Paper2Agent

由斯坦福大学 Jiacheng Miao 和 James Zou 领导的团队在《自然》杂志上发表了一项突破性研究：Paper2Agent。这是一个多代理 AI 系统，能够自动将计算科学论文及其代码库转化为符合 模型上下文协议 (MCP) 标准的交互式服务器。

简单来说，Paper2Agent 就像一位“虚拟通讯作者”，它不仅读懂了论文，还配置好了环境、跑通了代码，并封装成工具。任何兼容 MCP 的 AI 助手（如 Claude Code）都可以通过自然语言直接调用这些工具，在新数据上复现结果或进行新的分析，彻底打破了“PDF 锁死方法”的困境。

核心工作流：从 PDF 到 MCP 服务器的自动化管线

Paper2Agent 基于 Claude Code 的代理 SDK 构建，通过中央编排器协调 6 个专业子代理并行工作：

1. 代码定位与下载：自动寻找并获取论文对应的代码仓库。
2. 环境构建：创建隔离的虚拟环境，解决依赖冲突。
3. 教程扫描：索引仓库中可用的教程和示例脚本。
4. 端到端执行：运行教程并记录参考输出（包括数值和图表）。
5. 工具提取与验证：将教程转化为参数化的 MCP 工具，并进行严格测试。
   • 严格门控：只有当输出文件存在、数值误差在 3% 以内、且图表感知哈希汉明距离低于 20 时，工具才被视为通过。每个函数最多尝试 6 次，失败则剔除。
6. 组装发布：将验证通过的工具、资源（手稿、数据链接）和提示（工作流指南）组装成一个完整的 MCP 服务器。

性能表现：超越基线，高效可靠

在 AlphaGenome（基因组学分析工具）的测试中，Paper2Agent 展现了卓越的能力：

• 效率提升：中位运行时间比 Claude + Repo 快 1.9 倍，比 Biomni 快 3.1 倍。
• 成本降低：每查询成本仅 $0.20，耗时 1.6 分钟；相比之下，Claude + Repo 成本为 $0.38，耗时 4.3 分钟。
• 规模化验证：在 100 篇 bioRxiv 计算生物学论文中，成功代理化了 74 篇，生成的 599 个工具中有 593 个 通过了严格验证。

真实科研案例：发现新的因果基因

Paper2Agent 不仅是一个复现工具，更是一个科研协作伙伴。研究团队连接了三个代理（AlphaGenome、MPRA 筛选、Perturb-seq 数据集），共同探索银屑病位点 rs887314：

1. AlphaGenome 代理标记了候选基因 GPR137。
2. AI 共同科学家提出了 10 种验证策略。
3. 研究人员选择签名相关性分析，发现只有 GPR137 的敲低与 CRE 扰动签名显著匹配（Spearman 0.613-0.630）。
4. 这一发现提示 GPR137 可能是该位点的因果基因，而原始论文强调的是 CELSR2 和 PSRC1。

注：该假设仍需实验验证，但展示了 AI 代理在辅助假设生成和交叉验证方面的巨大潜力。

广泛适用性与开源生态

• 跨领域支持：除了生物学，Paper2Agent 在 TabPFN、SAM 2 等非生物学论文上也取得了 98.1% 的任务准确率。
• 鲁棒性强：能够自动从依赖注入错误、路径问题、拼写错误和 API 弃用中恢复，并 100% 拒绝范围外查询。
• 完全开源：代码采用 MIT 许可，预构建的 AlphaGenome、Scanpy 和 TISSUE MCP 服务器已在 Hugging Face Spaces 上线，任何人都可以立即体验。