ai-agents model-context-protocol orchestrator visual-programming experimental-workflows color-matching self-driving-laboratory nimo-controller
Abstract
Self-driving laboratories (SDLs) have attracted increasing attention as a means of accelerating scientific discovery; however, developing SDL software remains technically demanding. To improve accessibility, orchestration software frameworks have been proposed to coordinate SDL components. Nevertheless, existing frameworks are primarily designed for human interaction and do not provide standardized interfaces suitable for AI agents. In this work, we propose an SDL software architecture based on the Model Context Protocol (MCP), in which all SDL functionalities are exposed through MCP servers. Following this design principle, we introduce an MCP-based SDL orchestrator, named NIMO Controller. It provides a visual programming interface automatically generated through MCP-based tool discovery, allowing human users to design experimental workflows without writing code. The same MCP backend can also be accessed by AI agents, providing a unified interface for both human users and AI agents. We demonstrate the proposed system through a case study on a color-matching SDL. The results validate the usability of the proposed MCP-based SDL architecture.
한국어 요약
📋 한 줄 요약
**[자동 실험 / MCP]** Model Context Protocol을 기반으로 자기주도 실험실(SDL) 기능을 MCP 서버로 노출, 인간·AI 에이전트 모두를 동일 인터페이스로 지원하는 오케스트레이터 NIMO Controller 제안.
🎯 핵심 기여도
- 자기주도 실험실(SDL)이 과학적 발견 가속화의 수단으로 주목받지만 SDL 소프트웨어 개발이 여전히 기술적으로 까다롭다는 문제 정의.
- 기존 SDL 오케스트레이션 프레임워크가 인간 상호작용 중심이고 AI 에이전트에 적합한 표준화 인터페이스를 제공하지 않는다는 공백 식별.
- 모든 SDL 기능을 MCP 서버를 통해 노출하는 SDL 소프트웨어 아키텍처 제안.
- MCP 기반 도구 탐색을 통해 자동 생성되는 시각 프로그래밍 인터페이스를 제공해 코드 없이 실험 워크플로 설계가 가능한 NIMO Controller 도입, 동일 MCP 백엔드를 AI 에이전트도 직접 사용.
💡 핵심 아이디어
SDL 오케스트레이션은 인간 UI 중심으로 설계되면 AI 에이전트와 통합이 어려워지므로, MCP라는 표준 프로토콜을 공통 추상화로 두면 인간(시각 프로그래밍)과 AI 에이전트가 같은 백엔드를 공유할 수 있다.
🔬 기술적 접근법
- **모델/방법론**: MCP 기반 SDL 오케스트레이터 NIMO Controller.
- **핵심 기법**: 모든 SDL 기능을 MCP 서버로 노출, MCP 도구 탐색을 활용한 시각 프로그래밍 UI 자동 생성, AI 에이전트도 동일 인터페이스로 접근, color-matching SDL 케이스 스터디로 사용성 검증.
📊 주요 결과
- 색상 매칭 SDL 케이스 스터디에서 MCP 기반 아키텍처의 사용성 검증.
- 시각 프로그래밍 UI를 통한 코드 없는 실험 워크플로 설계 가능성 확인.
- 동일 MCP 백엔드를 AI 에이전트가 직접 사용해 인간·AI 통합 인터페이스 시연.
💭 의의 및 한계
**의의**: MCP를 SDL 오케스트레이션 표준 인터페이스로 제안해 인간·AI 협업의 인터페이스 일관성을 확보. **한계**: 케이스 스터디 한 건 기반 검증으로, 더 복잡한 실험 도메인·이종 장비 통합으로의 확장은 후속 과제.
🚀 실용적 활용
- 화학·재료 SDL의 비전공자 사용성 향상.
- AI 에이전트가 직접 운용 가능한 자동 실험 플랫폼 설계.
- MCP 기반 과학 도구 생태계 확장의 참조 구현.