How do I install the Paper Banana skill?

Run npx skillmds@latest add iamseungpil/paper-banana in your terminal (requires Node.js), paste this page's agent-chat prompt into Claude, Cursor, or any MCP-connected agent, or download the SKILL.md file and copy it into your agent's skills directory.

Is Paper Banana safe to use?

This skill has not completed SkillMD's automated safety review yet. SkillMD never runs a skill's scripts for you; review the SKILL.md before installing.

Which AI agents work with Paper Banana?

This skill is tagged as working with Claude Code, Claude.ai, OpenAI Codex. SKILL.md is an open format, so most agents that read a skills directory can load it too.

Is Paper Banana free to use?

Yes. Installing skills from SkillMD is free, and the skill stays under its author's original license.

Who published Paper Banana?

iamseungpil (@iamseungpil) published this skill. Their other Agent Skills are listed on their SkillMD profile.

Paper Banana by iamseungpil — Agent Skill

Name: Paper Banana
Author: iamseungpil

Paper Banana

논문 텍스트에서 publication-ready 학술 일러스트레이션(methodology diagram, statistical plot, system architecture)을 자동 생성하는 스킬. Google의 PaperBanana 멀티 에이전트 파이프라인(Retriever→Planner→Stylist→Visualizer→Critic)을 사용하여 논문 figure를 자동으로 생성, 수정, 평가한다. 이 스킬은 다음 상황에서 반드시 사용한다: - 논문 figure/diagram 생성 요청 ("논문 그림 그려줘", "methodology diagram", "figure 생성", "architecture diagram") - 통계 차트/plot 생성 ("결과 차트", "bar chart", "plot 그려줘", "statistical plot") - 학술 일러스트레이션 관련 ("시스템 구조도", "pipeline 그림", "모델 아키텍처 시각화") - PaperBanana 직접 호출 ("paperbanana", "paper banana") - 논문 figure 품질 평가 ("figure 평가", "diagram 비교", "그림 품질 확인") - 논문 작성 중 시각 자료 필요 시 ("이 방법론을 그림으로", "이 결과를 차트로") MANDATORY TRIGGERS: paperbanana, paper banana, 논문 figure, 논문 그림, methodology diagram, architecture diagram, statistical plot, 학술 일러스트레이션, figure 생성, 차트 생성, 시스템 구조도, pipeline diagram, 모델 아키텍처 시각화, figure 평가, diagram 비교

iamseungpil Updated Sep 17, 2026

File contents

PaperBanana — Academic Illustration Generator

논문 텍스트로부터 publication-ready 학술 일러스트레이션을 자동 생성한다. 5개 에이전트(Retriever, Planner, Stylist, Visualizer, Critic)가 협력하여 방법론 다이어그램, 통계 차트, 시스템 아키텍처 등을 생성하고 반복 개선한다.

사전 요구사항

paperbanana[mcp] 패키지: pip install paperbanana[mcp]
환경변수 GOOGLE_API_KEY 설정 (Google AI Studio 발급)
MCP 서버 등록 시: claude mcp add paperbanana -e GOOGLE_API_KEY=<key> -- uvx --from "paperbanana[mcp]" paperbanana-mcp

핵심 명령어

Methodology Diagram 생성

논문 방법론 텍스트를 입력하면 publication-quality 다이어그램을 생성한다.

paperbanana generate \
  --input <텍스트_파일.txt> \
  --caption "<Figure 캡션>" \
  --optimize --auto

주요 옵션:

--input / -i: 방법론 텍스트 파일(.txt) 또는 논문 PDF(.pdf)
--caption / -c: communicative intent (그림이 전달해야 할 핵심 메시지)
--optimize: 입력 전처리로 품질 향상
--auto: Critic이 만족할 때까지 자동 반복
--iterations N / -n: 수동 반복 횟수 (기본 3)
--format [png|jpeg|webp]: 출력 포맷

PDF 입력 시:

paperbanana generate \
  --input paper.pdf \
  --caption "Overview of our framework" \
  --pdf-pages "3-8" \
  --optimize --auto

Statistical Plot 생성

CSV 데이터에서 통계 차트를 Matplotlib 코드로 생성한다(수학적 정확성 보장).

paperbanana plot \
  --data <결과.csv> \
  --intent "<원하는 차트 설명>"

품질 평가

생성된 다이어그램을 참조 이미지와 비교 평가한다. Faithfulness, Readability, Conciseness, Aesthetics 4가지 기준.

paperbanana evaluate \
  --generated <생성된_이미지.png> \
  --reference <참조_이미지.png> \
  --context <원본_텍스트.txt> \
  --caption "<캡션>"

이전 결과 수정

사용자 피드백을 반영하여 이전 결과에서 이어서 수정한다.

paperbanana generate --continue --feedback "화살표를 더 굵게 해줘"
paperbanana generate --continue-run <run_ID> --iterations 3

배치 생성

논문 내 여러 figure를 한 번에 생성한다.

paperbanana batch --manifest manifest.yaml --optimize

manifest 형식:

items:
  - input: method1.txt
    caption: "Encoder-decoder overview"
    id: fig1
  - input: method2.txt
    caption: "Training pipeline"
    id: fig2

Python API

코드 레벨에서 직접 호출할 때:

import asyncio
from paperbanana import PaperBananaPipeline, GenerationInput, DiagramType
from paperbanana.core.config import Settings

settings = Settings(
    vlm_provider="google",
    vlm_model="gemini-2.5-pro",
    image_provider="google",
    image_model="gemini-2.5-flash",
    optimize_inputs=True,
    auto_refine=True,
)

pipeline = PaperBananaPipeline(settings=settings)
result = asyncio.run(pipeline.generate(
    GenerationInput(
        source_context="Our framework consists of...",
        communicative_intent="Overview of the proposed method.",
        diagram_type=DiagramType.METHODOLOGY,
    )
))
print(f"Output: {result.image_path}")

워크플로우

사용자가 논문 텍스트나 PDF를 제공하면, figure로 만들 부분을 파악한다
적절한 caption(communicative intent)을 함께 작성한다 — 이것이 그림의 핵심 메시지가 된다
paperbanana generate로 생성하고 결과 이미지를 사용자에게 보여준다
사용자 피드백이 있으면 --continue --feedback으로 수정한다
최종 결과물을 workspace 폴더에 저장한다

출력 구조

outputs/run_<timestamp>_<hash>/
├── final_output.png      # 최종 이미지
├── metadata.json         # 생성 메타데이터
├── iterations/           # 반복 과정
│   ├── iteration_0.png
│   └── iteration_1.png
└── intermediate_states/  # 중간 상태

사용 한도 참고 (Gemini API Tier 2)

그림 1장당 약 10~~20 API 호출을 소비한다. Tier 2 기준 일일 500요청이면 하루 약 25~~50장의 figure를 생성할 수 있다. Rate limit 에러 시 잠시 후 재시도하거나 Flash-Lite 모델로 전환한다.

---name: paper-bananadescription: 논문 텍스트에서 publication-ready 학술 일러스트레이션(methodology diagram, statistical plot, system architecture)을 자동 생성하는 스킬. Google의 PaperBanana 멀티 에이전트 파이프라인(Retriever→Planner→Stylist→Visualizer→Critic)을 사용하여 논문 figure를 자동으로 생성, 수정, 평가한다. 이 스킬은 다음 상황에서 반드시 사용한다: - 논문 figure/diagram 생성 요청 ("논문 그림 그려줘", "methodology diagram", "figure 생성", "architecture diagram") - 통계 차트/plot 생성 ("결과 차트", "bar chart", "plot 그려줘", "statistical plot") - 학술 일러스트레이션 관련 ("시스템 구조도", "pipeline 그림", "모델 아키텍처 시각화") - PaperBanana 직접 호출 ("paperbanana", "paper banana") - 논문 figure 품질 평가 ("figure 평가", "diagram 비교", "그림 품질 확인") - 논문 작성 중 시각 자료 필요 시 ("이 방법론을 그림으로", "이 결과를 차트로") MANDATORY TRIGGERS: paperbanana, paper banana, 논문 figure, 논문 그림, methodology diagram, architecture diagram, statistical plot, 학술 일러스트레이션, figure 생성, 차트 생성, 시스템 구조도, pipeline diagram, 모델 아키텍처 시각화, figure 평가, diagram 비교---# PaperBanana — Academic Illustration Generator논문 텍스트로부터 publication-ready 학술 일러스트레이션을 자동 생성한다.5개 에이전트(Retriever, Planner, Stylist, Visualizer, Critic)가 협력하여방법론 다이어그램, 통계 차트, 시스템 아키텍처 등을 생성하고 반복 개선한다.## 사전 요구사항- `paperbanana[mcp]` 패키지: `pip install paperbanana[mcp]`- 환경변수 `GOOGLE_API_KEY` 설정 (Google AI Studio 발급)- MCP 서버 등록 시: `claude mcp add paperbanana -e GOOGLE_API_KEY=<key> -- uvx --from "paperbanana[mcp]" paperbanana-mcp`## 핵심 명령어### Methodology Diagram 생성논문 방법론 텍스트를 입력하면 publication-quality 다이어그램을 생성한다.```bashpaperbanana generate \ --input <텍스트_파일.txt> \ --caption "<Figure 캡션>" \ --optimize --auto```주요 옵션:- `--input` / `-i`: 방법론 텍스트 파일(.txt) 또는 논문 PDF(.pdf)- `--caption` / `-c`: communicative intent (그림이 전달해야 할 핵심 메시지)- `--optimize`: 입력 전처리로 품질 향상- `--auto`: Critic이 만족할 때까지 자동 반복- `--iterations N` / `-n`: 수동 반복 횟수 (기본 3)- `--format [png|jpeg|webp]`: 출력 포맷PDF 입력 시:```bashpaperbanana generate \ --input paper.pdf \ --caption "Overview of our framework" \ --pdf-pages "3-8" \ --optimize --auto```### Statistical Plot 생성CSV 데이터에서 통계 차트를 Matplotlib 코드로 생성한다(수학적 정확성 보장).```bashpaperbanana plot \ --data <결과.csv> \ --intent "<원하는 차트 설명>"```### 품질 평가생성된 다이어그램을 참조 이미지와 비교 평가한다.Faithfulness, Readability, Conciseness, Aesthetics 4가지 기준.```bashpaperbanana evaluate \ --generated <생성된_이미지.png> \ --reference <참조_이미지.png> \ --context <원본_텍스트.txt> \ --caption "<캡션>"```### 이전 결과 수정사용자 피드백을 반영하여 이전 결과에서 이어서 수정한다.```bashpaperbanana generate --continue --feedback "화살표를 더 굵게 해줘"paperbanana generate --continue-run <run_ID> --iterations 3```### 배치 생성논문 내 여러 figure를 한 번에 생성한다.```bashpaperbanana batch --manifest manifest.yaml --optimize```manifest 형식:```yamlitems: - input: method1.txt caption: "Encoder-decoder overview" id: fig1 - input: method2.txt caption: "Training pipeline" id: fig2```## Python API코드 레벨에서 직접 호출할 때:```pythonimport asynciofrom paperbanana import PaperBananaPipeline, GenerationInput, DiagramTypefrom paperbanana.core.config import Settingssettings = Settings( vlm_provider="google", vlm_model="gemini-2.5-pro", image_provider="google", image_model="gemini-2.5-flash", optimize_inputs=True, auto_refine=True,)pipeline = PaperBananaPipeline(settings=settings)result = asyncio.run(pipeline.generate( GenerationInput( source_context="Our framework consists of...", communicative_intent="Overview of the proposed method.", diagram_type=DiagramType.METHODOLOGY, )))print(f"Output: {result.image_path}")```## 워크플로우1. 사용자가 논문 텍스트나 PDF를 제공하면, figure로 만들 부분을 파악한다2. 적절한 caption(communicative intent)을 함께 작성한다 — 이것이 그림의 핵심 메시지가 된다3. `paperbanana generate`로 생성하고 결과 이미지를 사용자에게 보여준다4. 사용자 피드백이 있으면 `--continue --feedback`으로 수정한다5. 최종 결과물을 workspace 폴더에 저장한다## 출력 구조```outputs/run_<timestamp>_<hash>/├── final_output.png # 최종 이미지├── metadata.json # 생성 메타데이터├── iterations/ # 반복 과정│ ├── iteration_0.png│ └── iteration_1.png└── intermediate_states/ # 중간 상태```## 사용 한도 참고 (Gemini API Tier 2)그림 1장당 약 10~20 API 호출을 소비한다.Tier 2 기준 일일 500요청이면 하루 약 25~50장의 figure를 생성할 수 있다.Rate limit 에러 시 잠시 후 재시도하거나 Flash-Lite 모델로 전환한다.

Frequently asked questions