Stanford 團隊推出 Paper2Agent 將研究論文轉化為 AI 代理，加速科學發現散佈
為何重要
將靜態文獻轉化為具備執行能力的 AI 代理，是研究流程數位化的重大進展，能顯著加速科學發現的散佈與重現在門檻。此案展示瞭如何透過 Model Context Protocol (MCP) 讓研究資產（實驗碼、資料）供後端 LLM 擷取，對開發者而言是建構生成式 AI 代理的新範本；然而使用者必須持續驗證輸出結果，因為程式碼完整性問題或後端隱私考量仍可能造成延誤。
斯坦福團隊發布的 "Paper2Agent" 框架能將研究論文轉化為具備行動力的 AI 代理，讓使用者利用自然語言指令要求電腦複製分析或套用方法至新資料。
- 該框架利用 Model Context Protocol (MCP) 暴露工具與資源，讓 Agent 能執行示範並驗證結果，以降低 LLM 幻覺風險。
- 研究成果發表於學術期刊 *Nature*，團隊評估了 136 篇論文，其中 100 篇生物計算論文中有 74 篇成功轉化為代理。
- Paper2Agent 為開源專案，提供線上實作平臺供試用，但使用者仍需謹慎驗證輸出結果。