斯坦福发布Paper2Agent：将论文自动转为可执行AI智能体

论文即智能体：解决‘PDF锁定’困境

计算类论文常附带代码，但读者需手动克隆、安装、配置和调试，高昂使用成本使大量方法被困在PDF中。斯坦福大学Jiacheng Miao与James Zou领衔团队提出Paper2Agent方案，于2026年9月16日在《自然》期刊正式发表。其核心是将一篇论文及其完整代码库自动转换为Model Context Protocol（MCP）服务器——任何兼容MCP的AI智能体（如Claude Code或Codex）均可通过自然语言指令直接运行该论文的方法，实现结果复现与新数据推理。作者将其称为‘虚拟通讯作者’。

可部署、可集成的开源系统

Paper2Agent已开源，采用MIT许可证，可作为技能模块直接安装至Claude Code或Codex。预构建的AlphaGenome、Scanpy和TISSUE三类MCP服务器已在Hugging Face Spaces上线；同时提供托管服务，网址为paper2agent.ai。

六步自动化流水线与严苛验证机制

系统基于Claude Code的Agent SDK构建，由中央协调器调度6类专用子智能体： 1. 定位并下载原始代码库； 2. 环境管理器创建隔离虚拟环境； 3. 教程扫描器索引可用教程； 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化为参数化MCP工具； 6. 测试验证器对工具进行严格校验。

验证标准极为严格：输出文件必须存在；数值结果误差≤3%；图表须通过感知哈希比对，汉明距离<20；每项功能最多允许6次重试，失败则剔除出最终服务器。每个生成的MCP服务器包含三类组件：MCP工具（封装论文方法为可调用函数）、MCP资源（含论文原文、代码链接、数据集与图表）和MCP提示词（编码多步工作流，如Scanpy标准预处理顺序）。全部应用均基于Claude Sonnet 4运行。

实证性能：高精度、高鲁棒、低成本

在AlphaGenome案例中，Paper2Agent耗时约45分钟、花费14美元，自动生成22个工具，全部一次性通过验证（无需人工干预）。在三组基准测试中（15条教程衍生查询、15条新颖查询、30条开放式查询），Paper2Agent分别取得98.7%、100.0%和82.7%准确率（±标准差），显著优于Claude + Repo（82.7%/78.7%/56.7%）与Biomni（37.3%/56.0%/72.2%）。结果经2名人类专家独立评分（96.7%一致性），且在升级至Claude Opus 4.6后优势依然稳固。其还成功复现并拓展分析了LDL胆固醇变异位点chr1:109274968:G>T，将SORT1识别为最可能致病基因——与原论文强调的CELSR2/PSRC1形成对照，凸显因果基因推断的复杂性。

跨领域泛化能力验证

Scanpy智能体在4个公开数据集上，于细胞数、基因数及标志基因排序等指标上与人工分析结果一致；TISSUE智能体成功复现空间转录组分析结果。规模化测试覆盖三类场景：

• 100篇bioRxiv计算生物学论文：74篇完成智能体化，599个提议工具中593个通过验证；
• 300个问题问答：Paper2Agent准确率91.2%，高于Claude + Repo（Sonnet 4: 80.3%；Sonnet 4.6: 86.3%），单次查询成本0.20美元（vs 0.38美元）、耗时1.6分钟（vs 4.3分钟）；
• 10篇非生物领域论文（含TabPFN、SAM 2、SAELens）：42项执行任务准确率达98.1%；
• 26篇数据导向论文：资源层调用准确率89.0%（浏览器操作仅82.0%），成本降低34倍、速度提升15倍。

系统亦展现出强容错性：在置换基准测试中100%拒答越界请求，并能自主恢复因依赖缺失、路径错误、拼写错误或API弃用引发的失败。

多智能体协同科研初探

团队连接AlphaGenome、MPRA-coupled scCRISPRi筛选及CD4+ T细胞Perturb-seq三个智能体。AlphaGenome在银屑病位点rs887314识别出GPR137基因为高置信候选（RNA-seq分位数0.997）；AI协作者提出10种验证策略，研究人员选定‘特征相关性’方案——仅GPR137敲低结果匹配CRE扰动特征，证实其生物学合理性。