Nature子刊：浙大陈华钧/张强团队开发多学科AI智能体，全面集成生物学/化学/材料科学领域数百种科学工具，自动化复杂科学工作

Nature子刊：浙大陈华钧/张强团队开发多学科AI智能体，全面集成生物学/化学/材料科学领域数百种科学工具，自动化复杂科学工作

来源：生物世界 2025-09-09 09:34

在这项研究中，研究团队提出了 SciToolAgent，这是一个能将广泛且多样的科学工具与大语言模型（LLM）有效集成的智能体框架。

科学研究越来越依赖于专门的计算工具，但有效利用这些工具需要大量的领域专业知识。虽然大语言模型（LLM）在工具自动化方面展现出潜力，但它们难以无缝集成和协调多个工具以应对复杂的科学工作流程。

近日，浙江大学陈华钧教授和张强研究员等在Nature 子刊Nature Computational Science上发表了题为：SciToolAgent: a knowledge-graph-driven scientific agent for multitool integration的研究论文。

该研究开发了一个由大语言模型（LLM）驱动的智能体 SciToolAgent，其能够自动化生物学、化学和材料科学领域的数百种科学工具，其核心在于利用科学工具知识图谱（Knowledge Graph），通过基于图的检索增强生成来实现智能工具选择和执行。该智能体还集成了全面的安全检查模块，以确保负责任和合乎道德地使用工具。

评估结果显示，SciToolAgent 的表现优于现有方法。在蛋白质工程、化学反应性预测、化学合成和金属有机框架筛选方面的案例研究进一步证明了SciToolAgent 能够自动化复杂的科学工作流程，使高级研究工具对专家和非专家都易于使用。

科学研究越来越依赖于专门的计算工具，这些工具能够自动化完成从数据分析到结果可视化等一系列重要任务。尽管这些工具已成为推动科学发现不可或缺的手段，但其日益增长的复杂性和多样性却构成了被广泛采用的重重障碍。例如，化学家们通常会使用特定的工具来进行分子模拟、性质预测和化合物设计。初涉研究领域的人员可能缺乏有效利用这些强大资源所需的技术专长，这可能会阻碍科学进步。

为应对这一挑战，一个颇具前景的方法是利用人工智能（AI）技术来高效地组织和协调科学工具的使用。

大语言模型（LLM）作为前沿的人工智能方法，在从自然语言理解到复杂推理任务的众多领域展现出了前所未有的能力。近期的研究表明，在将大语言模型与特定领域的科学工具相结合方面取得了令人鼓舞的进展。

在化学领域，包括 Coscientist、ChemChat、ChemCrow 和 CACTUS 在内的几个开创性的系统，通过将大语言模型与工具相结合，实现了化学研究的自主化。在生物学领域也出现了类似的进展，诸如 GeneGPT、CRISPR-GPT、GenoAgent 和 ProtAgents 等系统增强了大语言模型在诸如 RNA 测序、基因编辑和蛋白质发现等专业任务中的能力。工具增强型语言模型的应用进一步扩展到了材料科学（LLMatDesign 和 ChatMOF）、电子设计（ChatEDA）以及机械工程（MechAgents）领域。这些系统通常在诸如 ReAct 这样的既定框架内利用上下文学习，ReAct 将基于大语言模型的推理与工具执行相结合。

然而，当前的方法面临两个关键限制：1）它们集成的工具数量有限（通常少于 20 种），这限制了其更广泛的应用；2）它们常常忽视科学研究中至关重要的安全和伦理考量。

当前依赖于简单上下文学习的智能体框架在处理复杂的科学问题时往往力不从心，因为它们无法考虑到众多工具之间内在的相互依赖关系。这些依赖关系主要表现为顺序关系，即一个工具的输出作为下一个工具的输入，这就需要一个精确的操作顺序。未能考虑这些相互依存的关系，常常会导致在处理多步骤科学工作流时出现次优解决方案和效率降低。

在这项研究中，研究团队提出了SciToolAgent，这是一个能将广泛且多样的科学工具与大语言模型（LLM）有效集成的智能体框架。具体而言，SciToolAgent 利用先进的语言模型作为规划器（Planner）、执行器（Executor）和总结器（Summarizer），自主规划、执行多个工具，并总结科学任务的解决方案。

SciToolAgent 具有两项关键创新：一个全面的科学工具知识图谱（SciToolKG），它编码了生物学、化学和材料科学领域数百种工具之间的关系；以及一个集成的安全模块，以确保负责任的科学研究。SciToolKG 通过明确建模工具的依赖关系、先决条件和兼容性，实现了工具选择和组合的明智决策。安全模块持续监控执行流程，以防止可能产生的有害结果，解决了现有框架中常常忽视自动化科学发现的伦理影响这一关键缺陷。

SciToolAgent概述

研究团队使用科学工具评估（SciToolEval）基准来评估 SciToolAgent，该基准包含 531 个涵盖多个领域和复杂程度的多样化科学问题。定量分析表明，SciToolAgent 的总体准确率为 94%，比最先进（SOTA）的基准高出 10%。

SciToolAgent 与不同的智能体以及基础模型的比较

研究团队通过四个场景下的案例研究进一步验证了 SciToolAgent 的有效性：蛋白质设计与分析、化学反应活性预测、化学合成与分析以及金属有机框架（MOF）材料筛选。

使用 SciToolAgent 进行蛋白质设计与分析的工作流程及结果

使用SciToolAgent进行基于机器学习的化学反应性预测的工作流程和结果

使用 SciToolAgent 进行化学合成与分析的工作流程及结果

使用 SciToolAgent 进行 MOF 材料筛选的工作流程及结果

这些研究展示了 SciToolAgent 能够自主协调复杂的多工具工作流程，同时保持解决方案的可靠性和准确性。

版权声明 本网站所有注明“来源：100医药网”或“来源：bioon”的文字、图片和音视频资料，版权均属于100医药网网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：100医药网”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。

87%用户都在用100医药网APP 随时阅读、评论、分享交流 请扫描二维码下载->

医药网新闻