ARTICLE · 1041391

Nature | 斯坦福新的科研AI agent,Paper2Agent,这个框架把论文变助理,自然语言直接调用,不用敲代码

发布时间：2026-09-20 04:01:39 最近访问：2026-09-20 04:01:39

⭐ 设为星标 · 第一时间获取生信前沿

💡 日常好的生信代码已放入免💰共享服务器中（人人皆可用）：vip.r-py.com

📦 数据和代码获取

• https://github.com/jmiao24/Paper2Agent

🔥 核心突破

这项研究来自斯坦福大学团队，核心贡献是提出了Paper2Agent，一种全新的科研知识传播范式，将传统静态的研究论文转化为可交互、可调用的可靠AI智能体。长期以来，科研领域存在一个普遍痛点：当研究者想要将已发表的计算方法应用到自己的工作中时，需要克服大量技术壁垒——从寻找匹配的代码仓库、安装依赖、配置运行环境到理解API参数逻辑，整个过程往往需要数小时到数天，甚至很多尝试最终因为环境不兼容、代码bug等问题失败，极大阻碍了科研方法的传播和复用。

Paper2Agent从根本上解决了这个问题，它将论文从被动的静态文档转化为主动的AI智能体，每个智能体相当于论文作者的虚拟替身，能够理解用户的自然语言请求，自动完成方法调用、数据分析和结果输出，用户不需要编写代码，也不需要配置环境。Paper2Agent的核心思路是将论文的所有研究产出（包括文稿、代码、数据、补充材料和工作流）封装为标准化的模型上下文协议（MCP）服务器，通过MCP协议可以直接连接现有的LLM智能体框架（如Claude Code），实现自然语言交互。

整个转换过程由多个专用AI智能体自动完成：分别负责环境配置、核心方法提取和结果验证，通过自动化测试确保生成的工具能够稳定复现原论文的结果，从根源上避免了大模型生成代码产生幻觉导致结果错误的问题。该研究通过多个生物信息学领域的案例验证了Paper2Agent的有效性，包括基因组变异解释、单细胞转录组分析和复杂疾病致病基因排序，证明转换后的AI智能体不仅能准确复现原论文结果，还能处理用户的新问题，甚至可以多个论文智能体协作解决复杂科学问题。这项工作开创了科研传播的新范式，为构建AI辅助科研协作生态系统奠定了基础。

文章摘要：Paper2Agent自动将静态论文转化为可交互AI智能体，解决科研方法复用的技术壁垒

📚 研究背景

数十年来，研究论文一直是科学传播的核心单元，用于记录方法、结果和研究发现向学界传播。但随着计算生物学和AI驱动研究的快速发展，方法复用的痛点越来越突出：当研究者想要将新发表的计算方法应用到自己的工作中时，需要完成一系列繁琐步骤——找到匹配的代码仓库、安装对应依赖、配置运行环境、调试兼容性问题、理解API和参数逻辑，即使是维护良好的项目，这个过程也常常耗费数小时到数天，很多尝试最终因为环境或版本问题失败。

之前的研究尝试解决这个问题，包括可执行论文、容器化平台、论文转代码生成系统等，这些工作一定程度上提升了研究可重复性，但依然没有消除非专业用户的技术壁垒，也不支持对论文全部内容进行自然语言交互访问。

🔬 技术创新

多智能体自动转换流水线：Paper2Agent用到三种专用智能体分工完成转换：环境智能体负责自动配置代码运行环境，提取智能体负责将论文核心方法转换为可执行工具，测试智能体负责将工具输出和原论文结果比对验证，从根源上避免大模型幻觉，保证可重复性。

标准化MCP封装：所有研究产出被封装为标准化的模型上下文协议（MCP）服务器，统一了工具、资源和工作流的访问接口，不需要二次开发就能和任意现有LLM智能体框架无缝对接。

自然语言交互：用户通过自然语言提示就能完成复杂分析任务，不需要编程经验，也不需要手动配置环境，极大降低了方法采用的门槛。

📊 实验结果

Paper2Agent的整体架构如图1所示，框架分为两个核心组件：第一个是Paper2MCP模块，负责从输入论文和对应代码库中提取信息，构建标准化的远程MCP服务器；第二个是智能体层，将MCP服务器封装为对应论文的专用AI智能体。每个MCP服务器包含三个核心部分：MCP工具是封装了论文方法的可执行函数，自带预配置好的运行环境；MCP资源存储静态资产，比如文稿、代码、数据集和补充材料，都采用标准化格式存储方便AI调用；MCP提示则存储从论文中提取的预定义工作流模板，引导AI完成复杂多步分析。任何兼容的LLM或外部智能体都可以直接连接MCP服务器完成结果复现、新数据分析等任务，不需要额外本地配置。

Figure 1：Paper2Agent整体架构，包含Paper2MCP转换模块和智能体层，MCP服务器包含工具、资源、提示三个核心组件

Paper2Agent的自动转换工作流程如图2所示。用户输入目标论文和对应代码库后，框架首先识别论文的核心贡献和代码结构，随后调用两个专用智能体：环境智能体自动解析代码库依赖，配置兼容的运行环境；提取智能体从代码库中提取核心方法，将其转换为带标准接口的可执行MCP工具。接下来，测试智能体根据原论文的示例数据和结果自动生成测试用例，运行工具并检查输出是否和原论文报告结果一致，如果测试失败，会将错误信息反馈给环境和提取智能体进行优化，直到工具能够稳定复现原结果。这套自动验证流程有效解决了LLM代码幻觉问题，保证了生成AI智能体的可靠性和可重复性。

Figure 2：Paper2Agent自动转换工作流，从论文代码输入到多智能体协作构建并验证MCP服务器

第一个验证案例是将AlphaGenome论文转换为AI智能体，结果如图3所示。AlphaGenome是一个用于解释遗传变异的强大基因组尺度基础模型，但它需要大量技术专业知识来部署和使用，限制了非专业生物学家的访问。经过Paper2Agent转换后，用户可以直接通过自然语言和AlphaGenome智能体交互分析变异效应，比如用户可以请求“预测这个错义突变对人类肌肉细胞染色质开放性的影响”，智能体就会自动调用预配置的AlphaGenome模型，运行分析并返回带可视化的结果。验证结果显示，Paper2Agent智能体生成的结果和原AlphaGenome论文报告的结果完全一致，证明框架可以可靠地将复杂的基因组学方法转换为可用的AI智能体。

Figure 3：Paper2Agent转换AlphaGenome得到的AI智能体案例，可通过自然语言完成变异功能预测分析

最后一个案例展示了多个Paper2Agent智能体协作解决复杂生物学问题的能力，结果如图4所示。研究者连接了多个来自不同论文的智能体（包括单细胞分析、空间转录组分析和变异解释智能体），让它们协作完成银屑病致病基因的优先排序。智能体自动完成了整个分析流程：从预处理公开的银屑病单细胞RNA-seq数据，到细胞类型注释、差异表达分析，最后整合遗传变异信息对潜在致病基因进行排序。最终得到的结果和现有生物学知识一致，整个过程通过自然语言交互完成，不需要用户手动编码。这个案例证明Paper2Agent可以让多个论文智能体协作，解决复杂的开放性科学问题。

Figure 4：多个Paper2Agent智能体协作完成银屑病因果基因优先排序案例，展示了多智能体协作解决复杂生物问题的能力

💡 应用前景和未来展望

Paper2Agent对不同群体都有直接应用价值：对于方法开发者，它提供了一种降低使用门槛、扩大方法影响力的新传播方式；对于非专业研究者，它让不需要掌握编程和环境配置就能使用前沿计算方法成为可能。未来，这个框架可以扩展构建大规模的论文AI智能体库，让研究者可以轻松组合不同论文的方法来回答自己的科学问题，有望极大提升计算生物医学研究的可重复性和转化速度。

🔍 生信视角解读

从生信研究角度看，Paper2Agent直击领域内长期存在的痛点：已发表的计算方法因为技术壁垒复用率极低。这项工作的核心突破在于，它不止停留在简单的代码分享或者基于RAG的论文问答，而是将整个研究产出包括可执行代码和工作流都转化为智能体。多智能体验证的设计有效缓解了AI生成科学代码的幻觉问题，这是目前AI生信领域的核心挑战之一。对于生信研究者来说，这个新范式为方法传播提供了新方向，能够通过降低使用门槛极大提升已发表方法的影响力。

--- 💬 互动时间：你认为Paper2Agent会给你日常的科研工作带来最大的改变是什么？欢迎在评论区留言讨论！

👇 关注「公众号」，每日获取前沿生信研究解读

📚 文献引用：Reimagining research papers as interactive and reliable AI agents. Nature, 2026.