jmiao24/Paper2Agent

Paper2Agent is a multi-agent AI system that automatically transforms research papers into interactive AI agents with minimal human input.

GAI 中文摘要

Paper2Agent 是一个多智能体人工智能系统，旨在将科研论文及其配套的代码库自动转化为交互式的 AI 智能体。该项目通过极简的人工干预，有效解决了研究人员在复现复杂论文代码及理解科研项目逻辑时的高门槛与时间成本问题。

该系统能够自动检测并运行科研代码库中的所有相关教程，实现对实验逻辑的深度解析与复现。支持根据标题或链接对特定教程进行定向处理，满足用户的定制化需求。具备针对需要身份验证的代码库提供 API 密钥配置的能力，确保项目部署的灵活性与安全性。能够通过基准评估功能提取并评估论文的核心价值，将静态的科研论文转化为可执行的智能分析工具。

本项目主要适用于人工智能研究人员、计算生物学家以及需要快速评估和应用前沿科研成果的开发者，使用场景涵盖了基因组数据分析、单细胞测序处理及各类复杂代码库的自动化复现与交互式探索。

⭐

2.2k

Stars

🔱

341

Forks

👁

Watchers

📋

Issues

Jupyter NotebookMIT创建于 2025/9/9更新于今天

在 GitHub 上查看

README

由 Gemini 翻译整理

Paper2Agent: 将论文重构为 AI Agent

📖 项目概述

Paper2Agent 是一个多智能体（Multi-agent）AI 系统，能够自动将研究论文的代码库转化为可交互的 AI Agent，且仅需极少的人工干预。点击此处查看 Paper2Agent 生成的 Agent 演示示例。

🚀 快速开始

基础用法

自动检测并运行研究论文代码库中所有相关的教程。

⚠️ 前置要求：在运行 Paper2Agent 之前，请务必完成下方的安装与设置。

⏱️ 运行时间与成本：处理时间根据代码库的复杂度而定，通常在 30 分钟到 3 小时以上不等。预估成本：以 AlphaGenome 等复杂代码库为例，使用 Claude Sonnet 3.5 模型的一次性处理成本约为 15 美元。

cd Paper2Agent

bash Paper2Agent.sh \
  --project_dir  \
  --github_url

进阶用法

定向处理教程

仅通过标题或 URL 处理特定的教程：

bash Paper2Agent.sh \
  --project_dir  \
  --github_url  \
  --tutorials

带有 API Key 的代码库

针对需要身份验证的代码库：

bash Paper2Agent.sh \
  --project_dir  \
  --github_url  \
  --api

参数说明

必选参数：

--project_dir : 要创建的项目目录名称
- 示例：TISSUE_Agent
--github_url : 需要分析的 GitHub 仓库 URL
- 示例：https://github.com/sunericd/TISSUE

可选参数：

--tutorials : 通过标题或 URL 筛选教程
- 示例："Preprocessing and clustering" 或具体的教程 URL
--api : 针对需要身份验证的仓库提供 API Key
- 示例：your_api_key_here
--benchmark: 运行基准测试提取与评估（默认：禁用）

示例

TISSUE Agent

通过 TISSUE 研究论文代码库创建一个用于“不确定性校准的单细胞空间转录组分析”的 AI Agent：

bash Paper2Agent.sh \
  --project_dir TISSUE_Agent \
  --github_url https://github.com/sunericd/TISSUE

Scanpy 预处理与聚类 Agent

通过 Scanpy 研究论文代码库创建一个用于单细胞分析预处理与聚类的 AI Agent：

# 通过教程标题筛选
bash Paper2Agent.sh \
  --project_dir Scanpy_Agent \
  --github_url https://github.com/scverse/scanpy \
  --tutorials "Preprocessing and clustering"

# 通过教程 URL 筛选
bash Paper2Agent.sh \
  --project_dir Scanpy_Agent \
  --github_url https://github.com/scverse/scanpy \
  --tutorials "https://github.com/scverse/scanpy/blob/main/docs/tutorials/basics/clustering.ipynb"

AlphaGenome Agent

通过 AlphaGenome 研究论文代码库创建一个用于基因组数据解析的 AI Agent：

bash Paper2Agent.sh \
  --project_dir AlphaGenome_Agent \
  --github_url https://github.com/google-deepmind/alphagenome \
  --api

⚙️ 安装与设置

前置要求

Python: 3.10 或更高版本
Claude Code: 按照 anthropic.com/claude-code 的说明进行安装

安装步骤

克隆 Paper2Agent 仓库

git clone https://github.com/jmiao24/Paper2Agent.git
cd Paper2Agent

安装 Python 依赖
```
pip install fastmcp
```

安装并配置 Claude Code

npm install -g @anthropic-ai/claude-code
claude

🤖 如何创建一个 Paper Agent？

为了简化使用流程，我们建议通过将 Paper MCP 服务器连接到 AI 编码 Agent（如 Claude Code 或 Google Gemini CLI，后者使用 Google 账号即可免费使用）来创建 Paper Agent。我们也在积极开发自己的基础 Agent，即将发布。

自动启动

流水线完成后，Claude Code 将自动启动并加载新创建的 MCP 服务器。

使用本地 MCP 服务器手动启动

若需在稍后重启你的 Agent：

cd 
fastmcp install claude-code /src/_mcp.py \
--python /-env/bin/python

使用托管在 Hugging Face 上的远程 MCP 服务器启动

若要在 Claude Code 中使用特定的 Paper MCP 服务器创建 Paper Agent，请使用以下脚本，并根据实际情况填入工作目录、MCP 名称和服务器 URL：

bash launch_remote_mcp.sh \
  --working_dir  \
  --mcp_name  \
  --mcp_url

例如，创建 AlphaGenome Agent，请运行：

bash launch_remote_mcp.sh \
  --working_dir analysis_dir \
  --mcp_name alphagenome \
  --mcp_url https://Paper2Agent-alphagenome-mcp.hf.space

✅ 现在你已拥有了一个准备好进行基因组数据解析的 AlphaGenome Agent。你可以输入如下查询指令：

Analyze heart gene expression data with AlphaGenome MCP to identify the causal gene
for the variant chr11:116837649:T>G, associated with Hypoalphalipoproteinemia.