45分钟14美元，斯坦福把论文变成了能跑代码的AI服务器

一篇计算生物学论文，从PDF到能跑出结果，中间隔着克隆仓库、装依赖、配环境、调报错这一整套流程。斯坦福团队给出的方案是：把论文和它的代码库直接变成一个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。团队把这种产物称为"虚拟通讯作者"。

这项名为Paper2Agent的工作由Jiacheng Miao和James Zou领衔，发表在2026年9月16日的《自然》上。代码采用MIT许可，可以作为技能安装到Claude Code或Codex中。预构建的AlphaGenome、Scanpy和TISSUE服务器已经跑在Hugging Face Spaces上，paper2agent.ai也提供了托管版本。

六步流水线，卡在三道验证关

Paper2Agent运行在Claude Code的智能体SDK之上，由一个中央编排器调度多个专职子智能体，走完6个步骤：定位并下载代码库；环境管理器搭建隔离的虚拟环境；教程扫描器索引可用教程；教程执行器端到端跑一遍并记录参考输出；工具提取器把教程转成带参数的MCP工具，测试验证器负责校验；最后编排器把通过验证的工具组装成1个MCP服务器。

验证门槛设得很硬。一个工具只有在预期文件出现、数值误差在3%以内时才算通过。图表还要通过感知哈希与参考图比对，汉明距离必须低于20。验证器对每个函数最多尝试6次，反复失败的工具会被排除在最终服务器之外。

每个服务器暴露3类组件：MCP工具把论文方法包装成可执行函数；MCP资源存放手稿、代码链接、数据集和图表；MCP提示词编码多步工作流，比如Scanpy正确的预处理顺序。整个研究团队在所有Paper2Agent应用中统一使用Claude Sonnet 4。

AlphaGenome：22个工具，45分钟，14美元

针对AlphaGenome，Paper2Agent在约45分钟内构建了22个工具，花费14美元。22个工具全部通过验证，没有人工介入。团队把该智能体与"Claude Code加仓库访问权限"（Claude + Repo）以及Biomni做了对比。

结果覆盖5次运行，由2位人类专家评分，评分者间一致性达96.7%。在教程类查询上，中位运行时间比Claude + Repo快1.9倍，比Biomni快3.1倍。把基线升级到Claude Opus 4.6后，这一优势依然保持。

该智能体还重新检查了一个LDL胆固醇变异位点chr1:109274968:G>T，把SORT1列为可能的因果基因。而AlphaGenome原论文强调的是CELSR2和PSRC1。GTEx数据显示这3个基因都存在显著的肝脏eQTL。研究团队表示，这说明在这类位点上做因果基因判定有多难。

从Scanpy到300道题：规模测试的成绩单

Scanpy智能体拿到7个通过验证的工具，耗时约45分钟，花费13美元。在4个公开数据集上，它在细胞数、基因数和top标记基因上与人类研究者持平。一个TISSUE智能体在空间转录组数据上复现了人类结果。

规模测试覆盖3个语料库，全程没有人工清理：

• 100篇bioRxiv计算生物学论文：74篇被智能体化，599个候选工具中593个通过验证。
• 300道问题：Paper2Agent得分91.2%，Claude + Repo为80.3%（Sonnet 4）和86.3%（Sonnet 4.6）。
• 单次查询成本0.20美元、耗时1.6分钟，对比之下Claude + Repo是0.38美元、4.3分钟。
• 10篇非生物学论文，包括TabPFN、SAM 2和SAELens：42个执行任务准确率98.1%。
• 26篇数据类论文：资源层89.0%，浏览器使用方式为82.0%，成本低34倍，速度快15倍。

在置换基准测试中，Paper2Agent对超出范围的查询实现了100%拒答。面对注入的依赖、文件路径、拼写错误和废弃API故障，它也能自行恢复。

三个智能体联手，锁定一个银屑病候选基因

研究团队把3个智能体连了起来：AlphaGenome、一个MPRA偶联的scCRISPRi筛选，以及一个CD4+ T细胞Perturb-seq数据集。AlphaGenome在银屑病位点rs887314上标记出GPR137，RNA-seq分位数得分0.997。AI共同科学家提出了10种验证策略，一位研究者选择了特征相关性这一条。

只有GPR137敲低与CRE扰动特征匹配。这种匹配出现在刺激条件下：Stim8hr时Spearman相关系数0.613，Stim48hr时0.630。BAD和另外3个候选没有显示出显著相关性。第二项研究把AlphaGenome与一个ADHD全基因组关联分析配对，在209个候选位点中提名了rs1626703。这个假设仍需要实验验证。

把论文变成可执行的MCP服务器，意味着方法不再锁在PDF里。74%的论文能被自动智能体化、98.7%的工具能通过验证，这两个数字放在一起，指向的是一条可以规模化的路径。