用途：从论文文本或 PDF 自动生成出版级学术插图，包括方法学示意图、统计图表和系统架构图。五个智能体（Retriever、Planner、Stylist、Visualizer、Critic）协作生成并迭代改进。
主要能力：generate 生成方法学示意图，支持 --input（.txt 或 .pdf）、--caption、--optimize、--auto、--iterations、--format 等选项；PDF 输入可用 --pdf-pages 指定页码。plot 从 CSV 数据生成 Matplotlib 统计图表。evaluate 按 Faithfulness、Readability、Conciseness、Aesthetics 四项标准与参考图对比。generate --continue --feedback 可根据反馈修改，batch 配合 manifest.yaml 批量生成。另提供 Python API（PaperBananaPipeline、GenerationInput、DiagramType）。
使用方式：先安装 pip install paperbanana[mcp]，设置环境变量 GOOGLE_API_KEY（Google AI Studio 获取）。注册 MCP 服务器：claude mcp add paperbanana -e GOOGLE_API_KEY=<key> -- uvx --from "paperbanana[mcp]" paperbanana-mcp。典型流程：提供论文文本或 PDF，确定要制图的部分并撰写 caption，运行 paperbanana generate 生成，展示结果，按反馈用 --continue --feedback 修改，最终保存到 workspace。输出目录为 outputs/run_<timestamp>_<hash>/，含 final_output.png、metadata.json、iterations/ 和 intermediate_states/。
适用场景：论文写作中需要快速产出方法学图、统计图或架构图，并希望按评审标准评估和迭代。
限制：需 Google API Key；Gemini API Tier 2 下每张图约消耗 10–20 次 API 调用，Tier 2 每日 500 请求约可生成 25–50 张图；遇速率限制可稍后重试或改用 Flash-Lite 模型。其余平台、收费与效果信息暂未提供。