ColPackAgent：智能体技能引导的胶体堆积硬粒子蒙特卡洛工作流

我们提出ColPackAgent，一个通过模型上下文协议（MCP）工具服务器与智能体技能自主运行胶体堆积蒙特卡洛模拟的智能体框架，既可以作为独立智能体，也可以嵌入现有智能体系统。借助该MCP服务器与智能体技能，ColPackAgent执行面向胶体堆积模拟的结构化工作流，这类模拟是相行为、自组装与材料设计研究的核心。在没有专用模拟工具与工作流说明的情况下，通用大语言模型（LLM）智能体往往只是描述这类工作流，而无法可靠地执行它们。该MCP服务器暴露了一个定制的colpack Python包，它封装了HOOMD-blue硬粒子蒙特卡洛；技能则编码了一个四阶段工作流契约。ColPackAgent可以在人类反馈下以交互方式执行工作流，也可以根据端到端提示自主执行，或按照提供的程序文件以autoresearch方式运行。我们以不同模式演示了该系统，展示了多个胶体堆积模拟示例，例如三维立方粒子、二维圆盘与胶囊的二元体系，以及使用autoresearch研究的二维硬圆盘冻结转变。我们还使用17个阶段特定的提示，比较了多个LLM在该工作流上的表现。该基准提供了阶段级别的检查，衡量不同模型遵循设置、规划与分析工作流的可靠程度。总体而言，这些结果表明，将领域Python包与MCP工具及可移植的智能体技能相配对，为把模拟工具箱转变为智能体辅助研究工作流提供了一条实用路径。