paper banana

PaperBananaは、研究で最も厄介なボトルネックの一つ、図の作成を自動化するためにGoogle Cloud AI Researchと北京大学が開発したマルチエージェントシステムだ。論文を書くだけでも十分に難しい。読者に文句を言われないようなきれいなアーキテクチャ図やグラフを描くのに、さらに一日が消えることもある。描く作業を機械に返してくれる研究図表ツールである。

このフレームワークは作業を5つの協調エージェントに分割する。Retrieverは参照ライブラリから類似例を取り出し、Plannerは手法のテキストを読んで詳細な作図仕様を書き、Stylistは学術的な美的ルールを適用し、Visualizerは画像やコードを描画し、Criticは結果を元のテキストと照合してもう一度パスに戻す。このループが要だ。単一の画像モデルはそれらしいものを描く。PaperBananaは、そのそれらしいものが本当に正しいかを確かめる。

最大の制約は先に述べておく価値がある。ノードの多い高密度な図では、拡散ベースの描画がテキストを歪めたり接続線を誤った位置に置いたりすることがあり、ピクセル単位の精度が要るデータグラフも、画像としてだけ生成すると誤りが入りやすい。理想的ではない。チームの答えはグラフ向けのコード駆動パスであり、図が実際の数値を伴うならここが重要になる。プロジェクトは研究論文として始まり、その後コミュニティ実装がClaude CodeやCursor向けのCLI、Python API、MCPサーバーへのアクセスを加えてきた。

はじめ方

1. プロジェクトページを開いてリポジトリをクローンし、pip install -r requirements.txt で依存関係をインストールする。
2. 選んだプロバイダーのAPIキーをモデル設定ファイルに追加する。コミュニティ版はOpenAI、Azure OpenAIまたはFoundry、Google Gemini、Atlas Cloudに対応する。
3. 2つの入力を用意する。元の文脈（論文の手法セクション）と伝達意図（欲しい図のキャプション）だ。
4. 任意で、公開された（手法テキスト、キャプション、図）の三つ組からなる参照セットを読み込む。同梱のPaperBananaBenchにはNeurIPS 2025の292件の参照ケースが入っている。
5. 生成を実行し、最良の結果を選ぶ。著者は生成して選ぶワークフローを勧める。候補を3〜5件作り、論文のスタイルに合うものを選ぶ。