发生了什么
9月16日，《自然》发表斯坦福大学团队的论文《Reimagining research papers as interactive and reliable AI agents》，提出 Paper2Agent 框架：把论文正文、补充材料、数据集与代码库自动转换为一个 Model Context Protocol（MCP）服务器，任何兼容 MCP 的智能体都能用自然语言调用论文里的方法。作者把这个结果称为虚拟通讯作者。
系统由 Claude Code 的 agent SDK 驱动，一个中心编排器调度多个专门子智能体完成六步转换：定位并下载代码库、构建隔离运行环境、扫描并索引可用教程、端到端执行教程并记录参考输出、把教程封装为带参数的 MCP 工具并逐项验证、最后组装成单个可部署的 MCP 服务器。服务器对外暴露三层：可执行的工具、承载论文与数据链接的资源，以及固化多步流程顺序的提示。
- 验证门槛：数值输出需在约3%容差内匹配，图像需通过感知哈希比对（汉明距离小于20），每个函数最多尝试6次，反复失败的工具被剔除
- 成本实测：为 AlphaGenome 论文构建22个工具耗时约45分钟、花费14美元，22个工具全部自动通过验证
- 生物医学案例：为 Scanpy 生成7个通过验证的工具，约45分钟、13美元，在4个公开单细胞数据集上与人工研究者结果一致
关键数据与争议案例
在与人工执行、Claude Code 直连仓库、以及另一款生物医学AI智能体 Biomni 的对照中，Paper2Agent 在教程类问题上得分98.7%，在新问题上100%；Claude Code 直连仓库分别为82.7%与78.7%，Biomni 为37.3%与56.0%。中位运行时间相比直连仓库快1.9倍，相比 Biomni 快3.1倍。规模化测试中，100篇 bioRxiv 计算生物学论文有74篇完成智能体化，599个候选工具中593个通过验证；300道题上准确率91.2%，单题成本0.20美元、耗时1.6分钟，对照组为0.38美元、4.3分钟。
论文还给出一个耐人寻味的案例：AlphaGenome 智能体在分析 LDL 胆固醇相关位点时把 SORT1 排在首位，而原论文更强调 CELSR2 与 PSRC1，三个基因都有较高的预测分数与显著 eQTL。作者强调，这属于可供优先验证的候选排序，不是已完成的因果证明，湿实验仍然不可省略。
对企业与科研工程的意义
- 可复现性前置：把能跑通变成生成环节的硬门槛，而不是交给读者事后排查环境依赖
- 流程即知识：把先质控、再归一化、再降维、再聚类这类隐含顺序显式写入提示，减少模型自由发挥
- 跨论文协作：AlphaGenome 与 MPRA-scCRISPRi、CD4+ T 细胞 Perturb-seq 三个智能体被串联，交叉比对预测与实验数据后把 GPR137 列为银屑病位点的候选因果基因
- 可用性：代码以 MIT 许可开源，AlphaGenome、Scanpy、TISSUE 三个服务器已托管在 Hugging Face Spaces
局限
输入质量决定上限：没有可运行代码、数据或清晰教程的论文只能停留在资源层。验证范围仍受原教程限制，测试通过不等于在新数据、不同硬件或不同依赖版本上同样可靠。此外，自然语言接口可能掩盖过滤阈值、参考基因组与随机种子等关键参数，跨论文协作产出的假设也尚未自动闭环，仍需实验验证。