自動化科學實驗室能夠更快、更安全、更準確且更具可重複性地執行實驗協議，從而加速新材料、藥物等的發現與測試。然而，建立和運行自主實驗室通常需要協調眾多儀器和機器人，這迫使科學家編寫代碼、管理配置文件並應對複雜的軟件基礎設施。為了克服這些障礙，研究人員提出了一種新穎的AI代理架構，將大型語言模型（LLM）與實驗室編排系統相結合，使科學家能夠通過自然語言交互式地創建和監控自動化實驗協議。
該AI代理被集成到實驗編排系統（EOS）中，運行在一個具有自動驗證和錯誤糾正能力的代理循環內。它支持完整的實驗生命週期，包括協議創建、運行和監控協議及閉環優化活動，以及結果分析。此外，一個可視化圖形編輯器將協議呈現為交互式節點圖，並與AI代理的協議表示同步，從而實現AI輔助與手動協議構建之間的無縫切換。
研究團隊在涵蓋化學、生物學和材料科學的三個模擬自動化實驗室中對該AI代理進行了評估。結果顯示，AI代理首次嘗試生成協議的成功率達到97%，並且與純手動操作相比，所需的界面操作數量減少了一個數量級。這項研究為實驗室自動化提供了一種高效、直觀的解決方案，有望顯著加速科研進程，減少科學家在低層次軟件任務上的負擔，使他們能夠更專注於科學發現本身。