9月16日、Nature が「AI tool turns any paper into an 'agent' that can collaborate and answer complex queries」と題した記事を公開した。わずか45分・14ドルのコストで生成したエージェントが、数十のデータベースを参照する既存の医療AIエージェントを上回るスコアを記録した——スタンフォード大学が開発した「Paper2Agent」が示した結果は、研究論文という「静的な知識」のあり方に根本的な問いを投げかける。
論文が「動く」——Paper2Agentとは何か
スタンフォード大学のコンピュータ科学者 James Zou らが開発した Paper2Agent は、既存の研究論文をAIエージェントに自動変換するツールだ。Zou はAIと生物医学の交差領域で多数の研究実績を持つ研究者であり、Paper2Agent はその集大成的なプロジェクトと位置づけられる。
Paper2Agent は論文の本文、コード、データセットなどを読み込み、「バーチャル責任著者」として機能するエージェントを生成する。生成されたエージェントは、論文の内容に関する質問に即座に回答するだけでなく、論文の手法を新しいデータセットに適用したり、他分野の論文エージェントと自律的に連携したりすることができる。Zou は「静的な論文を動的な知識源に変えることで、将来の知識のあり方を再定義できる」と述べている。この成果は Nature 誌に掲載された。
仕組み：MCP サーバーと LLM の組み合わせ
技術的な流れは以下の通りだ。
- Paper2Agent が論文の本文・コード・データセットなどを取得する
- それらを MCP（Model Context Protocol）サーバー に格納する
- AIエージェントのチームが自律的に「論文の手法を新データに適用できるツール」を構築し、同サーバー上に配置する
- 研究者は好みの LLM（大規模言語モデル） を使ってサーバーに接続し、自然な会話形式でエージェントと対話する
MCPは、Anthropic が策定しAIエージェント間のツール・データ共有を標準化するプロトコルだ。2024年末の公開以降、主要な開発ツールやAIサービスへの採用が急速に広がっており、AIエージェントのエコシステムにおける共通基盤として定着しつつある。Paper2Agent はこの仕組みを活用することで、異なるエージェント間の連携を標準的な方法で実現している。
AlphaGenome 論文での検証結果
Zou らは AlphaGenome（DNA配列の特性——遺伝子発現への影響など——を予測するAIモデル）の論文を対象に検証を行った。
結果は以下の通りだ：
- エージェントの生成にかかった時間：約45分
- 必要な計算コスト：14ドル
- 遺伝学に関する質問への回答精度：ほぼ完璧
- 比較対象として同じ論文へのアクセス権を与えられたトップクラスの医療AIエージェント群を上回るスコアを記録した。比較対象には、数十のデータベースを参照する学術ツール **Biomni**（汎用バイオメディカルAIエージェント）も含まれる
Zou によれば、このエージェントが高スコアを出せたのは、AlphaGenome 固有のツールと能力を深く習得しているためだという。
既存論文の結論を「再検証」できる
より面白いのは、このエージェントが独自の発見を示した点だ。
チームは生成したエージェントに対して、「DNA配列中の特定の1塩基変異がなぜ悪玉コレステロール（LDL）と関連するのか、その原因遺伝子を特定せよ」と指示した。エージェントが特定した遺伝子は、元の AlphaGenome 論文が示した遺伝子とは異なるものだった。
Zou はこの食い違いを「欠陥」とは捉えていない。AlphaGenome の遺伝子変異データは両方の仮説を支持できるとし、むしろこれが Paper2Agent の強みを示していると指摘する——「研究者は新しい実験を設計することなく、既刊論文の結論を再評価するためにこのツールを使える」。
静的な PDF として眠っていた論文が、問い直し可能な知識源として機能するという発想は、研究プロセスの効率化という観点で現実的な価値を持つ。
詳細はAI tool turns any paper into an 'agent' that can collaborate and answer complex queriesを参照していただきたい。
