Paper2Agent: Ripensare i Documenti di Ricerca come Agenti AI Interattivi e Affidabili

Paper2Agent: Reimagining Research Papers As Interactive and Reliable AI Agents

September 8, 2025

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

cs.AI

Abstract

Presentiamo Paper2Agent, un framework automatizzato che converte articoli di ricerca in agenti AI. Paper2Agent trasforma i risultati della ricerca da artefatti passivi in sistemi attivi che possono accelerare l'uso, l'adozione e la scoperta a valle. Gli articoli di ricerca convenzionali richiedono ai lettori di investire uno sforzo sostanziale per comprendere e adattare il codice, i dati e i metodi di un articolo al proprio lavoro, creando barriere alla diffusione e al riutilizzo. Paper2Agent affronta questa sfida convertendo automaticamente un articolo in un agente AI che funge da assistente di ricerca esperto. Analizza sistematicamente l'articolo e il codice associato utilizzando più agenti per costruire un server Model Context Protocol (MCP), quindi genera e esegue iterativamente test per affinare e rendere robusto l'MCP risultante. Questi MCP degli articoli possono poi essere collegati in modo flessibile a un agente di chat (ad esempio Claude Code) per eseguire query scientifiche complesse attraverso il linguaggio naturale, invocando strumenti e flussi di lavoro dell'articolo originale. Dimostriamo l'efficacia di Paper2Agent nella creazione di agenti di articoli affidabili e capaci attraverso studi di caso approfonditi. Paper2Agent ha creato un agente che utilizza AlphaGenome per interpretare varianti genomiche e agenti basati su ScanPy e TISSUE per eseguire analisi di trascrittomica a singola cellula e spaziale. Verifichiamo che questi agenti di articoli possono riprodurre i risultati dell'articolo originale e possono eseguire correttamente nuove query degli utenti. Trasformando articoli statici in agenti AI dinamici e interattivi, Paper2Agent introduce un nuovo paradigma per la diffusione della conoscenza e una base per l'ecosistema collaborativo di co-scienziati AI.

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.