斯坦福研究團(tuán)隊使用多個 Agent 系統(tǒng)地分析論文及其相關(guān)代碼庫，構(gòu)建模型上下文協(xié)議 (MCP) 服務(wù)器，然后迭代生成并運(yùn)行測試，以優(yōu)化和增強(qiáng)生成的 MCP。這些論文 MCP 可以靈活地連接到聊天代理（例如 Claude Code），通過自然語言執(zhí)行復(fù)雜的科學(xué)查詢，同時調(diào)用原始論文中的工具和工作流程。

Paper2Agent 創(chuàng)建了一個利用 AlphaGenome 解析基因組變異的代理，以及基于 ScanPy 和 TISSUE 進(jìn)行單細(xì)胞和空間轉(zhuǎn)錄組學(xué)分析的 Agent。這些 Agent 能夠重現(xiàn)原始論文的結(jié)果，并能正確執(zhí)行用戶提出的新問題。通過將靜態(tài)論文轉(zhuǎn)化為動態(tài)、交互式的 AI 代理，Paper2Agent 為知識傳播引入了一種新的范式，并為 AI 合作科學(xué)家的協(xié)作生態(tài)系統(tǒng)奠定了基礎(chǔ)。

自動化的工作流程

Paper2Agent 將靜態(tài)論文轉(zhuǎn)化成動態(tài)的 AI Agent，使每個 Agent 都充當(dāng)相應(yīng)論文的互動專家，能夠演示、應(yīng)用并調(diào)整其方法以應(yīng)用于新項目。

其工作流程如下：

1. Paper2Agent 通過構(gòu)建包含工具、資源和提示的遠(yuǎn)程 MCP 服務(wù)器，將研究論文轉(zhuǎn)化為交互式 AI 代理。將 AI 代理連接到服務(wù)器，即可創(chuàng)建針對不同任務(wù)的論文專用代理；

2. Paper2Agent 通過提取代碼庫，然后設(shè)置自動化環(huán)境以實(shí)現(xiàn)可重復(fù)性。核心分析功能被包裝為 MCP 工具，然后通過迭代測試進(jìn)行驗(yàn)證。最終生成的 MCP 服務(wù)器被遠(yuǎn)程部署并與 AI 代理集成，從而實(shí)現(xiàn)與論文方法和分析的自然語言交互。

轉(zhuǎn)換過程包括：

1. 識別論文的關(guān)鍵貢獻(xiàn)（數(shù)據(jù)集、方法、模型或工作流）；

2. 通過 MCP 服務(wù)器封裝這些貢獻(xiàn)，定義輸入、輸出和使用說明；

3. 將 MCP 服務(wù)器連接到基于 LLM 的代理，實(shí)現(xiàn)自然語言查詢和自主執(zhí)行。然后，用戶可以通過提問、請求演示或?qū)⒎椒☉?yīng)用于新數(shù)據(jù)來與論文進(jìn)行交互。

與之前的研究相比，Paper2Agent 將研究成果從編碼知識的文檔或代碼庫轉(zhuǎn)變?yōu)榭蓤?zhí)行和對話的知識實(shí)體。

三個研究案例

AlphaGenome 基因組數(shù)據(jù)解釋 Agent

AlphaGenome 是一個人工智能模型，旨在預(yù)測人類 DNA 序列中單核苷酸變異或突變對各種調(diào)控過程的影響。Paper2Agent 將 AlphaGenome 論文轉(zhuǎn)化為一個交互式 AlphaGenome Agent，從而實(shí)現(xiàn)基因組數(shù)據(jù)的自動解讀。

通過自然語言查詢，用戶可以利用該代理對疾病相關(guān)變異的致病基因進(jìn)行優(yōu)先級排序，闡明單個變異的調(diào)控影響，并為具有特定調(diào)控功能的合成 DNA 的設(shè)計提供參考。

用于不確定性感知單細(xì)胞空間轉(zhuǎn)錄組學(xué)分析的 TISSUE Agent

TISSUE 是一篇近期發(fā)表的論文，它開發(fā)了一種新的不確定性感知單細(xì)胞空間轉(zhuǎn)錄組學(xué)分析方法。Paper2Agent 通過為各種論文自動生成即用型代理，并提供問答支持來指導(dǎo)輸入準(zhǔn)備并闡明該方法的功能，從而解決了這些挑戰(zhàn)。

用于單細(xì)胞數(shù)據(jù)預(yù)處理的 Scanpy Agent

Scanpy 是一個廣泛使用的綜合軟件包，用于分析大規(guī)模單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)。在實(shí)踐中，單細(xì)胞數(shù)據(jù)分析中的許多工作流程可能僅依賴于 Scanpy 的部分功能。為了解決這個問題，Paper2Agent 不僅支持將整個方法轉(zhuǎn)換為工具，還支持將論文方法的特定部分轉(zhuǎn)換為工具，從而使 AI 代理能夠僅顯示與給定分析最相關(guān)的功能。

限制與展望

并非每篇論文都能無縫地轉(zhuǎn)化為強(qiáng)大的代理。如果原始代碼庫不完整、文檔記錄不全或包含未解決的錯誤，Paper2Agent 就無法可靠地將其轉(zhuǎn)化為功能強(qiáng)大的工具。

為了更好地量化這種可重復(fù)性和智能體的易用性，斯坦福團(tuán)隊引入了一種基準(zhǔn)測試方法，該方法基于論文中手動評估的示例以及旨在測試泛化能力的新示例。這種方法可以證明 AlphaGenome 智能體能夠以 100% 的準(zhǔn)確率執(zhí)行基于教程的查詢和新查詢。然而，這種方法受限于專家對論文和方法的了解以及手動執(zhí)行和審查。未來的方向是通過額外的智能體框架（例如 LLM-as-judge 評估）進(jìn)一步簡化這一流程。

另一個限制因素是代理化的規(guī)模。論文并不是 Agent 化的最佳單位，每篇論文都會帶來改進(jìn)、基準(zhǔn)或應(yīng)用。在這種情況下，最有用的 Agent 可能并非代表一篇論文，而是一系列相關(guān)研究成果的集合。這些研究成果被聚合成一個連貫的界面，一個 MCP 可以封裝多篇相關(guān)論文。基于這個因素，團(tuán)隊未來還計劃擴(kuò)展 Paper2Agent，以靈活地適應(yīng)更廣泛的應(yīng)用范圍。

最后，一旦知識被編碼到主動代理而非靜態(tài)構(gòu)件中，其潛力將超越個人用途。代理之間可以相互交互，將方法與數(shù)據(jù)集關(guān)聯(lián)，或整合來自不同領(lǐng)域的洞見。Paper2Agent 對未來的洞見是：科學(xué)交流不僅在于描述結(jié)果，還在于創(chuàng)建能夠體現(xiàn)和擴(kuò)展研究成果的交互式協(xié)作實(shí)體。

更多技術(shù)細(xì)節(jié)請查閱論文：https://arxiv.org/pdf/2509.06917