Paper2Agent, 논문을 AI 에이전트로 변환

네이처(Nature)에 발표된 새로운 논문은 연구 논문을 실행 가능한 AI 에이전트로 변환하는 자동화 프레임워크 Paper2Agent를 소개했다. 이 프레임워크는 논문의 코드, 데이터, 방법을 Model Context Protocol (MCP) 서버로 패키징하여, 채팅 어시스턴트가 텍스트 읽기를 넘어 논문의 계산 도구를 직접 호출할 수 있게 한다.

성능 및 비용

Google DeepMind의 AlphaGenome을 활용한 사례 연구에서, 이 프레임워크는 약 45분 동안 약 $14의 컴퓨팅 비용으로 22개의 검증된 도구를 생성했다. 튜토리얼 기반 쿼리에 대한 정확도는 **98.7 ± 1.3%**로, Claude에 저장소에 직접 접근 권한을 부여한 기준선(82.7%)을 크게 상회했다.

광범위한 적용 가능성

더 넓은 범위의 100편의 계산생물학 논문에 대해 Paper2Agent는 그중 74편에서 사용 가능한 에이전트를 성공적으로 생성했으며, 300개의 벤치마크 질문에 대해 **91.2 ± 1.6%**의 점수를 기록했다. 저자들은 테스트된 논문의 약 4분의 1이 코드 누락, 환경 문제, 일반화 불가능한 스크립트 등으로 인해 실패했다고 지적했다.

연구에 미치는 영향

저자들은 이 접근법이 연구를 수동적인 산출물에서 능동적인 시스템으로 변화시켜 채택과 발견을 가속화할 수 있다고 주장한다. 한 사례 연구에서는 AI 공동 과학자가 ADHD 위험과 관련된 새로운 스플라이싱 변이를 식별했다고 보고했다. 논문은 학술지가 기존 데이터 및 코드 요구 사항에 에이전트 가용성 조항을 추가해야 한다고 제안한다.