CHAP: Collaborative Human-Agent Protocol — 인간과 AI 에이전트의 감사 가능한 협업을 위한 오픈 프로토콜 | AI Paper Digest

TL;DR Highlight

AI 에이전트와 사람이 함께 일할 때 '누가, 무엇을, 왜 결정했는지'를 표준화된 방식으로 기록하고 감사할 수 있게 해주는 오픈 프로토콜.

Who Should Read

AI 에이전트를 프로덕션에 배포하면서 human-in-the-loop 워크플로우, 감사 로그, 또는 규제 컴플라이언스를 고민하는 백엔드/플랫폼 개발자. 특히 의료, 금융, 법률, 고객지원 도메인에서 멀티에이전트 시스템을 설계하는 개발자에게 적합.

Core Mechanics

MCP(에이전트↔툴)와 A2A(에이전트↔에이전트) 프로토콜이 이미 있지만, '인간+에이전트가 함께 작업하는 공유 워크스페이스'를 정의하는 레이어가 빠져 있음 — CHAP이 그 갭을 채움.
핵심 6개 프리미티브: Workspace(협업 공간), Participant(참여자), Coordinator(중재 서비스), Task(작업 단위), Artefact(산출물), Evidence Entry(변경 불가 감사 기록)로 구성됨.
human override(사람이 AI 초안을 수정하는 행위)를 단순 텍스트가 아닌 structured diff + 이유 + 태그로 기록 — 이걸로 나중에 '어디서 AI가 틀렸는지' 분석 가능.
shadow → trial → production 모드 프로모션 사다리를 지원해서, 새 에이전트 버전을 실제 배포 전에 안전하게 검증할 수 있음.
intent_preserved 플래그로 '사람이 AI 표현을 다듬은 것'(true)과 '완전히 다른 결정으로 교체한 것'(false)을 구분 — 고쳐야 할 문제의 종류가 달라짐.
Core + 선택적 Profile 구조로 설계되어, 소규모 팀은 Core만으로 시작하고 규제 환경에서는 Identity, Signing, SCITT 감사 프로필을 점진적으로 추가할 수 있음.

Evidence

v0.2 기준 59개 메서드 카탈로그 정의, 현재 레퍼런스 구현은 Core + Review + Modes + Routing + Control 프로필 dispatch 지원.
실제 사용 사례 12개를 상세 코드와 함께 제시 — 1인 개발자부터 GMP 규제 바이오파마 제조까지 커버.
두 번째 독립 구현체가 아직 없어 Full 컨포먼스 레벨 클레임 불가(v0.2 현재 한계로 명시), Minimal/Recommended 두 레벨만 선언 가능.
override 분석 예시: 2개월 누적 결과에서 31개 false-positive 오버라이드 중 22개가 동일 프레임워크 패턴에서 발생 — 프롬프트 수정으로 연결됨을 데모.

How to Apply

AI 코드리뷰 봇을 운영 중이라면, 개발자가 리뷰를 dismiss할 때 decide.reject 메서드로 reason_category와 rationale을 기록하도록 연동하면 분기별 '어떤 유형의 AI 플래그를 몇 번 무시했는지' 리포트를 자동 생성할 수 있음.
고객 지원 에이전트에서 shift handoff가 슬랙 메시지로 이루어지고 있다면, handoff.propose 메서드로 담당 태스크 목록 + 인수인계 노트를 workspace evidence chain에 기록하면 다음 교대자가 단일 쿼리로 현황 파악 가능.
규제 감사(FCA, GMP, DSA 등)가 필요한 환경에서는 audit-scitt/1.0 프로필을 추가해 외부 transparency log에 증거를 앵커링하면, 감사관이 내부 시스템을 신뢰하지 않아도 체인 무결성을 독립적으로 검증할 수 있음.

Code Example

snippet

// 로컬 CHAP Coordinator 부트스트랩 (Node.js)
import { Coordinator } from "@chap/coordinator";

const coord = new Coordinator({ storage: "sqlite:./chap.db" });

// 워크스페이스 생성
await coord.dispatch({
  jsonrpc: "2.0", id: "init",
  method: "workspace.create",
  params: {
    workspace_id: "wsp_my_reviews",
    profiles: ["core/1.0", "review/1.0"]
  }
});

// 사람이 AI 초안을 수정했을 때 override 기록
await coord.dispatch({
  jsonrpc: "2.0", id: "ov1",
  method: "decide.override",
  params: {
    task_id: "tsk_pr_482",
    from: "human:me@local",
    logical_id: "lgl_pr_482_review",
    intent_preserved: true,  // true: 표현 다듬음, false: 다른 결정으로 교체
    diff: [
      { "op": "replace", "path": "/comments/0/severity",
        "from": "warning", "to": "info" }
    ],
    rationale: "False positive: framework signature pattern",
    tags: ["false-positive", "framework-pattern-misread"]
  }
});

// 감사 로그 조회
const audit = await coord.dispatch({
  jsonrpc: "2.0", id: "a1",
  method: "audit.read",
  params: {
    workspace_id: "wsp_my_reviews",
    filter: { task_id: "tsk_pr_482" }
  }
});

for (const entry of audit.result.entries) {
  console.log(`[${entry.envelope.ts}] ${entry.envelope.method}`);
}

Terminology

MCPAI 에이전트가 외부 툴이나 데이터에 접근하는 방법을 표준화한 프로토콜. 에이전트가 데이터베이스나 API를 쓸 수 있게 해주는 USB 규격 같은 것.

A2A서로 다른 회사/팀이 만든 AI 에이전트들끼리 통신하는 방법을 표준화한 프로토콜. 에이전트 간의 공통 언어.

SCITT공급망·감사 증거를 외부에서 검증 가능하게 기록하는 투명성 아키텍처. 블록체인처럼 변조 감지가 가능하지만 엔터프라이즈 친화적인 방식.

human-in-the-loopAI가 혼자 결정하지 않고 중요한 단계에서 사람의 검토/승인을 받는 구조. 자율주행에서 운전자가 항상 개입 가능한 상태로 있는 것과 비슷.

append-only evidence log한번 기록되면 수정이 불가능하고 순서대로만 추가되는 감사 기록. 회계장부처럼 과거 항목을 지울 수 없음.

structured overrideAI 초안을 사람이 수정할 때, 어디를 어떻게 바꿨는지(diff)와 이유를 구조화된 형식으로 저장하는 것. 단순히 최종본만 저장하는 게 아니라 변경 이력 전체를 보존.

shadow modeAI 에이전트가 실제로 출력을 내보내지 않고 조용히 실행되면서 결과만 기록하는 테스트 모드. 실제 사용자에게는 영향 없이 성능을 검증할 수 있음.

non-repudiable나중에 '나 그런 결정 안 했다'고 부인할 수 없도록 서명·기록된 상태. 법적 계약서에 사인하는 것처럼 취소 불가능한 증거.

Related Resources

CHAP GitHub Repository (스펙, 레퍼런스 구현, 예제)

Original Abstract (Expand)

Foundation models are moving from response generation into operational roles. They plan across steps, call tools, request human input, coordinate with other agents, and increasingly carry responsibility for work that affects customers, claims, code, contracts, and clinical decisions. Production deployments are no longer one human supervising one model. They are multi-human, multi-agent collaborations that cross teams, time zones, and trust boundaries. The technical surface for this collaboration remains weakly specified. When an agent drafts a response and a human edits it before it ships, the moment of human judgement is the most valuable signal in the system. In current practice it is recorded, if at all, in application code, chat threads, ticket comments, and tribal memory. Two protocol standards address adjacent concerns: MCP standardises agent access to tools and data, and A2A standardises agent-to-agent interoperability. Neither defines the shared workspace in which humans and agents perform accountable work together. This paper presents CHAP, the Collaborative Human-Agent Protocol. Under CHAP, the override that used to vanish into a chat thread becomes a structured event carrying a diff, a rationale, and a content hash. The handoff between shifts becomes a portable envelope rather than a pinned message. The human approval of an agent's draft becomes a non-repudiable signed decision that can be replayed years later. The protocol achieves this through a small Core (workspaces, participants, tasks, artefacts, and an append-only evidence log) together with composable profiles that add review, modes, routing, deliberation, handoff, identity, signatures, and transparency-backed audit as deployments require them. Specification, reference implementation, conformance suite, and worked examples are available at: https://github.com/BrightbeamAI/chap

CHAP: Collaborative Human-Agent Protocol — 인간과 AI 에이전트의 감사 가능한 협업을 위한 오픈 프로토콜