AI科学家：科学发现新范式的先驱

AI科学家时代正在加速到来，由哈佛与MIT携手推出的ToolUniverse平台，通过一个统一的平台，使AI能够利用自然语言操作600+科学工具，推动科研自动化的全面升级，引领科学发现的新范式。

科学史上的每一次重大突破，都伴随着工具的革新。随着大模型和智能体的快速发展，我们正迈向一个崭新的阶段——「AI科学家」。

在AI赋能科研的前沿，我们正见证一个重要的里程碑：从证明AI智能体「能否」解决特定科学问题，转向思考如何让它「高效、可靠、规模化」地参与整个研究过程。

新闻链接：https://www.nature.com/articles/d41586-025-03246-7

ToolUniverse的在线环境让研究人员能够用自然语言将各类大模型和智能体连接到不同科学领域常用的工具，为打造AI科学家奠定了基础。

项目主页：https://aiscientist.tools

论文详解：https://arxiv.org/abs/2509.23426

代码开源：https://github.com/mims-harvard/ToolUniverse

当AI生成模型不再足够，AI科学家为何而来？

传统LLM（大语言模型）的核心能力是「文本生成」，但科学研究需要的远不止于此：

它需要分解复杂问题（如「如何优化降胆固醇药物」）、规划实验步骤、调用专业工具（如分子模拟软件）、验证数据合理性，甚至在结果偏离预期时自我修正。这种「推理 + 行动」的闭环，正是AI从「模型」升级为「科学家」的关键。

AI智能体的突破在于将LLM与三大机制深度耦合：

• 规划能力：将「发现新药物」拆解为「靶点识别→化合物筛选→性质优化→专利验证」等可执行步骤；
• 记忆系统：追踪中间结果（如「某化合物对肝组织的渗透率」），避免重复计算或逻辑断裂；
• 工具调用：连接外部数据库、模拟器、分析软件，弥补LLM在专业计算（如分子结合能预测）上的短板。

统一科学工具的「HTTP」，解决三大痛点

就像HTTP协议统一了互联网通信，ToolUniverse为AI科学家定义了专属的「科学工具交互标准」（图 2），既能够无缝集成本地部署的开源工具，也能安全、规范地连接强大的闭源模型与API服务，解决了MCP协议在科研场景中的三大痛点：

图2: ToolUniverse通过统一协议连接机器学习模型、智能体、科学软件工具、数据库与API。它引入了标准化的工具规范框架，使语言模型能够一致地发现、调用并解析各类工具。类似于HTTP在互联网通信中确立标准的方式，ToolUniverse 协议通过两项核心操作：Find Tool（查找工具） 与Call Tool（调用工具）， 定义了AI科学家如何请求工具并接收结果。

• 工具发现难：通过「Tool Finder」组件，AI可结合关键词搜索、向量嵌入检索、LLM推理，从600+工具中精准匹配需求（如「需要预测化合物肝毒性」时，自动定位ADMET-AI工具）；
• 调用不规范：「Tool Caller」组件会先验证输入（如分子结构格式是否符合SMILES标准），再执行工具，最后将输出转化为结构化数据（如「结合能 - 8.2 kcal/mol」而非杂乱文本）；
• 推理难闭环：新增「推理控制层」，让AI能理解工具输出的科学意义（如「该化合物脑渗透率高→可能引发中枢副作用」），而非仅机械调用。

四大核心组件，支撑AI科学家的完整生命周期

图3: ToolUniverse 提供了六项关键能力，支持AI科学家完整的生命周期：

Tool Manager：工具的「注册与管理中心」

它解决了「如何将新工具接入生态」的问题：

• 本地工具（如实验室自研的数据分析脚本）只需提交「功能描述 + 参数格式 + 输出示例」，即可被自动纳入统一schema；
• 远程工具（如云端分子模拟平台）通过MCP协议接入，无需暴露内部代码，兼顾安全性与兼容性；
• 自动验证工具有效性（如「输入错误分子结构时是否返回提示」），确保AI调用时的可靠性。