Paper2Agent：把科研论文变成可对话的 AI 智能体

科研论文作为学术传播的核心载体，长期以来一直是「被动」的静态文档：读者需要自行搜索、解析方法、配置环境，才能把论文中的方法应用到自己的研究里。即便代码仓库维护得不错，从克隆仓库、安装依赖到理解 API 参数，对非计算机背景的科研工作者来说依然门槛不低。研究者提出的 Paper2Agent 框架，正是试图打破这一壁垒，把静态论文转化为可对话、可执行的 AI 智能体。

核心思路：论文即 Agent

Paper2Agent 的关键设计，是把一篇科研论文表示为一个 MCP 服务器。MCP（Model Context Protocol）是近期逐渐成为行业标准的协议，用于让大模型与外部工具、API 进行结构化对接。通过 MCP，论文中的核心方法被封装为可被 LLM 调用的工具，并由基于 LLM 的智能体提供自然语言接口。用户不再需要写代码或配置环境，只需用自然语言提问，例如「解释这个变异对肌肉细胞染色质可及性的预期影响」，就能让智能体调用论文方法给出回答或执行分析。

相较于此前「可执行论文」、Papers with Code、Binder、CodeOcean 等提升可复现性的尝试，Paper2Agent 更进一步：它不只是把代码跑起来，而是把论文（包括正文、补充材料、代码、数据集、可执行示例和分析流程）整体「智能体化」，使其成为一个能回答问题、复现分析、应用到新数据、并与其他论文智能体互通的知识实体。

系统特性

Paper2Agent 是一个多智能体系统，能以极低的人力介入将论文自动转换为 AI 智能体。其生成的「论文智能体」具备两个核心特性：

• 交互易用：用户通过自然语言提示即可完成复杂科学分析，无需编程背景。
• 可靠可复现：每个工具都会使用示例数据集，与原代码库的公开结果和图表进行校验，确认一致后锁定，从而降低「代码幻觉」风险，减少代码生成的随机性，并保留对原论文的代码引用以保证透明可追溯。

与 AlphaGenome 的结合示例

论文以基因组学基础模型 AlphaGenome 作为典型案例。AlphaGenome 提供了强大的全基因组建模框架，但实际使用中需要安装环境、创建带 API Key 的客户端对象、构造变异输入、选择输出模态等，对不熟悉这些抽象的生物学家并不友好。通过 Paper2Agent，AlphaGenome 的方法被封装为 MCP，生物学研究者可以直接用自然语言提出问题，而不必关心底层代码与依赖。这一思路也被作者视为对更广泛趋势的呼应：通用科学家智能体、领域专用智能体、以及从科学文本自动生成代码的相关工作正在共同推动「论文即 Agent」的范式形成。

意义与局限

Paper2Agent 提出了一种新的科学传播模式——从静态发布走向交互式协作，使论文本身成为可执行的研究产物。对于推动 AI for Science、降低跨学科方法复用门槛具有积极意义。不过目前仍属于研究框架概念，文中未给出大规模量化评测数据，其在实际科研流程中的稳定性、可扩展性以及与其他论文智能体的互操作效果，仍有待后续工作验证。