Stanford เปิดตัว Paper2Agent แปลงงานวิจัยเป็น AI Agent พร้อมรันผลลัพธ์

งานวิจัยเชิงคำนวณมักมาพร้อมกับอุปสรรคในการนำไปใช้ต่อ ไม่ว่าจะเป็นการโคลนโค้ด ติดตั้งสภาพแวดล้อม ไปจนถึงการดีบัก ซึ่งภาระเหล่านี้ทำให้ความรู้ที่มีประโยชน์ถูกขังอยู่เพียงในไฟล์ PDF ทีมวิจัยจาก Stanford นำโดย Jiacheng Miao และ James Zou จึงได้เสนอทางออกด้วย Paper2Agent ซึ่งได้รับการ ตีพิมพ์ใน Nature เมื่อวันที่ 16 กันยายน 2026

ระบบนี้จะแปลงงานวิจัยและฐานโค้ดให้กลายเป็นเซิร์ฟเวอร์ Model Context Protocol (MCP) ส่งผลให้ Agent ใดๆ ที่รองรับ MCP เช่น Claude Code สามารถรันวิธีการในงานวิจัยผ่านภาษาธรรมชาติได้ทันที โดยผู้พัฒนาเปรียบเปรยผลลัพธ์ที่ได้ว่าเป็นเหมือน "ผู้เขียนร่วมเสมือน" (virtual corresponding author) ที่พร้อมตอบคำถามและทำงานแทนเรา

ปัจจุบัน Paper2Agent เปิดให้ใช้งานจริงภายใต้สัญญาอนุญาตแบบ MIT โดยสามารถติดตั้งเป็นทักษะ (skill) สำหรับ Claude Code หรือ Codex ได้ นอกจากนี้ยังมีเซิร์ฟเวอร์ที่สร้างไว้ล่วงหน้าอย่าง AlphaGenome, Scanpy และ TISSUE บน Hugging Face Spaces รวมถึงเวอร์ชันโฮสต์ที่ paper2agent.ai

กระบวนการทำงานของ Pipeline

Paper2Agent ทำงานบน SDK ของ Claude Code โดยมีตัวประสานงานหลัก (central orchestrator) ทำหน้าที่ส่ง sub-agent เฉพาะทางผ่าน 6 ขั้นตอนหลัก ได้แก่ การค้นหาและดาวน์โหลดโค้ด, การสร้างสภาพแวดล้อมเสมือนแยกส่วนโดย environment manager, การทำดัชนีบทเรียนผ่าน tutorial scanner และการรันบทเรียนเพื่อบันทึกผลลัพธ์อ้างอิง

จากนั้น tool extractor จะเปลี่ยนบทเรียนให้เป็นเครื่องมือ MCP ที่กำหนดพารามิเตอร์ได้ โดยมี test verifier ตรวจสอบความถูกต้องอย่างเข้มงวด ก่อนที่ตัวประสานงานจะรวมเครื่องมือทั้งหมดเข้าเป็นเซิร์ฟเวอร์ MCP เพียงหนึ่งเดียว

เกณฑ์การตรวจสอบถือว่าสูงมาก เครื่องมือจะผ่านการทดสอบต่อเมื่อผลลัพธ์ตัวเลขตรงกับต้นฉบับในส่วนต่างไม่เกิน 3% และรูปภาพต้องมีความคล้ายคลึงตามค่า perceptual hash ที่กำหนด โดยระบบสามารถลองซ้ำได้สูงสุด 6 ครั้ง หากฟังก์ชันใดไม่ผ่านการตรวจสอบอย่างต่อเนื่องจะถูกคัดออกทันที เพื่อให้มั่นใจว่าเซิร์ฟเวอร์ประกอบด้วย 3 ส่วนหลักที่ใช้งานได้จริง คือ เครื่องมือ MCP (ฟังก์ชันที่รันได้), ทรัพยากร MCP (ข้อมูลอ้างอิง) และพรอมต์ MCP (เวิร์กโฟลว์)

Interactive Explainer

ผลลัพธ์ของ AlphaGenome Agent

ในการทดสอบกับ AlphaGenome ระบบ Paper2Agent สามารถสร้างเครื่องมือ 22 รายการได้ภายใน 45 นาที ด้วยค่าใช้จ่ายเพียง 14 ดอลลาร์สหรัฐ โดยผ่านการตรวจสอบทั้งหมดโดยไม่ต้องใช้มนุษย์แทรกแซง เมื่อเปรียบเทียบกับเครื่องมืออื่นอย่าง Claude Code แบบเข้าถึงคลังโค้ดโดยตรง (Claude + Repo) และ Biomni พบว่า Paper2Agent มีประสิทธิภาพสูงกว่าอย่างชัดเจน

เกณฑ์วัด	Paper2Agent	Claude + Repo	Biomni
15 คำถามจากบทเรียน	98.7 ± 1.3%	82.7 ± 3.4%	37.3 ± 4.0%
15 คำถามใหม่	100.0 ± 0.0%	78.7 ± 4.4%	56.0 ± 3.4%
30 คำถามปลายเปิด	82.7 ± 2.4%	56.7 ± 2.3%	72.2 ± 2.2%

นอกจากความแม่นยำแล้ว เวลาในการรันค่ามัธยฐานยังลดลง 1.9 เท่าเมื่อเทียบกับ Claude + Repo และความได้เปรียบนี้ยังคงอยู่แม้จะใช้โมเดลรุ่นใหม่กว่าอย่าง Claude Opus 4.6 นอกจากนี้ Agent ยังช่วยวิเคราะห์ข้อมูลยีนที่เป็นสาเหตุของคอเลสเตอรอล LDL ได้อย่างแม่นยำเทียบเท่ากับข้อมูลจาก GTEx

Scanpy, TISSUE และการทดสอบในระดับสเกล

สำหรับการทดสอบกับ Scanpy และ TISSUE ระบบสามารถสร้างเครื่องมือที่ทำซ้ำผลลัพธ์ของมนุษย์ได้ทั้งในด้านจำนวนเซลล์และยีนมาร์กเกอร์ โดยมีการทดสอบในระดับสเกลครอบคลุมงานวิจัย 100 ฉบับจาก bioRxiv ซึ่งพบว่า 74 ฉบับสามารถเปลี่ยนเป็น Agent ได้สำเร็จ และเครื่องมือเกือบทั้งหมด (593 จาก 599 รายการ) ผ่านการตรวจสอบความถูกต้อง

ในแง่ของความคุ้มค่า Paper2Agent มีค่าใช้จ่ายต่อคำถามเพียง 0.20 ดอลลาร์สหรัฐ และใช้เวลาเพียง 1.6 นาที ซึ่งถูกกว่าและเร็วกว่าวิธีการดั้งเดิมหลายเท่าตัว อีกทั้งยังมีความสามารถในการปฏิเสธคำถามนอกขอบเขตได้แม่นยำ 100% และสามารถแก้ไขข้อผิดพลาดที่เกิดขึ้นจากไฟล์หรือ API ที่ล้าสมัยได้เอง

การทำงานร่วมกันของ Paper Agent

ทีมวิจัยยังได้ทดลองเชื่อมต่อ 3 Agent เข้าด้วยกัน ได้แก่ AlphaGenome, MPRA-coupled scCRISPRi และชุดข้อมูล CD4+ T cell Perturb-seq เพื่อวิเคราะห์ยีนที่เป็นสาเหตุของโรคสะเก็ดเงิน

ผลการวิเคราะห์ร่วมกันระบุว่ายีน GPR137 เป็นตัวเต็งสำคัญ ซึ่งสอดคล้องกับผลการทดลอง knockdown ยีนที่แสดงความสัมพันธ์อย่างมีนัยสำคัญ นอกจากนี้ยังมีการนำไปใช้คู่กับงานวิจัย ADHD GWAS เพื่อเสนอชื่อยีนเป้าหมายท่ามกลางผู้สมัครนับร้อยราย ซึ่งช่วยตอกย้ำศักยภาพของ AI ในฐานะผู้ช่วยนักวิทยาศาสตร์ที่ทำงานข้ามสาขาได้อย่างมีประสิทธิภาพ

สรุปประเด็นสำคัญ

Paper2Agent แปลงงานวิจัยเป็นเซิร์ฟเวอร์ MCP ที่พร้อมใช้งาน ทั้งเครื่องมือ ทรัพยากร และพรอมต์
สามารถสร้าง Agent จากงานวิจัย AlphaGenome ได้ใน 45 นาที ด้วยความแม่นยำ 100% ในโจทย์ใหม่
ผลการทดสอบกับงานวิจัย bioRxiv 100 ฉบับ ประสบความสำเร็จถึง 74 ฉบับ
การทำงานร่วมกันของ Agent ช่วยระบุ GPR137 เป็นยีนสาเหตุของโรคสะเก็ดเงิน
ซอฟต์แวร์เปิดให้ใช้งานแบบ Open Source ภายใต้สัญญาอนุญาต MIT