을 할 수 있는지 알아야 합니다.

비유: 체육관에 들어갔다고 상상해 보세요. 어떤 기구가 안전한지, 무게는 얼마나 무거운지 추측하는 대신, 모든 기구에는 "나는 러닝머신입니다. 최대 시속 20마일까지 갈 수 있습니다. 비상 코드가 당겨져 있으면 작동하지 않습니다. 오늘 날짜로 교정되었습니다"라고 적힌 디지털 "명함"이 붙어 있는 것과 같습니다.
LAP가 하는 일: 모든 기구에 한계치, 안전 규칙, 측정 가능 항목이 적힌 서명된 디지털 ID 카드를 부여합니다. AI는 이 카드를 읽고 기계에 무엇을 요청할 수 있는지 정확히 파악합니다.

2. "독점 열쇠" (Reservation)

물리적 기계는 보통 한 번에 한 가지 일만 할 수 있습니다. 두 대의 로봇이 동시에 하나의 현미경을 사용할 수는 없습니다.

비유: 인기 있는 식당을 생각해보세요. 그냥 들어가서 자리에 앉을 수 있는 게 아니라, 예약을 해야 합니다. 예약이 없다면 기다려야 합니다.
LAP가 하는 일: AI가 기계를 사용하기 전에 반드시 "예약"하도록 강제합니다. AI는 "이 기계를 향후 2시간 동안 사용함"이라는 내용이 담긴 디지털 키(임대권)를 받습니다. 만약 다른 AI가 사용하려고 하면 시스템은 "죄리합니다, 예약 중입니다"라고 답합니다. 이를 통해 두 로봇이 서로 충돌하는 것을 방지합니다.

3. "안전 울타리" (Safety Handshake)

어떤 실험은 위험합니다 (고전압, 독성 화학 물질, 레이저 등). AI가 인간의 확인 없이 마음대로 위험한 레이저를 켤 수는 없습니다.

비유: 원자력 발전소 제어실을 상상해 보세요. "시작" 버튼을 누르려면 오직 인간 감독관만이 줄 수 있는 키가 필요합니다. 그리고 그 키는 오직 그 특정 시간에 그 특정 버튼에만 작동합니다.
LAP가 하는 일: 만약 AI가 위험한 작업을 수행하려 한다면, 반드시 멈춰서 인간에게 "Safety Token(안전 토큰)"을 요청해야 합니다. 이 토큰은 "나(인간)는 이 정확한 동작을 이 정확한 설정값으로 승인한다"라는 의미의 디지털 서명입니다. 만약 AI가 설정을 조금이라도 변경하면 토큰은 무효가 됩니다. 이는 AI가 멋대로 행동하는 것을 방지합니다.

4. "정직한 성적표" (MeasurementResult)

기계가 작업을 마치면 결과를 보고해야 합니다. 하지만 단순히 "50"이라는 숫자만으로는 쓸모가 없습니다. 50도인지, 50볼트인지, 아니면 50퍼센트인지 알 수 없기 때문입니다.

비유: 일기예보에서 그냥 "70입니다"라고만 말한다고 상상해 보세요. 습도 70%인가요? 풍속 70마일인가요? 아니면 기온이 70도인가요? 믿을 수가 없습니다.
LAP가 하는 일: 기계가 결과와 함께 반드시 "성적표"를 첨부하도록 강제합니다. 기계는 "값은 50이며, 단위는 섭씨(℃)이고, 기계는 어제 교정되었으며, 약간의 오차 범위가 존재함"이라고 명시해야 합니다. 이를 통해 데이터의 신뢰성과 재현성을 보장합니다.

실제 적용 사례 (워크스루)

논문은 AI 과학자가 새로운 재료를 만들고자 하는 시나리오를 설명합니다.

발견: AI가 "연합 레지스트리"(실험실들의 글로벌 전화번호부)에 X선 스캔이 가능한 기계를 요청합니다.
예약: AI는 원격지에 있는 실험실의 기계를 찾아 예약을 요청하고 디지털 키를 받습니다.
계획: AI가 "이 샘플을 스캔하라"고 명령합니다. 기계는 "스캔할 수 있지만, 시작 각도와 종료 각도를 알아야 합니다"라고 답합니다. AI는 세부 사항을 채웁니다.
안전 점검: 스캔에 위험한 레이저가 필요한 경우, 기계는 멈추고 인간 감독관에게 "Safety Token"을 요청합니다. 인간이 "승인"을 클릭합니다.
실행: 기계가 스캔을 실행합니다.
보고: 기계는 데이터, 단위, 그리고 기계가 제대로 교정되었다는 증거가 포함된 서명된 보고서를 보냅니다.

LAP가 아닌 것

저자들은 이 논문이 무엇이 아닌지를 매우 명확히 밝히고 있습니다.

이것은 새로운 하드웨어가 아닙니다.
기존의 기계 언어(SiLA 또는 SCPI 등)를 대체하는 것이 아닙니다. 대신, LAP는 그 위에 올라타서 그것들을 안전하고 깔끔한 패키지로 감싸는 역할을 합니다.
아직 완성된 상용 제품이 아닙니다. 이것은 하나의 **설계 사양(blueprint)**입니다. 저자들은 "우리는 이 표준을 어떻게 구축해야 하는지에 대한 계획을 제시하고 있으며, 커뮤니티가 이를 함께 만들어가길 바란다"라고 말하고 있습니다.

결론

자율 과학(Autonomous science)은 "두뇌"(AI)와 "몸체"(로봇)가 서로 다른 언어를 사용하고 안전 시스템이 부족하기 때문에 정체되어 있습니다. LAP는 AI 과학자가 물리적 기계와 안전하게 대화하고, 공정하게 예약하며, 생성된 데이터를 신뢰할 수 있게 해주는 범용 언어 및 안전 프로토콜입니다. 이는 혼란스러운 맞춤형 코드의 덩어리를 깨끗하고 표준화된 안전한 시스템으로 바꿔줍니다.

기술 요약: LAP: 자율 과학을 위한 에이전트-대상-기기 프로토콜 (An Agent-to-Instrument Protocol for Autonomous Science)

1. 문제 정의

본 논문은 자율 과학이 데모 단계에서 인프라 단계로 전환되는 과정에서 발생하는 결정적인 병목 현상을 식별한다. 대규모 언어 모델(LLM) 에이전트는 실험을 계획하고 추론하는 능력을 갖추게 되었으나, 이러한 추론 에이전트와 물리적 실험실 기기 사이의 연결 고리는 여전히 맞춤형(bespoke)이며 취약한 상태이다.

현재의 시스템들(예: A-Lab, Coscientist, ChemCrow)은 모든 기기마다 커스텀 어댑터를 작성해야 하는 $O(n \times m)$ 통합 문제를 야기한다( $n$ 개의 에이전트가 $m$ 개의 다양한 기기와 인터페이스해야 함). 기존의 상호운용성 프로토콜들은 에이전트 생태계의 두 가지 측면은 다루고 있지만, 세 번째 요소인 기기는 다루지 못한다:

에이전트-대상(Agent-to-Tool, MCP): 에이전트가 소프트웨어 함수를 호출하는 방식을 표준화함.
에이전트-에이전트(Agent-to-Agent, A2A): 에이전트 간의 협업 방식을 표준화함.
에이전트-기기(Agent-to-Instrument, 누락됨): 물리적 기기는 상태를 가지며(stateful), 안전이 매우 중요하고(safety-critical), 독점적으로 소유되는 자원이며, 실제 시약을 소비하고, 수 분에서 수 시간에 걸쳐 작동하며, 물리적 단위, 교정(calibration), 불확실성 정량화가 필요한 측정값을 생성한다. 이 세 번째 요소를 다루지 못한다.

기존의 실험실 표준들(SiLA 2, OPC-UA, SCPI)은 사전에 정확히 어떤 명령을 내릴지 알고 있는 결정론적 소프트웨어 클라이언트를 가정한다. 이들은 확률적인 에이전트가 역량을 발견하거나, 안전을 협상하거나, 물리적으로 유형화된 결과를 해석할 수 있는 메커니즘이 부족하다.

2. 방법론 및 설계

저자들은 에이전트-기기 간의 간극을 메우는 설계 명세(v0.1)인 **랩 에이전트 프로토콜(Lab Agent Protocol, LAP)**을 제안한다. LAP는 새로운 전송 방식이나 데이터 형식이 아니라, 기존의 기기 표준(SiLA 2 또는 SCPI 등)을 통일된 에이전트 인터페이스 내에 캡슐화하는 프로토콜 설계이다.

2.1 핵심 아키텍처

LAP는 생태계를 다음과 같은 6개 계층 아키텍처로 구성한다:

L0 (장치 추상화): 벤더 SDK, SCPI, 또는 SiLA 2 (Instrument Agent 내에 캡슐화됨).
L1 (ID 및 전송): mTLS/OAuth 2.1 및 탈중앙화 식별자(DID)를 통해 보안이 유지되는 HTTPS 기반의 JSON-RPC 2.0, SSE 및 Webhook.
L2 (상호작용): LAP 메서드 세트, 태스크 라이프사이클 및 세이프티 펜스(safety-fence) 핸드셰이크.
L3 (의미론): InstrumentCard, 역량 온톨로지, 그리고 물리적으로 유형화된 데이터(QUDT/UCUM).
L4 (오케스트레이션): 멀티 기기 워크플로우 및 예약 관리 (선택적 요소인 Lab Coordinator가 처리).
L5 (캠페인): 과학적 추론 루프 (Research Agent 내부).

2.2 주요 역할

연구 에이전트 (Research Agent, RA): 캠페인을 계획하고 실행하는 자율 과학자.
기기 에이전트 (Instrument Agent, IA): 물리적 기기를 래핑하여 LAP 태스크를 저수준 기기 호출로 변환함.
랩 코디네이터 (Lab Coordinator, LC): 멀티 기기 워크플로우를 위한 선택적 브로커로, 기기 간 안전 및 샘플 관리 연속성(chain-of-custody)을 담당함.
연합 레지스트리 (Federation Registry, FR): 교차 실험실 발견을 위한 디렉토리.
인간 운영자/안전 권한자 (Human Operator/Safety Authority): 위험한 작업에 대해 암호화된 토큰을 발행함.

3. 주요 기여

본 논문은 기존 프로토콜과 차별화되는 LAP의 핵심인 네 가지 물리적 세계 프리미티브(primitive)를 정의한다:

(P1) InstrumentCard

W3C WoT Thing Description의 프로파일로서 서명된 JSON-LD 역량 기술서이다. 이는 A2A AgentCard를 확장하며 다음을 포함한다:

기기 클래스 (Instrument Class): 온톨로지 기반 분류 (예: xrd:PowderDiflectometer).
물리적 한계 (Physical Limits): 기계가 읽을 수 있는 제약 조건 (예: 최대 온도, 압력).
안전 등급 (Safety Class): 역량별 위험 분류 (S0–S3).
의도 그라운딩 (Intent Grounding): 에이전트가 목표를 역량에 매핑할 수 있도록 돕는 자연어 태그 (intentTags).
교정 상태 (Calibration State): 현재 교정 유효성에 대한 참조.

(P2) 독점 예약 (Exclusive Reservation)

자원 잠금을 위한 일급 리스(lease) 프리미티브이다.

메커니즘: reservation.request는 시간 제한이 있는 리스(reservationToken)를 부여한다.
모드: exclusive (독점 제어) 및 shared-read (동시 모니터링)를 지원한다.
안전: 여러 에이전트가 동일한 물리적 기기를 모순된 상태로 몰아가는 것을 방지한다. 리스는 갱신되어야 하며, 그렇지 않으면 만료되어 데드락을 방지한다.

(P3) 세이프티 펜스 핸드셰이크 (The Safety-Fence Handshake)

위험하거나 되돌릴 수 없는 작업(Safety Class S2 및 S3)을 위한 프로토콜 수준의 인터록(interlock)이다.

프로세스: S2/S3 태스크가 제출되면, IA는 safety-hold 상태로 진입하여 운영자 확인 토큰을 요청한다.
토큰: 인간 안전 권한자(Human Safety Authority)에 의해 서명된 JWS (JSON Web Signature)이다.
바인딩: 이 토큰은 특정 태스크 URI, 기기, 역량, 그리고 정확한 파라미터의 SHA-256 해시값에 암호학적으로 바인딩된다.
효과: 이를 통해 에이전트가 토큰을 다른 더 공격적인 작업에 재사용하는 것을 방지한다. 이는 위험한 하드웨어에 대한 자율적 권한을 명시적이고, 제한적이며, 감사 가능하게 만든다.

(P4) 측정 결과 (The MeasurementResult)

물리적 정직성을 강제하는 스키마이다. 모든 결과에는 다음이 반드시 포함되어야 한다:

물리적 타이핑 (Physical Typing): 필수적인 UCUM 단위 및 QUDT 양의 종류(quantity kinds).
교정 참조 (Calibration Reference): 사용된 특정 교정 상태에 대한 링크.
불확실성 (Uncertainty): 전파된 측정 불확실성.
프로비넌스 (Provenance): 파라미터 해시, 펌웨어 버전, 환경 조건을 포함하는 매니페스트.
서명 (Signature): 결과의 출처에 대한 암호학적 검증.

상호작용 흐름

프로토콜은 에이전트가 자연어 목표를 제출하는 intent.resolve 메서드를 도입한다. IA는 채워진 파라미터와 가정을 가진 구조화되고 유형화된 제안(a task.submit 페이로드)을 반환한다. 에이전트는 실행 전 이 제안을 명시적으로 확인해야 한다. 이는 LLM의 확률적 특성을 제안 계층에 국한시켜, 하드웨어가 오직 검증되고 결정론적인 호출을 통해서만 작동하도록 보장한다.

4. 결과 및 검증 상태

본 논문은 LAP가 설계 명세(v0.1)임을 명시하며, 아직 대규모로 검증되거나 구현되지 않았음을 밝힌다.

상태: "설계 및 명세이며, 아직 대규모 구현 단계가 아님."
검증: 이점은 생산 환경 배포가 아닌 아키텍처 관점에서 논의된다.
비교: 논문은 LAP를 SiLA 2, MCP, A2A, SCP, INTERSECT와 비교한다. SCP가 허브 매개 모델을 사용하는 반면, LAP는 기기가 일급 에이전트로서 기능하는 피어 투 피어(P2P) 모델을 채택한다는 점을 강조한다.
인정된 한계점:
- 실시간 하드 데드라인 제어 불가 (마이크로초 단위의 루프는 범위 외).
- 신뢰할 수 있는 안전 권한자에 대한 의존 (프로토콜이 잘못된 토큰에 서명하는 부주의한 인간을 막을 수는 없음).
- 역량 온톨로지(instrumentClass)가 현재 미지정 상태이며 커뮤니티의 큐레이션이 필요함.
- 물리적 관리 연속성(실제 샘플 이동)은 프로토콜이 강제하지 않는 외부 물류(바코드, 로보틱스)에 의존함.
- 글로벌 연합 거버넌스는 여전히 해결해야 할 과제임.

5. 의의 및 주장

저자들은 LAP의 의의가 에이전트 생태계의 삼각형을 완성하는 데 있다고 주장한다. 에이전트가 기기에 도달하는 안전하고 물리적으로 충실한 방법을 제공함으로써, LAP는 다음을 목표로 한다:

통합 복잡성 감소: 커스텀 어댑터의 $O(n \times m)$ 문제를 표준 프로토콜 준수를 통한 $O(n + m)$ 문제로 축소한다.
안전한 자율성 구현: "취약한 편법"을 넘어 상태, 독점성 및 안전 제약 조건을 기본적으로 처리하는 견고한 인터페이스로 나아간다.
재현성 보장: 교정 기반, 불확실성 포함, 서명된 결과를 의무화함으로써, LAP는 과학적 데이터를 설계 단계부터 FAIR(찾기 쉽고, 접근 가능하며, 상호 운용 가능하고, 재사용 가능한)하게 만든다.
연합 촉진: 에이전트가 커스텀 통합 없이 기관 간 경계를 넘어 기기를 발견하고, 예약하고, 태스크를 실행할 수 있는 "과학적 기기 인터넷"의 청사진을 제공한다.

결론적으로, 에이전트의 지능은 향상되고 있지만, 이들을 물질(matter)과 연결하는 인프라가 현재의 병목 구간이다. LAP는 MCP나 A2A의 궤적과 유사하게, 커뮤니티 구축 표준을 씨앗 뿌리기 위한 구체적이고 개방형 거버넌스를 갖춘 시작점으로 제시된다.