作者 | 論文團(tuán)隊(duì)

編輯 | ScienceAI

科學(xué)史的每一次飛躍，往往伴隨著工具的革新。隨著近期大模型和智能體的飛速發(fā)展，這條路徑正在通向一種全新的階段：“AI 科學(xué)家”。 在 AI 賦能科研的前沿，我們正見證一個(gè)重要的里程碑：從證明 AI 智能體 “能否” 解決特定科學(xué)問題，轉(zhuǎn)向思考如何讓它 “高效、可靠、規(guī)?；?地參與整個(gè)研究過程。

Nature 在近期發(fā)布的新聞解析《How AI agents will change research: a scientist’s guide》中， 報(bào)道了由哈佛大學(xué) Marinka Zitnik 和高尚華團(tuán)隊(duì)與 MIT 發(fā)布的首款大規(guī)模工具開源框架 - ToolUniverse， 這一開放的在線環(huán)境讓研究人員能夠用自然語(yǔ)言將各類大模型和智能體連接到不同科學(xué)領(lǐng)域常用的工具，為打造 AI 科學(xué)家奠定了基礎(chǔ)。

ToolUniverse 網(wǎng)站：https://aiscientist.tools/

論文詳解：https://arxiv.org/abs/2509.23426

代碼開源：https://github.com/mims-harvard/ToolUniverse

1. 當(dāng) AI 生成模型不再足夠：AI 科學(xué)家為何而來？

傳統(tǒng) LLM（大語(yǔ)言模型）的核心能力是 “文本生成”，但科學(xué)研究需要的遠(yuǎn)不止于此：它需要分解復(fù)雜問題（如 “如何優(yōu)化降膽固醇藥物”）、規(guī)劃實(shí)驗(yàn)步驟、調(diào)用專業(yè)工具（如分子模擬軟件）、驗(yàn)證數(shù)據(jù)合理性，甚至在結(jié)果偏離預(yù)期時(shí)自我修正。這種 “推理 + 行動(dòng)” 的閉環(huán)，正是 AI 從 “模型” 升級(jí)為 “科學(xué)家” 的關(guān)鍵。

AI 智能體的突破在于將 LLM 與三大機(jī)制深度耦合：

1. 規(guī)劃能力：將 “發(fā)現(xiàn)新藥物” 拆解為 “靶點(diǎn)識(shí)別→化合物篩選→性質(zhì)優(yōu)化→專利驗(yàn)證” 等可執(zhí)行步驟；

2. 記憶系統(tǒng)：追蹤中間結(jié)果（如 “某化合物對(duì)肝組織的滲透率”），避免重復(fù)計(jì)算或邏輯斷裂；

3. 工具調(diào)用：連接外部數(shù)據(jù)庫(kù)、模擬器、分析軟件，彌補(bǔ) LLM 自身在專業(yè)計(jì)算（如分子結(jié)合能預(yù)測(cè)）上的短板。

但科學(xué)研究的特殊性給 AI 智能體 其提出了更高要求：不同學(xué)科（生物、化學(xué)、物理）的工具格式不統(tǒng)一、數(shù)據(jù)需可復(fù)現(xiàn)、實(shí)驗(yàn)流程需嚴(yán)謹(jǐn)驗(yàn)證。若僅依賴通用的工具調(diào)用協(xié)議（如 MCP，模型上下文協(xié)議），無法解決 “如何讓 AI 理解質(zhì)譜數(shù)據(jù)格式”“如何協(xié)調(diào)分子模擬與臨床數(shù)據(jù)庫(kù)的輸出” 等專業(yè)問題。而這，正是 ToolUniverse 解決的核心問題之一。

2. ToolUniverse：科學(xué) AI Agent 的生態(tài)基石

ToolUniverse 并非單一工具，而是一套 “連接 LLM 與科學(xué)工具” 的標(biāo)準(zhǔn)化生態(tài)（圖 1）。它的核心目標(biāo)是：讓任何 LLM 都能通過統(tǒng)一接口，調(diào)用 600 + 科學(xué)工具，完成從 “提出假設(shè)” 到 “驗(yàn)證結(jié)論” 的全流程研究。

圖 1：ToolUniverse 是一個(gè)用于打造 AI 科學(xué)家的生態(tài)系統(tǒng)。通用型大語(yǔ)言模型（LLM）、推理模型與智能體可連接 ToolUniverse 提供的 600 余種科學(xué)工具，實(shí)現(xiàn)科研工作流自動(dòng)化。

3. 統(tǒng)一科學(xué)工具的 “HTTP”：解決三大痛點(diǎn)

就像 HTTP 協(xié)議統(tǒng)一了互聯(lián)網(wǎng)通信，ToolUniverse 為 AI 科學(xué)家定義了專屬的 “科學(xué)工具交互標(biāo)準(zhǔn)”（圖 2），既能夠無縫集成本地部署的開源工具，也能安全、規(guī)范地連接強(qiáng)大的閉源模型與 API 服務(wù)，解決了 MCP 協(xié)議在科研場(chǎng)景中的三大痛點(diǎn)：

圖 2: ToolUniverse 通過統(tǒng)一協(xié)議連接機(jī)器學(xué)習(xí)模型、智能體、科學(xué)軟件工具、數(shù)據(jù)庫(kù)與 API。它引入了標(biāo)準(zhǔn)化的工具規(guī)范框架，使語(yǔ)言模型能夠一致地發(fā)現(xiàn)、調(diào)用并解析各類工具。類似于 HTTP 在互聯(lián)網(wǎng)通信中確立標(biāo)準(zhǔn)的方式，ToolUniverse 協(xié)議通過兩項(xiàng)核心操作：Find Tool（查找工具） 與 Call Tool（調(diào)用工具）， 定義了 AI 科學(xué)家如何請(qǐng)求工具并接收結(jié)果。

1. 工具發(fā)現(xiàn)難：通過 “Tool Finder” 組件，AI 可結(jié)合關(guān)鍵詞搜索、向量嵌入檢索、LLM 推理，從 600 + 工具中精準(zhǔn)匹配需求（如 “需要預(yù)測(cè)化合物肝毒性” 時(shí)，自動(dòng)定位 ADMET-AI 工具）；

2. 調(diào)用不規(guī)范：“Tool Caller” 組件會(huì)先驗(yàn)證輸入（如分子結(jié)構(gòu)格式是否符合 SMILES 標(biāo)準(zhǔn)），再執(zhí)行工具，最后將輸出轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)（如 “結(jié)合能 - 8.2 kcal/mol” 而非雜亂文本）；

3. 推理難閉環(huán)：新增 “推理控制層”，讓 AI 能理解工具輸出的科學(xué)意義（如 “該化合物腦滲透率高→可能引發(fā)中樞副作用”），而非僅機(jī)械調(diào)用。

這種標(biāo)準(zhǔn)化設(shè)計(jì)，讓 AI 從 “會(huì)用工具” 升級(jí)為 “會(huì)用科學(xué)工具解決問題”。

4. 四大核心組件：支撐 AI 科學(xué)家的完整生命周期

ToolUniverse 通過四大組件（圖 3），覆蓋了 AI 科學(xué)家從 “工具獲取” 到 “ workflow 優(yōu)化” 的全流程需求，真正實(shí)現(xiàn) “可編程的科學(xué)協(xié)作”：

（1）Tool Manager：工具的 “注冊(cè)與管理中心”

它解決了 “如何將新工具接入生態(tài)” 的問題：

1. 本地工具（如實(shí)驗(yàn)室自研的數(shù)據(jù)分析腳本）只需提交 “功能描述 + 參數(shù)格式 + 輸出示例”，即可被自動(dòng)納入統(tǒng)一 schema；

2. 遠(yuǎn)程工具（如云端分子模擬平臺(tái)）通過 MCP 協(xié)議接入，無需暴露內(nèi)部代碼，兼顧安全性與兼容性；

3. 自動(dòng)驗(yàn)證工具有效性（如 “輸入錯(cuò)誤分子結(jié)構(gòu)時(shí)是否返回提示”），確保 AI 調(diào)用時(shí)的可靠性。

（2）Tool Composer：科學(xué) workflow 的 “搭建者”

科學(xué)研究很少依賴單一工具，比如 “藥物篩選” 需要串聯(lián) “靶點(diǎn)數(shù)據(jù)庫(kù)→化合物庫(kù)→分子對(duì)接工具→毒性預(yù)測(cè)工具”。Tool Composer 的作用就是：

1. 定義工具間的數(shù)據(jù)流（如 “分子對(duì)接工具的輸出結(jié)構(gòu)，直接作為毒性預(yù)測(cè)工具的輸入”）；

2. 支持條件邏輯（如 “若毒性預(yù)測(cè)超標(biāo)，則返回上一步重新篩選化合物”）；

3. 生成可復(fù)現(xiàn)的 workflow 腳本，方便人類科學(xué)家追溯或修改。

4. 通過智能體系統(tǒng)，實(shí)現(xiàn)工具間調(diào)用關(guān)系的自動(dòng)構(gòu)建與優(yōu)化。

（3）Tool Discover：工具的 “自動(dòng)生成器”

當(dāng)現(xiàn)有工具無法滿足需求（如 “需要一種新的基因表達(dá)數(shù)據(jù)可視化工具”），AI 可通過自然語(yǔ)言描述需求，Tool Discover 會(huì)：

1. 將文本描述轉(zhuǎn)化為結(jié)構(gòu)化工具規(guī)格（如 “輸入：CSV 格式表達(dá)矩陣；輸出：熱圖 + 火山圖”）；

2. 自動(dòng)生成代碼、測(cè)試用例，通過 “預(yù)期行為 vs 實(shí)際輸出” 的反饋循環(huán)迭代優(yōu)化；

3. 無需人工編碼，讓工具庫(kù)隨科研需求動(dòng)態(tài)擴(kuò)展。

（4）Tool Optimizer：工具的 “質(zhì)量守護(hù)者”

科學(xué)研究強(qiáng)調(diào)可復(fù)現(xiàn)性，Tool Optimizer 通過三大動(dòng)作保障工具穩(wěn)定性：

1. 定期生成測(cè)試用例（如 “用已知活性的化合物驗(yàn)證分子對(duì)接工具的準(zhǔn)確性”）；

2. 分析工具輸出與規(guī)格的偏差（如 “某工具預(yù)測(cè)的結(jié)合能與實(shí)驗(yàn)值誤差突然增大”）；

3. 自動(dòng)更新工具文檔或參數(shù)設(shè)置，確保 AI 調(diào)用時(shí)的一致性。

圖 3: ToolUniverse 提供了六項(xiàng)關(guān)鍵能力，支持 AI 科學(xué)家完整的生命周期：查找工具、調(diào)用工具、添加新工具、將工具串聯(lián)為工作流、從自然語(yǔ)言生成新工具，以及優(yōu)化工具規(guī)范以提升可用性。

5. 跨模型兼容：讓每類 LLM 都能成為科學(xué)助手

不同科研場(chǎng)景對(duì) LLM 的需求差異極大：實(shí)驗(yàn)室本地分析可能需要輕量開源模型（如 Llama 3），而復(fù)雜 hypothesis 推理可能依賴云端大模型（如 Claude 3），生物醫(yī)藥研究還需專業(yè)模型（如 TxAgent）。

ToolUniverse 的兼容性設(shè)計(jì)打破了 “模型綁定” 局限（圖 4）：它將工具調(diào)用轉(zhuǎn)化為 “標(biāo)準(zhǔn)化函數(shù)調(diào)用”，無需修改 LLM 的權(quán)重或 Tokenizer—— 只需通過輕量級(jí)包裝器，向模型傳遞 “工具列表 + 參數(shù)格式”，模型輸出即可被解析為工具調(diào)用指令。

這種設(shè)計(jì)的價(jià)值在于：

科研團(tuán)隊(duì)可根據(jù)成本、隱私需求選擇模型，無需擔(dān)心 “換模型就要重寫工具調(diào)用邏輯”；

能在相同實(shí)驗(yàn)條件下對(duì)比不同模型的性能（如 “用 Gemini-CLI vs Claude 3 做藥物篩選，哪個(gè)準(zhǔn)確率更高”）；

支持專業(yè)模型與通用工具的結(jié)合（如 “讓 TxAgent 調(diào)用 ChEMBL 數(shù)據(jù)庫(kù)，分析藥物 - 靶點(diǎn)相互作用”）。

圖 4: ToolUniverse 為構(gòu)建不同類型的 AI 科學(xué)家提供了簡(jiǎn)潔而高效的協(xié)議：既可用于基于通用大語(yǔ)言模型（如左圖的 Claude），也可用于具備更強(qiáng)推理與控制能力的智能體系統(tǒng)（如右圖的 Gemini-CLI），以及專注于生物醫(yī)學(xué)研究的 AI 智能體（如 TxAgent）。

6. 案例實(shí)證：AI 科學(xué)家如何優(yōu)化降膽固醇藥物

理論架構(gòu)需要實(shí)踐驗(yàn)證。我們以 “尋找更安全的降膽固醇藥物” 為例，看看 ToolUniverse 構(gòu)建的 AI 科學(xué)家（基于 Gemini-CLI agent）如何完成全流程研究（圖 5）。

步驟 1：靶點(diǎn)識(shí)別 —— 鎖定 “關(guān)鍵蛋白”

AI 首先調(diào)用 “文獻(xiàn)挖掘工具” 和 “藥物 - 靶點(diǎn)數(shù)據(jù)庫(kù)”，通過分析 thousands of 研究論文與臨床數(shù)據(jù)，得出結(jié)論：HMG-CoA 還原酶是膽固醇合成的關(guān)鍵酶，且該酶在肝臟外的過度抑制會(huì)引發(fā)肌肉疼痛等副作用。這一步完全復(fù)刻了人類科學(xué)家的 “靶點(diǎn)發(fā)現(xiàn)” 邏輯，但效率提升 10 倍以上。

步驟 2：起始化合物篩選 —— 從現(xiàn)有藥物入手

AI 通過 ToolUniverse 查詢 “已上市降膽固醇藥物庫(kù)”，篩選出以 HMG-CoA 還原酶為靶點(diǎn)的藥物，最終選擇 “洛伐他?。╨ovastatin）” 作為起始化合物 —— 理由是 “臨床驗(yàn)證充分，但肝外組織滲透率高，存在副作用風(fēng)險(xiǎn)”。

步驟 3：化合物優(yōu)化 —— 提升安全性與有效性

AI 調(diào)用三大工具協(xié)作：

ChEMBL 數(shù)據(jù)庫(kù)：獲取洛伐他汀的 100 + 結(jié)構(gòu)類似物；

Boltz-2 工具：預(yù)測(cè)每個(gè)類似物與 HMG-CoA 還原酶的結(jié)合能（數(shù)值越低，結(jié)合越強(qiáng)）；

ADMET-AI 工具：預(yù)測(cè)類似物的肝滲透率、腦滲透率、代謝穩(wěn)定性。

通過綜合排序，AI 篩選出兩個(gè)候選：

普伐他汀（pravastatin）：已知藥物，肝外滲透率低，副作用更少（驗(yàn)證了 AI 的可靠性）；

CHEMBL2347006/CHEMBL3970138：新化合物，結(jié)合能比洛伐他汀高 30%，腦滲透率降低 50%，生物利用度提升 25%。

步驟 4：專利與驗(yàn)證 —— 規(guī)避法律風(fēng)險(xiǎn)

最后，AI 調(diào)用 “專利檢索工具”，發(fā)現(xiàn)新化合物已被注冊(cè)用于心血管疾病治療，雖無法直接開發(fā)，但為后續(xù)結(jié)構(gòu)修飾提供了方向。

整個(gè)過程中，AI 不僅完成了 “調(diào)用工具” 的動(dòng)作，更體現(xiàn)了科學(xué)推理能力：它能解釋 “為何選擇該靶點(diǎn)”“為何淘汰某化合物”，甚至能根據(jù)副作用風(fēng)險(xiǎn)調(diào)整優(yōu)化方向 —— 這正是 “AI 科學(xué)家” 與普通工具調(diào)用的本質(zhì)區(qū)別。

圖 5：展示了一個(gè)基于 ToolUniverse 構(gòu)建并應(yīng)用于藥物發(fā)現(xiàn)的 AI 科學(xué)家實(shí)例。該系統(tǒng)與 Gemini-CLI 智能體相連，能夠識(shí)別生物學(xué)靶點(diǎn)、篩選并優(yōu)化候選藥物、評(píng)估分子性質(zhì)，并利用計(jì)算工具驗(yàn)證結(jié)果。整個(gè)工作流程展示了 AI 科學(xué)家如何在藥物研發(fā)的各個(gè)階段進(jìn)行推理、整合多源證據(jù)，并在必要時(shí)融入人類反饋。

7. 從用到建：當(dāng) “使用者” 成為 “共創(chuàng)者”

一個(gè)健康的生態(tài)系統(tǒng)，其生命力不僅來源于使用，更來源于創(chuàng)造與貢獻(xiàn)。

ToolUniverse 內(nèi)置了 Tool Discover 和 Tool Optimizer 等核心組件。前者允許用戶通過自然語(yǔ)言描述，自動(dòng)化生成新工具的規(guī)范與代碼框架；后者能通過多輪測(cè)試與反饋，持續(xù)優(yōu)化現(xiàn)有工具的說明與易用性。這一機(jī)制巧妙地將用戶從純粹的 “消費(fèi)者” 轉(zhuǎn)變?yōu)闈撛诘?“共建者”，激勵(lì)社區(qū)智慧反哺生態(tài)，形成一個(gè)自我完善、持續(xù)生長(zhǎng)的良性循環(huán)。

ToolUniverse 的終極愿景，是賦能各個(gè)科學(xué)領(lǐng)域的專家，而不僅僅是 AI 專家。當(dāng)生物學(xué)家、化學(xué)家、藥物研發(fā)人員能夠基于一個(gè)穩(wěn)定、豐富的工具生態(tài)，輕松定制符合其獨(dú)特研究需求的 “AI 科研伙伴” 時(shí)，或許將迎來一個(gè)真正 AI 輔助科研的全新時(shí)代。AI 科學(xué)家不僅能調(diào)用數(shù)據(jù)庫(kù)、模擬器，還能通過標(biāo)準(zhǔn)化協(xié)議控制實(shí)驗(yàn)室自動(dòng)化設(shè)備（如液體處理機(jī)器人、質(zhì)譜儀），實(shí)現(xiàn) “提出假設(shè)→設(shè)計(jì)實(shí)驗(yàn)→自動(dòng)執(zhí)行→分析結(jié)果” 的全流程閉環(huán)。

當(dāng) AI 能真正理解科學(xué)問題、自主協(xié)調(diào)工具、與人類共同推進(jìn)認(rèn)知邊界時(shí)，我們或許正站在 “科學(xué)發(fā)現(xiàn)新范式” 的起點(diǎn)。