InternAgentS – 上海 AI Lab 开源的国产科研智能体工作台

1. InternAgentS是什么

InternAgentS 是上海人工智能实验室（上海 AI Lab）开源的一款面向 AI for Science 场景的国产科研智能体工作台。该平台将论文阅读、实验分析、代码迭代、远程计算、科研写作等原本分散的科研环节，整合到一个统一的项目空间中，形成端到端的科研工作流。InternAgentS 支持接入 DeepSeek、Qwen、Kimi、GLM、Intern-S 及 Claude 等多种大语言模型，并允许用户进行本地部署，从而有效保障未发表论文与实验数据的隐私安全。平台已接入 SCP 2.0 生态中的 3600+ 科研工具与 Skills，覆盖生物、化学、物理、材料科学、地球科学及数学与信息科学等六大学科领域，同时兼容 MCP 协议，具备极强的可扩展性。

技术定位与领域： InternAgentS 属于 AI for Science 领域的科研智能体基础设施平台，定位为连接科研人员与 AI 能力的中间件。它不同于通用 AI 工作台或简单的代码助手，而是专门针对科研流程中多环节、多工具、多模型的复杂协同需求设计，旨在通过智能体编排能力，将文献调研、实验设计、代码执行、结果分析、论文撰写等任务无缝衔接。

研发背景： 该平台由上海人工智能实验室（上海 AI Lab）开发，该机构是国内 AI 基础研究与开源生态建设的核心力量之一，在书生（Intern）系列模型、OpenMMLab 等项目中积累了深厚的技术底蕴。研发动机源于当前科研工作中普遍存在的工具碎片化、数据孤岛、模型单一等问题，旨在为学术界和工业界提供一个开放、可控、可定制的科研智能体解决方案。

核心价值： InternAgentS 的核心价值在于解决了科研流程中的“断点”问题。传统科研工作需要在文献管理工具、代码编辑器、计算集群、写作软件之间频繁切换，信息流转效率低下。InternAgentS 通过项目空间将论文、代码、数据、实验结果统一管理，并借助智能体自动执行文献检索、代码修改、实验分析等重复性任务，将科研人员从繁琐的流程中解放出来，聚焦于核心科学问题。同时，本地部署能力确保了数据主权，这对涉及未发表成果和敏感数据的科研团队至关重要。

技术特点： InternAgentS 的技术优势体现在“多模型灵活适配”与“深度工具生态”的结合。它不绑定单一模型，支持国内外主流模型及本地私有模型，有效避免供应商锁定。其接入的 SCP 2.0 生态提供了 3600+ 学科专用工具，覆盖范围远超通用工作台。此外，平台支持 SCP 和 MCP 双协议，为社区扩展和第三方工具接入提供了标准化接口，构建了开放的科研智能体基础设施。

2. 主要功能

• 项目空间管理： 围绕科研项目组织论文、代码、数据、实验结果、科学图表和生成产物，形成可追踪、可复用的科研工作流。所有文件与智能体生成的中间结果均在同一空间内管理，避免了文件散落、版本混乱的问题，尤其适合长期、多阶段的研究项目。

• 文献阅读与写作： 智能体协助完成文献调研、方法比较、报告撰写和论文写作任务。用户可指定研究方向，智能体自动检索相关文献并提取关键信息，生成结构化综述。写作产物直接沉淀回项目空间，支持多次迭代修改。

• 实验分析与代码迭代： 支持实验数据分析、代码修改、结果整理和阶段性结论生成。智能体可以理解实验代码逻辑，根据分析需求自动调整参数或重写部分代码，并生成可视化的结果报告，大幅缩短实验迭代周期。

• 远程计算： 支持连接远程 Linux 主机（如实验室服务器或超算集群），在研究者审阅和授权后执行计算任务。智能体负责提交作业、监控运行状态，并在计算完成后自动回收结果并进行分析，实现了从“代码编写-提交-结果分析”的全流程自动化。

• 多模型接入： 支持 DeepSeek、Qwen、Kimi、GLM、Intern-S、Claude 等主流模型，以及部署在本地或机构内网的私有模型服务。用户可根据任务类型（如文献理解、代码生成、数学推理）灵活切换模型，或同时调用多个模型进行交叉验证。

• 工具生态集成： 接入 SCP 2.0 的 3600+ 科研工具与 Skills，覆盖生物、化学、物理、材料科学、地球科学及数学与信息科学等六大学科。这些工具包括分子模拟软件、晶体结构分析工具、数值仿真引擎等，智能体可自动调用它们完成专业计算任务。

• 协议兼容： 支持 SCP（科学智能上下文协议）和 MCP 协议，便于扩展第三方工具和自定义技能。开发者可以基于协议规范编写新的工具插件，无缝接入 InternAgentS 的工作流，构建高度定制化的科研智能体。

3. 如何使用

1. 环境要求与前置条件： 使用 InternAgentS 需要一台配备 Python 3.9+ 运行环境的计算机，建议内存不低于 16GB。对于需要本地运行大模型的场景，推荐配备 NVIDIA GPU（显存 8GB 以上）或华为昇腾 NPU。操作系统支持 Linux（Ubuntu 20.04+ 推荐）、macOS 和 Windows（需 WSL2 支持）。此外，需要安装 Git 和 Docker（可选，用于容器化部署）。

2. 访问官网与克隆仓库： 首先访问 InternAgentS 官网（（链接待官方发布后更新） Git 克隆项目仓库：git clone （链接待官方发布后更新） pip install -r requirements.txt` 安装依赖。

3. 创建项目空间： 启动 InternAgentS 后，通过 Web 界面或命令行创建新的科研项目。在项目空间中导入论文 PDF、实验代码、原始数据及相关科研资料。系统会自动解析文件结构并建立索引，智能体将基于此上下文执行后续任务。

4. 配置模型： 在项目设置中选择并接入所需的 AI 模型。对于云端模型（如 DeepSeek、Qwen），需填入对应的 API Key 和端点地址。对于本地私有模型，需确保模型已通过 vLLM 或 Ollama 等推理框架部署，并配置相应的服务 URL。

5. 接入工具： 在工具管理页面配置 SCP/MCP 连接，接入科研工具与 Skills。平台预置了常用工具的连接模板，用户也可根据 SCP 协议文档编写自定义工具配置。连接成功后，智能体即可在任务中自动调用这些工具。

6. 发起任务与审阅授权： 在项目空间中向智能体描述任务需求，例如“查找关于钙钛矿太阳能电池的最新文献并生成综述”。智能体会自动规划执行步骤，生成中间产物（如文献列表、代码草稿），用户可审阅这些产物并进行修改。对于远程计算任务，智能体会提交作业并等待用户授权后执行，结果自动回传至项目空间。

4. 优缺点分析

5. 同类工具对比

选型建议： 对于高校实验室和科研机构，尤其是涉及未发表论文或敏感数据的项目，InternAgentS 是最优选择。其本地部署能力和 3600+ 学科工具生态提供了其他平台难以比拟的专业性和安全性。如果团队主要依赖 Claude 模型且对数据隐私要求不苛刻，Claude Science 的即开即用体验更佳。对于需要高度定制化智能体工作流的开发团队，AutoGPT 和 CrewAI 提供了更灵活的框架，但需要自行构建工具生态和学科知识库，更适合有较强 AI 工程能力的团队。

6. 编辑点评

InternAgentS 的推出标志着 AI for Science 领域从“单点工具”向“平台化基础设施”迈出了关键一步。从技术创新角度看，其最大亮点在于将多模型适配、深度工具生态、远程计算能力整合到一个统一的项目空间架构中，而非简单的功能堆叠。这种设计理念解决了科研工作中长期存在的“断点”问题——文献管理、代码实验、计算资源、论文写作之间的信息流转不再需要人工搬运，智能体成为连接各个环节的“数字科研助理”。尤其是 SCP 2.0 协议的引入，为科研工具提供了标准化接入接口，这比通用 MCP 协议更贴近学科计算需求，体现了对科研场景的深刻理解。

从实用价值分析，InternAgentS 对材料科学、计算化学、工程仿真等计算密集型学科的价值尤为突出。以分子模拟为例，传统流程需要手动编写输入文件、提交计算作业、解析输出结果，而 InternAgentS 可将这一过程封装为智能体任务，自动完成参数优化、作业调度和结果分析，将数小时的工作压缩至分钟级。对于文献综述任务，智能体能够同时调用多个模型进行交叉验证，避免单一模型的偏见，生成的综述质量显著高于单模型方案。

适用人群方面，InternAgentS 最适合具备一定 AI 工程能力的研究团队，包括高校课题组、企业研发部门以及独立研究者。对于完全不懂编程的科研人员，当前版本的上手门槛较高，但随着社区文档完善和图形化界面优化，预计未来将覆盖更广泛的用户群体。

发展潜力方面，InternAgentS 正处于快速迭代阶段。未来若能进一步降低配置复杂度、增加预置工作流模板、完善社区共建机制，有望成为 AI for Science 领域的标准基础设施。不过，其长期发展仍依赖 SCP 生态的繁荣程度和社区贡献的活跃度。

7. 应用场景

• 材料科学分析： 研究人员可利用 InternAgentS 进行材料性质计算、晶体结构分析和数据挖掘。智能体自动调用 VASP、Quantum ESPRESSO 等计算工具，根据实验数据筛选候选材料，辅助新材料的发现与筛选，大幅缩短材料研发周期。

• 计算化学研究： 在计算化学领域，InternAgentS 可完成分子模拟、反应路径计算、量子化学计算等复杂任务。例如，用户只需描述“计算咖啡因分子的 HOMO-LUMO 能隙”，智能体即可自动生成输入文件、提交 Gaussian 或 ORCA 计算任务，并返回结果报告。

• 工程建模与仿真： 工程师可以在 InternAgentS 中建立物理模型并进行数值仿真。典型应用包括 Y 型微流控混合器的流体动力学分析、风机湍流强度仿真等。智能体负责网格生成、求解器配置和后处理，用户只需审阅最终结果。

• 文献综述与报告撰写： 研究者可让智能体自动检索大量文献，提取关键方法、实验数据和结论，生成结构化的文献综述和研究报告。智能体支持引用格式自动生成和版本迭代，适合论文引言、方法综述等章节的撰写。

• 跨学科协作研究： InternAgentS 整合了生物、化学、物理、材料等多个学科的工具与数据资源，支持跨学科项目的协同工作。例如，在新药研发项目中，智能体可同时调用化学分子库筛选工具、生物活性预测模型和物理性质计算工具，实现端到端的虚拟筛选流程。

8. 常见问题FAQ

Q：InternAgentS 是否完全免费使用？
A：InternAgentS 本身是完全开源且免费的，采用 MIT 许可证，允许商业和学术用途。但使用过程中调用云端模型（如 DeepSeek、Claude）需要用户自行承担 API 调用费用；如果使用本地私有模型，则只需要承担硬件成本。

Q：如何确保科研数据的安全？
A：InternAgentS 支持完全本地部署，所有数据（包括论文、代码、实验结果）均存储在用户自己的服务器或计算机上，不经过任何第三方云端。对于远程计算任务，数据仅在用户授权后传输到指定的计算节点，且传输过程可通过 HTTPS 加密。

Q：能否同时使用多个 AI 模型？
A：可以。InternAgentS 原生支持多模型接入，用户可以在同一个项目中配置多个模型，并根据任务类型（如文献理解、代码生成、数学推理）灵活切换。智能体还可以自动调用多个模型进行结果交叉验证。

Q：如何扩展新的科研工具？
A：InternAgentS 支持 SCP 和 MCP 双协议。用户可以根据协议规范编写工具插件，将其封装为标准的工具接口。平台提供了详细的开发文档和示例代码，开发者完成插件注册后，智能体即可在任务中自动调用该工具。

Q：对硬件配置有什么要求？
A：如果仅使用云端模型，普通笔记本电脑（8GB 内存）即可运行 InternAgentS 的 Web 界面。如果需要本地运行大模型，推荐配备 NVIDIA GPU（显存 8GB 以上）或华为昇腾 NPU，建议使用 RTX 4090 或 A100 以获得流畅体验。远程计算任务则需要配置 SSH 可访问的 Linux 主机。

Q：InternAgentS 与 Claude Science 的主要区别是什么？
A：核心区别在于开源性、模型选择和部署方式。InternAgentS 完全开源、支持本地部署、可接入多模型；Claude Science 是闭源云端服务，仅限 Claude 模型。此外，InternAgentS 通过 SCP 2.0 接入 3600+ 学科工具，工具生态远超 Claude Science。

Q：是否支持中文界面和中文文献处理？
A：支持。InternAgentS 的 Web 界面提供中文版本，智能体对中文文献、中文指令的理解能力取决于底层模型。接入 DeepSeek、Qwen、Kimi 等国产模型时，中文处理效果优异；使用 Claude 等英文模型时，中文能力相对较弱。

9. 项目地址

• 项目官网：https://internagents.github.io/
• GitHub 仓库：https://github.com/qzzqzzb/OpenClaudeScience