Paper2Agent: Forschungsarbeiten als interaktive und zuverlässige KI-Agenten neu denken

Paper2Agent: Reimagining Research Papers As Interactive and Reliable AI Agents

September 8, 2025

papers.authors: Jiacheng Miao, Joe R. Davis, Jonathan K. Pritchard, James Zou

cs.AI

papers.abstract

Wir stellen Paper2Agent vor, ein automatisiertes Framework, das Forschungsarbeiten in KI-Agenten umwandelt. Paper2Agent transformiert Forschungsergebnisse von passiven Artefakten in aktive Systeme, die die nachgelagerte Nutzung, Übernahme und Entdeckung beschleunigen können. Herkömmliche Forschungsarbeiten erfordern von den Lesern erheblichen Aufwand, um den Code, die Daten und die Methoden eines Papers zu verstehen und für ihre eigene Arbeit anzupassen, was Barrieren für die Verbreitung und Wiederverwendung schafft. Paper2Agent adressiert diese Herausforderung, indem es automatisch ein Paper in einen KI-Agenten umwandelt, der als kompetenter Forschungsassistent fungiert. Es analysiert systematisch das Paper und den zugehörigen Codebase mithilfe mehrerer Agenten, um einen Model Context Protocol (MCP)-Server zu konstruieren, und generiert und führt dann iterativ Tests durch, um das resultierende MCP zu verfeinern und zu robustifizieren. Diese Paper-MCPs können anschließend flexibel mit einem Chat-Agenten (z.B. Claude Code) verbunden werden, um komplexe wissenschaftliche Anfragen in natürlicher Sprache durchzuführen und dabei Werkzeuge und Workflows aus dem ursprünglichen Paper aufzurufen. Wir demonstrieren die Wirksamkeit von Paper2Agent bei der Erstellung zuverlässiger und leistungsfähiger Paper-Agenten durch detaillierte Fallstudien. Paper2Agent hat einen Agenten erstellt, der AlphaGenome nutzt, um genomische Varianten zu interpretieren, sowie Agenten basierend auf ScanPy und TISSUE, um Einzelzell- und räumliche Transkriptomik-Analysen durchzuführen. Wir validieren, dass diese Paper-Agenten die Ergebnisse des ursprünglichen Papers reproduzieren und neue Benutzeranfragen korrekt ausführen können. Indem Paper2Agent statische Papers in dynamische, interaktive KI-Agenten verwandelt, führt es ein neues Paradigma für die Wissensverbreitung ein und legt den Grundstein für ein kollaboratives Ökosystem von KI-Co-Wissenschaftlern.

English

We introduce Paper2Agent, an automated framework that converts research papers into AI agents. Paper2Agent transforms research output from passive artifacts into active systems that can accelerate downstream use, adoption, and discovery. Conventional research papers require readers to invest substantial effort to understand and adapt a paper's code, data, and methods to their own work, creating barriers to dissemination and reuse. Paper2Agent addresses this challenge by automatically converting a paper into an AI agent that acts as a knowledgeable research assistant. It systematically analyzes the paper and the associated codebase using multiple agents to construct a Model Context Protocol (MCP) server, then iteratively generates and runs tests to refine and robustify the resulting MCP. These paper MCPs can then be flexibly connected to a chat agent (e.g. Claude Code) to carry out complex scientific queries through natural language while invoking tools and workflows from the original paper. We demonstrate Paper2Agent's effectiveness in creating reliable and capable paper agents through in-depth case studies. Paper2Agent created an agent that leverages AlphaGenome to interpret genomic variants and agents based on ScanPy and TISSUE to carry out single-cell and spatial transcriptomics analyses. We validate that these paper agents can reproduce the original paper's results and can correctly carry out novel user queries. By turning static papers into dynamic, interactive AI agents, Paper2Agent introduces a new paradigm for knowledge dissemination and a foundation for the collaborative ecosystem of AI co-scientists.