Valencia, 25/09/2026, G.B.
Recientemente he leído un artículo sobre un proyecto que conecta modelos de lenguaje con herramientas externas vía MCP (Model Context Protocol). Se llama Paper2Agent: toma un paper científico con su repositorio de código y genera automáticamente un agente conversacional capaz de ejecutar los métodos del estudio. Nada de leerte el código y reconstruir el pipeline a mano, simplemente le preguntas directamente al agente.
El proyecto es de un equipo de Stanford (Jiacheng Miao, Joe R. Davis, Jonathan K. Pritchard y James Zou) y está publicado en GitHub bajo licencia MIT: github.com/jmiao24/Paper2Agent. Puedes probar Paper2Agent en modo live o instalarlo. Este es el proceso de instalación:
Lo que necesitas antes de empezar
- Python 3.10 o superior
- Node.js/npm, porque Claude Code (el agente de codificación de Anthropic sobre el que corre todo esto) se instala vía npm
- Cuenta y acceso a Claude Code, la pieza que orquesta la generación del agente
Si no tienes Claude Code todavía, se instala en el mismo paso 3 de abajo, así que no hace falta que lo prepares antes por separado.
Instalación paso a paso
1. Clona el repositorio
git clone https://github.com/jmiao24/Paper2Agent.git
cd Paper2Agent2. Instala la dependencia de Python
Solo necesitas fastmcp, la librería que monta el servidor MCP:
pip install fastmcpSi trabajas con varios proyectos Python en la misma máquina (como hago yo), te recomiendo meterlo en un entorno virtual para no ensuciar el sistema global.
3. Instala y arranca Claude Code
npm install -g @anthropic-ai/claude-code
claudeCon esto ya tienes todo el terreno preparado.
Generar tu primer agente
El comando base es este:
bash Paper2Agent.sh \
--project_dir <NOMBRE_PROYECTO> \
--github_url <URL_DEL_REPOSITORIO>Por ejemplo, para convertir el repositorio de Scanpy (muy usado en análisis de datos de célula única) en un agente:
bash Paper2Agent.sh \
--project_dir Scanpy_Agent \
--github_url https://github.com/scverse/scanpy \
--tutorials "Preprocessing and clustering"El flag --tutorials te deja acotar el proceso a un tutorial concreto del repositorio en lugar de procesarlo entero, algo que agradecerás si el proyecto original es grande. También existen --api (para repos que piden clave de autenticación) y --benchmark (para que genere y evalúe preguntas de referencia sobre el agente resultante).
Un aviso sobre tiempos y coste
Esto no es instantáneo. Según la documentación oficial, el proceso completo puede tardar entre 30 minutos y más de 3 horas, dependiendo de lo complejo que sea el código fuente del paper. Y no es gratis: usando Claude Sonnet 4, el coste estimado para repositorios grandes como el de AlphaGenome ronda los 15 dólares, como pago único por la generación del agente (no por cada consulta posterior).
Vale la pena tenerlo en cuenta antes de lanzarlo sobre un repositorio enorme solo por curiosidad.
Verificar que el agente está activo
Al terminar, Claude Code se abre automáticamente con el servidor MCP recién generado ya cargado. Para comprobarlo en cualquier momento:
claude mcp listo, ya dentro de la sesión de Claude Code, el comando \mcp.
Atajo: MCP ya generados
Si solo quieres probar el concepto sin montar nada tú mismo, el repositorio ya ofrece tres servidores MCP remotos listos para usar, alojados en Hugging Face: AlphaGenome, Scanpy y TISSUE. Se conectan con:
bash launch_remote_mcp.sh \
--working_dir <directorio_de_trabajo> \
--mcp_name <nombre_mcp> \
--mcp_url <url_del_servidor>Por ejemplo, para el de AlphaGenome:
bash launch_remote_mcp.sh \
--working_dir analysis_dir \
--mcp_name alphagenome \
--mcp_url https://Paper2Agent-alphagenome-mcp.hf.spaceEs la forma más rápida de hacerse una idea de qué se puede hacer con esto antes de meterte a generar un agente propio desde un paper que te interese.
