Paper2Agent transforma artigos científicos em agentes colaborativos de IA

Em 16 de setembro de 2026, uma equipe de pesquisadores da Stanford Medicine publicou uma descrição do Paper2Agent na revista Nature, detalhando um pipeline que converte o conteúdo completo de um manuscrito científico em um “agente” baseado em software capaz de diálogo interativo e execução dos métodos relatados.

O processo de conversão não se limita à narrativa. Ele ingere figuras, código suplementar e dados brutos, estruturando‑os conforme o Model Context Protocol, um esquema formal que mapeia cada seção e recurso do artigo para um formato legível por máquina que outros agentes podem consultar.

Como os agentes funcionam

Uma vez instanciado, um Paper2Agent se comporta como um assistente virtual de laboratório. Ele pode responder perguntas sobre a metodologia, reproduzir análises em um conjunto de dados fornecido pelo usuário e até sugerir ajustes de parâmetros com base no desenho experimental original. O sistema também gera “agentes trabalhadores” que tentam replicar o estudo em um ambiente simulado, capturando detalhes práticos frequentemente omitidos no registro escrito.

Os autores humanos permanecem essenciais no ciclo. A Stanford enfatiza que apenas humanos podem esclarecer experimentos falhos, resolver trade‑offs e transmitir conhecimentos tácitos que nenhum manuscrito consegue codificar totalmente. Assim, os agentes operam sob supervisão humana contínua, com atribuição e supervisão ética explicitamente exigidas.

Primeira descoberta inter‑paper

Em uma demonstração de prova de conceito, dois agentes derivados de artigos diferentes — um sobre sequenciamento do genoma humano e outro sobre genética do transtorno de déficit de atenção/hiperatividade (TDAH) — comunicaram‑se através do protocolo compartilhado. Os agentes sinalizaram uma variante próximo ao gene MPHOSPH9 que não havia sido reportada na literatura original, achado que cientistas de Stanford confirmaram como candidato plausível para estudo futuro.

A descoberta ilustra o potencial do sistema para revelar conexões difíceis de serem percebidas por humanos ao ler artigos isoladamente. Ao expor o conhecimento estruturado de cada artigo a outros agentes, o Paper2Agent cria uma camada de raciocínio em rede sobre o corpus científico.

Escala e planos futuros

Até o momento, a equipe de Stanford gerou mais de 100 agentes derivados de artigos, cobrindo temas de oncologia a modelagem climática. O roadmap inclui testes de colaborações em grande escala, onde dezenas de agentes interagem, negociam uso de recursos e co‑projetam experimentos.

A Stanford também alerta que a demonstração atual não constitui validação de nenhuma nova descoberta sem replicação independente. O sistema é uma ferramenta de pesquisa, não substitui revisão por pares ou verificação experimental.

• Converter manuscrito completo (texto, figuras, código, dados) em agente interativo
• Organizar conhecimento com Model Context Protocol para acesso entre agentes
• Implantar agentes trabalhadores para reproduzir experimentos em sandbox virtual
• Exigir supervisão humana para atribuição, ética e interpretação

O Model Context Protocol é central na abordagem. Ele define uma hierarquia de seções — resumo, métodos, resultados, material suplementar — e vincula cada uma aos ativos subjacentes. Isso permite que um agente recupere, por exemplo, o script exato usado para gerar uma figura, o execute com novos inputs e explique a saída passo a passo.

Considerações de segurança estão incorporadas à arquitetura. Os agentes operam em contêineres isolados, e qualquer execução de código é sandboxed para evitar efeitos colaterais indesejados. As declarações da Stanford ressaltam que qualquer implantação fora do laboratório de pesquisa deve passar por auditorias rigorosas de segurança.

Para organizações brasileiras isso significa que em breve poderão ampliar seus fluxos de P&D com uma camada de IA que lê, interpreta e executa o conhecimento embutido na literatura publicada. Em vez de extrair protocolos manualmente, cientistas podem consultar um Paper2Agent para obter um pipeline pronto para uso, testá‑lo com dados internos e receber uma explicação detalhada de cada etapa. A tecnologia promete gerar hipóteses mais rapidamente, reduzir duplicação de esforços e abrir novas vias de insight interdisciplinar — desde que especialistas humanos continuem a validar e orientar os resultados dos agentes.