斯坦福发布Paper2Agent，把论文方法生成工具跑在自己数据上，AI读论文并回答问题成为过去式！

pythonic生物人2026年09月19日约 5 分钟

斯坦福团队9月16日在Nature发了一个科研工具Paper2Agent，小编感觉这真是快速复现文中方法并运用到自己数据上的绝佳工具。

以往让AI辅助读文献，我们常干的是，让AI读一遍论文回答问题，这仅仅是检索增强生成。

这种方式，文章读懂了，但是，难用上。想把他的方法用在手头的数据上，更难！

作者往往把代码放GitHub，数据在补充材料，你想复现，先装环境，再配依赖，再对输入输出格式。折腾半天，代码还没跑起来，技术门槛还是有的。

Paper2Agent做了什么？

它把论文封装成一个MCP服务器。MCP是一个标准协议，让大模型能直接调用外部工具和资源。

Paper2Agent自动分析论文和代码库，提取核心方法，做成可执行的工具，然后连到聊天智能体上。

你可以用自然语言问它问题，让它演示方法，甚至让它把方法用到你的新数据上。

流程大致是六步：找到代码仓库，配环境，扫教程，跑通教程，提取工具并测试，最后组装成MCP服务器。

本地安装

# 直接让coding agent安装
Read https://github.com/jmiao24/Paper2Agent and install the paper2agent skill
from skills/paper2agent for this coding agent.

####或者下面方法安装

# Clone Paper2Agent仓库
git clone https://github.com/jmiao24/Paper2Agent.git
cd Paper2Agent

# Claude Code中host安装 

mkdir -p "$HOME/.claude/skills/paper2agent"
cp -R skills/paper2agent/. "$HOME/.claude/skills/paper2agent/"

# Codex中host安装 
mkdir -p "$HOME/.agents/skills/paper2agent"
cp -R skills/paper2agent/. "$HOME/.agents/skills/paper2agent/"

Basic使用

直接在Claude Code, Codex等coding agent中开始使用，

Use the paper2agent skill to agentify this paper and its associated files,
alongside its code repository if available. Follow the skill instructions
for the workflow, verification, and final delivery.

Paper and associated files: <PAPER_URL_OR_LOCAL_FILES>
Code repository (if available): <GITHUB_URL_OR_LOCAL_PATH>
Output directory: <PROJECT_DIR>

Advanced使用

例如，从AlphaGenome研究论文代码库创建一个用于基因组数据interpretation的AI智能体：

/paper2agent Convert https://github.com/google-deepmind/alphagenome into tested MCP tools in AlphaGenome_Agent.
Read the API key from the environment variable ALPHAGENOME_API_KEY.

例如，从Scanpy研究论文代码库创建一个用于single-cell分析预处理和聚类的AI智能体：

/paper2agent Convert https://github.com/scverse/scanpy into tested MCP tools in Scanpy_Agent.
Focus on the "Preprocessing and clustering" tutorial.

下面看看给出的三个Paper2Agent使用案例结果。

Paper2Agent-generated AlphaGenome agent

AlphaGenome是2025年Google DeepMind开发的一个深度学习模型，专门用来预测DNA序列变异对基因调控的影响，下图是其核心技能，输入1Mb DNA序列，AlphaGenome能同时预测11种不同的基因组信号，包括基因表达（RNA-seq）、剪接模式（Splice sites）、染色质状态（ATAC）、转录因子结合（TF binding）等等。