斯坦福研究團(tuán)隊(duì)使用多個(gè) Agent 系統(tǒng)地分析論文及其相關(guān)代碼庫(kù)，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(cè)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(yǔ)言執(zhí)行復(fù)雜的科學(xué)查詢，同時(shí)調(diào)用原始論文中的工具和工作流程。

Paper2Agent 創(chuàng)建了一個(gè)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(dòng)態(tài)、交互式的 AI 代理，Paper2Agent 為知識(shí)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(dòng)化的工作流程

Paper2Agent 將靜態(tài)論文轉(zhuǎn)化成動(dòng)態(tài)的 AI Agent，使每個(gè) Agent 都充當(dāng)相應(yīng)論文的互動(dòng)專家，能夠演示、應(yīng)用并調(diào)整其方法以應(yīng)用于新項(xiàng)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(duì)不同任務(wù)的論文專用代理；

2. Paper2Agent 通過提取代碼庫(kù)，然后設(shè)置自動(dòng)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(cè)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(yǔ)言交互。

轉(zhuǎn)換過程包括：

1. 識(shí)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(yǔ)言查詢和自主執(zhí)行。然后，用戶可以通過提問、請(qǐng)求演示或?qū)⒎椒☉?yīng)用于新數(shù)據(jù)來(lái)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(shí)的文檔或代碼庫(kù)轉(zhuǎn)變?yōu)榭蓤?zhí)行和對(duì)話的知識(shí)實(shí)體。

三個(gè)研究案例

AlphaGenome 基因組數(shù)據(jù)解釋 Agent

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

通過自然語(yǔ)言查詢，用戶可以利用該代理對(duì)疾病相關(guān)變異的致病基因進(jìn)行優(yōu)先級(jí)排序，闡明單個(gè)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(jì)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(dòng)生成即用型代理，并提供問答支持來(lái)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(gè)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(gè)問題，Paper2Agent 不僅支持將整個(gè)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(wú)縫地轉(zhuǎn)化為強(qiáng)大的代理。如果原始代碼庫(kù)不完整、文檔記錄不全或包含未解決的錯(cuò)誤，Paper2Agent 就無(wú)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(duì)引入了一種基準(zhǔn)測(cè)試方法，該方法基于論文中手動(dòng)評(píng)估的示例以及旨在測(cè)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(duì)論文和方法的了解以及手動(dòng)執(zhí)行和審查。未來(lái)的方向是通過額外的智能體框架（例如 LLM-as-judge 評(píng)估）進(jìn)一步簡(jiǎn)化這一流程。

另一個(gè)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(huì)帶來(lái)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(gè)連貫的界面，一個(gè) MCP 可以封裝多篇相關(guān)論文�；�于這個(gè)因素，團(tuán)隊(duì)未來(lái)還計(jì)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(shí)被編碼到主動(dòng)代理而非靜態(tài)構(gòu)件中，其潛力將超越個(gè)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(lái)自不同領(lǐng)域的洞見。Paper2Agent 對(duì)未來(lái)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(qǐng)查閱論文：https://arxiv.org/pdf/2509.06917