자율 과학 (Autonomous science)은 단순한 시연을 넘어 인프라 구축 단계로 나아가고 있습니다. 이제 대규모 언어 모델 (LLM) 에이전트가 실험을 계획하고, 자율 주행 실험실 (self-driving laboratories)이 이를 실행합니다. 그러나 이러한 모든 시스템은 파편화된 벤더 SDK (vendor SDKs)와, 확률적이고 목표 지향적인 에이전트보다는 결정론적인 소프트웨어 클라이언트를 위해 구축된 표준들에 맞서, 추론 에이전트와 물리적 기기 사이의 연결을 매번 처음부터 다시 구축해야 합니다. 최근의 에이전트 상호운용성 (agent-interoperability) 프로토콜들은 에이전트 생태계의 세 가지 가장자리 중 두 가지를 명확히 하고 있지만 (Anthropic의 Model Context Protocol (MCP)은 에이전트-도구 (agent-to-tool) 가장자리를 표준화하고, Google의 Agent2Agent (A2A)는 에이전트-에이전트 (agent-to-agent) 가장자리를 표준화함), 운영이 상태 유지적 (stateful)이고, 안전이 필수적 (safety-critical)이며, 독점적으로 소유되고, 물리적으로 구현되며, 단위, 교정 (calibration) 및 불확실성 (uncertainty)을 포함하는 측정값을 생성하는 에이전트-기기 (agent-to-instrument) 가장자리를 모델링하는 것은 어느 쪽도 아닙니다. 우리는 이 간극을 메우는 프로토콜 설계인 Lab Agent Protocol (LAP)을 제시합니다. LAP는 A2A의 피어 투 피어 (peer-to-peer), 발견 우선 (discovery-first), 작업 생명주기 (task-lifecycle) 구조를 유지하면서 네 가지 물리 세계 프리미티브 (physical-world primitives)를 추가합니다: (i) 서명된 기능 및 물리적 한계 기술인 InstrumentCard; (ii) 독점적인 기기 및 샘플 잠금을 위한 일급 예약 (first-class reservation); (iii) 특정 작업 및 그 매개변수에 암호학적으로 결합되어 위험하고 되돌릴 수 없는 작업을 제어하는, 운영자 확인 토큰을 포함한 안전 펜스 핸드셰이크 (safety-fence handshake); (iv) 모든 결과를 물리적으로 유형화하고 (QUDT/UCUM), 교정에 기반하며, 불확실성을 포함하고, 구조적으로 재현 가능하게 만드는 MeasurementResult 스키마입니다. 우리는 역할, 6계층 아키텍처, JSON-RPC 메서드 세트, 작업 및 안전 상태 머신 (state machines), 에러 모델, 그리고 실험실 간 연합 (cross-laboratory federation)을 명시하며, 폐쇄 루프 (closed-loop) 자율 캠페인을 프로토콜을 통해 엔드 투 엔드 (end-to-end)로 수행하는 과정을 보여줍니다. LAP는 A2A/MCP 생태계와 전송 호환이 가능하며, SiLA 2 및 OPC-UA와 같은 기존 장치 표준을 대체하기보다는 캡슐화합니다.