Stanford 发布 Paper2Agent：把科研论文自动转成可验证的 AI Agent

Model Context Protocol（MCP）

计算论文附带的代码需要读者克隆、安装、配置和调试。这道门槛使得许多有用的方法被锁死在 PDF 里。斯坦福团队由 Jiacheng Miao 和 James Zou 领衔，提出了一个解决方案。Paper2Agent 于 2026 年 9 月 16 日发表于 Nature。该工作将一篇论文及其代码库转换为一个 Model Context Protocol（MCP）服务器。随后任何兼容 MCP 的 agent（如 Claude Code）都能通过自然语言运行论文中的方法。作者将这一成果描述为"虚拟通讯作者"。

能否部署？可以。代码采用 MIT 许可证，可作为 Claude Code 或 Codex 的 skill 安装。预构建的 AlphaGenome、Scanpy 和 TISSUE 服务器已在 Hugging Face Spaces 上运行。paper2agent.ai 也提供了托管版本。

How the Pipeline Works

Paper2Agent 运行在 Claude Code 的 agent SDK 上。一个中央编排器通过 6 个步骤调度专用子 agent：

1. 定位并下载代码库。
2. 环境管理器构建一个隔离的虚拟环境。
3. 教程扫描器索引可用的教程。
4. 教程执行器端到端运行教程并记录参考输出。
5. 工具提取器将教程转换为参数化的 MCP 工具，测试验证器对其校验。
6. 编排器将验证后的工具组装为 1 个 MCP 服务器。

验证门槛非常严格。一个工具只有在预期文件出现且数值在 3% 以内匹配时才能通过。图片也必须通过感知哈希与参考图匹配，汉明距离小于 20。每个函数最多有 6 次验证尝试。持续失败的工具会被排除在最终服务器之外。

每个服务器暴露 3 个组件。MCP 工具将论文方法包装为可执行函数；MCP 资源持有手稿、代码链接、数据集和图片；MCP prompt 编码多步骤工作流，例如正确的 Scanpy 预处理顺序。Paper2Agent 的所有应用均使用 Claude Sonnet 4。

Interactive Explainer

AlphaGenome Agent Results

对于 AlphaGenome，Paper2Agent 在约 45 分钟内构建了 22 个工具，耗资 14 美元。全部 22 个工具无需人工干预即通过验证。团队将该 agent 与 Claude Code 加代码库访问（Claude + Repo）以及 Biomni 进行了对比。

Benchmark	Paper2Agent	Claude + Repo	Biomni
15 条教程衍生查询	98.7 ± 1.3%	82.7 ± 3.4%	37.3 ± 4.0%
15 条新查询	100.0 ± 0.0%	78.7 ± 4.4%	56.0 ± 3.4%
30 条开放式查询	82.7 ± 2.4%	56.7 ± 2.3%	72.2 ± 2.2%

结果跨越 5 次运行，由 2 位人类专家评分，评分者间一致性达 96.7%。在教程查询上，中位运行时间比 Claude + Repo 快 1.9 倍，比 Biomni 快 3.1 倍。在将基线升级为 Claude Opus 4.6 后，优势依然保持。

该 agent 还重新审视了一个 LDL 胆固醇变异位点 chr1:109274968:G>T。它将 SORT1 排为可能的致病基因。原始 AlphaGenome 论文强调的是 CELSR2 和 PSRC1。GTEx 显示这三个基因都有显著的肝脏 eQTL。该团队表示，这说明在此类基因座上进行致病基因赋值是多么困难。

Scanpy, TISSUE and Scale Tests

Scanpy agent 在约 45 分钟内获得了 7 个验证工具，耗资 13 美元。在 4 个公共数据集上，它在细胞计数、基因计数和顶级标记基因方面与人类研究者持平。TISSUE agent 在空间转录组数据上复现了人类结果。

规模测试覆盖了 3 个语料库，无需人工清理：

• 100 篇 bioRxiv 计算生物学论文：74 篇成功 agent 化，599 个提议工具中 593 个通过验证。
• 300 个问题：Paper2Agent 得分 91.2%，Claude + Repo（用 Sonnet 4）得 80.3%，Sonnet 4.6 得 86.3%。
• 单次查询成本：0.20 美元和 1.6 分钟，而基线为 0.38 美元和 4.3 分钟。
• 10 篇非生物医学论文（包括 TabPFN、SAM 2 和 SAELens）：在 42 个执行任务上准确率达 98.1%。
• 26 篇数据聚焦论文：资源层准确率 89.0%，浏览器使用为 82.0%，成本便宜 34 倍，速度快 15 倍。

Paper2Agent 在置换基准测试中对 100% 的越界查询予以拒绝。它能从注入的依赖、文件路径、拼写错误和已弃用 API 失败中恢复。

Paper Agents Collaborating

研究团队连接了 3 个 agent：AlphaGenome、一个 MPRA 耦合的 scCRISPRi 筛选和一个 CD4+ T 细胞 Perturb-seq 数据集。AlphaGenome 在银屑病基因座 rs887314 上标记了 GPR137，RNA-seq 分位数得分为 0.997。AI 联合科学家提出了 10 种验证策略，研究者选择了签名相关性。

只有 GPR137 敲低与 CRE 扰动签名匹配。该匹配出现在刺激条件下：Stim8hr 时 Spearman 相关系数 0.613，Stim48hr 时为 0.630。BAD 和其他 3 个候选基因均无显著相关性。另一项研究将 AlphaGenome 与 ADHD GWAS 配对，在 209 个候选位点中提名了 rs1626703。该假设仍需实验验证。

Key Results

Paper2Agent 将论文和代码库转换为包含工具、资源和 prompt 的已测试 MCP 服务器。

• AlphaGenome agent 耗时约 45 分钟，耗资 14 美元，在新查询上得分 100%。
• 100 篇 bioRxiv 论文中 74 篇成功 agent 化，599 个工具中 593 个通过验证。
• 3 个论文 agent 联合支持 GPR137 为可能的银屑病致病基因。
• 代码采用 MIT 许可证，Hugging Face Spaces 上有预构建的 MCP 服务器。