Paper2Agent: Onderzoeksartikelen Heruitgevonden als Interactieve en Betrouwbare AI-Agenten

Paper2Agent: Reimagining Research Papers As Interactive and Reliable AI Agents

September 8, 2025

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

cs.AI

Samenvatting

We introduceren Paper2Agent, een geautomatiseerd framework dat onderzoeksartikelen omzet in AI-agenten. Paper2Agent transformeert onderzoeksresultaten van passieve artefacten naar actieve systemen die het gebruik, de adoptie en de ontdekking van kennis kunnen versnellen. Traditionele onderzoeksartikelen vereisen dat lezers aanzienlijke inspanning leveren om de code, data en methoden van een artikel te begrijpen en aan te passen voor hun eigen werk, wat barrières creëert voor verspreiding en hergebruik. Paper2Agent lost dit probleem op door automatisch een artikel om te zetten in een AI-agent die fungeert als een deskundige onderzoeksassistent. Het analyseert systematisch het artikel en de bijbehorende codebase met behulp van meerdere agenten om een Model Context Protocol (MCP)-server te construeren, waarna het iteratief tests genereert en uitvoert om het resulterende MCP te verfijnen en robuuster te maken. Deze paper-MCP's kunnen vervolgens flexibel worden verbonden met een chatagent (bijvoorbeeld Claude Code) om complexe wetenschappelijke vragen te beantwoorden via natuurlijke taal, terwijl tools en workflows uit het oorspronkelijke artikel worden ingezet. We demonstreren de effectiviteit van Paper2Agent in het creëren van betrouwbare en capabele paper-agenten door middel van diepgaande casestudies. Paper2Agent creëerde een agent die AlphaGenome gebruikt om genomische varianten te interpreteren, en agenten gebaseerd op ScanPy en TISSUE om single-cell en spatial transcriptomics-analyses uit te voeren. We valideren dat deze paper-agenten de resultaten van het oorspronkelijke artikel kunnen reproduceren en nieuwe gebruikersvragen correct kunnen uitvoeren. Door statische artikelen om te zetten in dynamische, interactieve AI-agenten, introduceert Paper2Agent een nieuw paradigma voor kennisdisseminatie en legt het de basis voor een collaboratief ecosysteem van AI-co-wetenschappers.

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.