科研论文是知识传播的重要方式，但其本身较为被动，读者需要主动去寻找和理解内容，并将研究方法应用于自己的数据中。对于计算生物学领域的研究者来说，这常常意味着需要费力克隆代码、配置环境、安装依赖，并掌握API等知识，虽然代码开源，但对普通生物学家来说，门槛依然较高。2026年9月16日，斯坦福大学的James Zou（邹昊）团队在《Nature》上发表了一篇题为“将科研论文重新构想为互动与可信的AI助手”的论文，Paper2Agent项目旨在解决这一困境。该项目将传统论文转变为一个AI代理，实质上赋予论文一个“虚拟通讯作者”的角色。

这一转化过程通过多个代理对论文的手稿、补充材料、代码库和工作流程进行自动分析，并识别出关键贡献，最终将其整合成一个兼容模型上下文协议（MCP）的服务器。MCP作为大语言模型与外部工具的标准接口建立后，用户可通过自然语言进行提问，代理则可调用论文中的工具、代码和流程执行相应任务。

Paper2Agent的应用实例令人信服。例如，将AlphaGenome转变为代理后，用户无需下载代码，只需询问“解释这种变异在肌肉细胞中对染色质可及性预期的影响”，代理即可完成分析。此外，它将Scanpy和TISSUE整合成一个单细胞与空间转录组分析的代理，能够复现原始论文的结果并回应新的查询。更进一步的应用展示了多个协作代理共同筛选银屑病因果基因，展现了代理之间的协作能力。 龙8头号玩家国际

这项研究的启示在于，研究成果不再局限于文档或代码库，也可以成为可以对话、执行任务和协作的知识实体。它实现了从“读者适应论文”向“论文适应读者”的转变，显著降低了计算方法的再利用门槛。当然，需要意识到的是，代理的能力受限于原始代码的质量，大模型也可能会产生看似合理的错误推断，自动化测试只能部分解决这些问题。然而，作为一种新的科学传播方式，Paper2Agent已展现出与论文协作而非单纯阅读的未来潜力。