Paper2Agent : Réinventer les articles de recherche en tant qu'agents IA interactifs et fiables

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

Nous présentons Paper2Agent, un cadre automatisé qui transforme des articles de recherche en agents d’intelligence artificielle. Paper2Agent convertit les résultats de recherche d’artefacts passifs en systèmes actifs capables d’accélérer leur utilisation, adoption et découverte en aval. Les articles de recherche conventionnels exigent des lecteurs un effort substantiel pour comprendre et adapter le code, les données et les méthodes d’un article à leur propre travail, créant ainsi des obstacles à la diffusion et à la réutilisation. Paper2Agent résout ce problème en convertissant automatiquement un article en un agent IA qui agit comme un assistant de recherche compétent. Il analyse systématiquement l’article et la base de code associée à l’aide de plusieurs agents pour construire un serveur de Protocole de Contexte de Modèle (MCP), puis génère et exécute itérativement des tests pour affiner et renforcer le MCP résultant. Ces MCP d’articles peuvent ensuite être connectés de manière flexible à un agent de discussion (par exemple, Claude Code) pour exécuter des requêtes scientifiques complexes via le langage naturel tout en invoquant des outils et des workflows issus de l’article original. Nous démontrons l’efficacité de Paper2Agent dans la création d’agents d’articles fiables et performants à travers des études de cas approfondies. Paper2Agent a créé un agent qui exploite AlphaGenome pour interpréter des variants génomiques, ainsi que des agents basés sur ScanPy et TISSUE pour réaliser des analyses de transcriptomique unicellulaire et spatiale. Nous validons que ces agents d’articles peuvent reproduire les résultats de l’article original et exécuter correctement de nouvelles requêtes utilisateur. En transformant des articles statiques en agents IA dynamiques et interactifs, Paper2Agent introduit un nouveau paradigme pour la diffusion des connaissances et pose les bases d’un écosystème collaboratif de co-scientifiques IA.

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.