Paper2Agent: Переосмысление научных статей как интерактивных и надежных ИИ-агентов

Paper2Agent: Reimagining Research Papers As Interactive and Reliable AI Agents

September 8, 2025

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

cs.AI

Аннотация

Мы представляем Paper2Agent — автоматизированную платформу, преобразующую научные статьи в ИИ-агентов. Paper2Agent превращает результаты исследований из пассивных артефактов в активные системы, способные ускорить их дальнейшее использование, внедрение и открытие. Традиционные научные статьи требуют от читателей значительных усилий для понимания и адаптации кода, данных и методов к их собственным задачам, что создает барьеры для распространения и повторного использования. Paper2Agent решает эту проблему, автоматически преобразуя статью в ИИ-агента, который выступает в роли компетентного научного ассистента. Он систематически анализирует статью и связанный с ней код с помощью нескольких агентов, чтобы построить сервер Model Context Protocol (MCP), а затем итеративно генерирует и запускает тесты для уточнения и повышения надежности полученного MCP. Эти MCP, созданные на основе статей, могут гибко подключаться к чат-агенту (например, Claude Code) для выполнения сложных научных запросов на естественном языке с использованием инструментов и рабочих процессов из оригинальной статьи. Мы демонстрируем эффективность Paper2Agent в создании надежных и функциональных агентов на основе статей через подробные кейс-стади. Paper2Agent создал агента, использующего AlphaGenome для интерпретации геномных вариантов, а также агентов на основе ScanPy и TISSUE для проведения анализа одноклеточной и пространственной транскриптомики. Мы подтверждаем, что эти агенты могут воспроизводить результаты оригинальных статей и корректно выполнять новые пользовательские запросы. Превращая статические статьи в динамичных, интерактивных ИИ-агентов, Paper2Agent представляет новую парадигму для распространения знаний и закладывает основу для совместной экосистемы ИИ-соученых.

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.