Paper2Agent pakker forskningskode som MCP-verktøy kodeagenten kan kalle

Å ta i bruk metoden fra en forskningsartikkel betyr vanligvis å klone repoet, gjette hvilke versjoner forfatterne kjørte og jobbe seg gjennom en notebook. Paper2Agent snur rekkefølgen: et koordinerende system starter parallelle spesialistagenter som leser artikkelen og koden, bygger verktøyene som en MCP-server, og setter ferske verifikasjonsagenter til å kjøre dem før leveranse. Arbeidet er beskrevet i Nature i 2026 av Jiacheng Miao, Joe R. Davis, Yaohui Zhang, Jonathan K. Pritchard og James Zou, og koden ligger åpent på GitHub.

I praksis installerer du en skill i kodeagenten du allerede bruker. Claude Code leser den fra ~/.claude/skills/paper2agent, Codex fra ~/.agents/skills/paper2agent. Deretter peker du på et kodelager og en utdatakatalog, og kan avgrense jobben til én tutorial eller én oppgave i stedet for hele kodebasen. Prosjektet viser tre ferdige eksempler: AlphaGenome for tolkning av genomdata, Scanpy for encelleanalyse og TISSUE for romlig transkriptomikk. Alle tre kjører også som ferdige MCP-servere på Hugging Face Spaces.

Kravene er de samme som for annet agentarbeid. Verten må støtte skills, ha shell-tilgang og kunne starte parallelle underagenter, og maskinen må ha Python og Git pluss det kodelageret ellers krever av R, GPU eller API-tilgang. Nøkler leses fra miljøvariabler og holdes utenfor generert kode, notebooks, rapporter og den leverte ZIP-fila. Den fila inneholder en USAGE.md som oppgir testet Python-tolk, inngangspunkt og støttede plattformer, og det er den som avgjør om verktøyene faktisk starter hos deg.

Hva bør du gjøre?

1. Koble deg på en av de hostede serverne først. AlphaGenome, Scanpy og TISSUE ligger på Hugging Face Spaces, og claude mcp add med http-transport er nok til å teste om formen passer arbeidsflyten din.
2. Avgrens din egen konvertering til en navngitt tutorial eller oppgave. Skill-instruksjonene tar imot både tittel og URL, og en smalere jobb gir verktøy som lar seg verifisere.