A distância entre um paper científico e um código que realmente funciona continua sendo um dos maiores gargalos da pesquisa. Métodos valiosos ficam presos dentro de PDFs porque exigem clonar o repositório, instalar dependências, configurar ambientes e depurar erros — um custo que afasta a maioria das pessoas e mantém o conhecimento trancado em bibliotecas.
O que o Paper2Agent faz
Uma equipe da Universidade de Stanford, liderada por Jiacheng Miao e James Zou, propõe uma saída. O Paper2Agent, publicado na revista Nature em 16 de setembro de 2026, converte um artigo científico e sua base de código em um servidor MCP (Model Context Protocol). Com isso, qualquer agente compatível — como o Claude Code — consegue executar os métodos do paper usando linguagem natural. Os autores descrevem o resultado como um “autor correspondente virtual”.
Como o pipeline funciona
O sistema roda sobre o SDK de agentes do Claude Code e segue seis etapas. Um orquestrador central localiza e baixa o código-fonte; um gerenciador de ambiente cria um ambiente virtual isolado; um scanner indexa os tutoriais disponíveis; um executor roda esses tutoriais de ponta a ponta registrando as saídas de referência; um extrator transforma os tutoriais em ferramentas MCP parametrizadas; e um verificador valida cada uma delas.
A validação é rígida: uma ferramenta só passa quando os arquivos esperados aparecem e os números batem dentro de 3% de margem. Figuras também precisam corresponder por hash perceptual, com distância de Hamming inferior a 20. O verificador tem até seis tentativas por função, e ferramentas que seguem falhando são excluídas do servidor final.
Resultados que impressionam
Para o AlphaGenome, o Paper2Agent construiu 22 ferramentas em cerca de 45 minutos por US$ 14, e todas passaram sem intervenção humana. Nos testes, o agente acertou 98,7% das consultas derivadas de tutoriais e 100% das consultas inéditas — contra 82,7% e 78,7% do Claude Code com acesso ao repositório, e 37,3% e 56% do Biomni. O tempo médio de execução caiu 1,9× em relação ao Claude + Repo e 3,1× em relação ao Biomni.
Em escala, a equipe processou 100 papers de biologia computacional do bioRxiv: 74 foram “agentificados”, e 593 das 599 ferramentas propostas passaram na validação. O custo por consulta ficou em US$ 0,20 e 1,6 minuto, contra US$ 0,38 e 4,3 minutos do Claude + Repo. O sistema ainda rejeitou 100% das consultas fora do escopo e se recuperou de falhas injetadas de dependências, caminhos de arquivo, erros de digitação e APIs depreciadas.
Por que isso importa agora
O código é licenciado sob MIT e instala como skill para Claude Code ou Codex. Servidores prontos para AlphaGenome, Scanpy e TISSUE já rodam no Hugging Face Spaces, e há uma versão hospedada em paper2agent.ai. Em um experimento, três agentes de paper trabalhando juntos apontaram o gene GPR137 como provável causa de um locus de psoríase — um sinal de que papers “vivos” e executáveis podem acelerar a reprodutibilidade da ciência.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
