[論文レビュー] Human Tool: An MCP-Style Framework for Human-Agent Collaboration

Yuanrong Tang, Peng, Huiling+6 more|arXiv (Cornell University)|Feb 13, 2026

Human-Automation Interaction and Safety被引用数 0

ひとこと要約

本論文は人間をAI主導のワークフロー内で呼び出し可能なツールとして扱うMCP風の抽象化を提案し、AI優位タスクにおける性能向上と作業負荷の削減を実現する。コントロール済みの研究で、AIのみのベースラインよりも良い成果とより均衡の協働を示す。

ABSTRACT

Human-AI collaboration faces growing challenges as AI systems increasingly outperform humans on complex tasks, while humans remain responsible for orchestration, validation, and decision oversight. To address this imbalance, we introduce Human Tool, an MCP-style interface abstraction, building on recent Model Context Protocol designs, that exposes humans as callable tools within AI-led, proactive workflows. Here, "tool" denotes a coordination abstraction, not a reduction of human authority or responsibility. Building on LLM-based agent architectures, we operationalize Human Tool by modeling human contributions through structured tool schemas of capabilities, information, and authority. These schemas enable agents to dynamically invoke human input based on relative strengths and reintegrate it through efficient, natural interaction protocols. We validate the framework through controlled studies in both decision-making and creative tasks, demonstrating improved task performance, reduced human workload, and more balanced collaboration dynamics compared to baseline systems. Finally, we discuss implications for human-centered AI design, highlighting how MCP-style human tools enable strong AI leadership while amplifying uniquely human strengths.

研究の動機と目的

• AI優位タスクにおける指揮統制を人間からAIへ移行する必要性を動機づけ、協調ボトルネックを低減する。
• AIが人間の入力を呼び出す能力、情報、権限を備えた構造的なHuman Tool抽象を定義する。
• Human Toolをツールスキーマと呼び出しプロトコルを備えたMCP風インターフェースとして実装する。
• コントロール実験を通じて、Human Toolがタスク性能を向上させ、知覚的な作業負荷を低減することを示す。

提案手法

• Capabilities, Information, Authorityの3軸で表現される人間寄稿者を表す、構造化された呼び出し可能抽象としてのHuman Toolを定義する。
• 階層的タスク分析と3つの呼び出し条件（能力補完性、情報交換、権限管理）を通じてHuman Toolの呼び出しタイミングを決定する。
• 対話行動と軽量なガイドラインを用いて人間とのコミュニケーションパターンを確立し、協調オーバーヘッドを最小化する。
• Pythonバックエンド（LangGraph）、GPT-4o推論、MySQLストレージ、React TypeScriptフロントエンドを備えたMCP風インターフェースとしてフレームワークを実装し、構造化された指揮統制を提供する。
• 標準化された使いやすさと作業負荷指標および客観的タスク成果を用いて、Travel PlanningとStory Writingの2つのタスク領域でHuman ToolとAIツールベースラインを比較するコントロール実験を実施する。

Figure 1 : Contrasting paradigms of human-AI collaboration: Human Tool versus AI Tool. In the Human Tool paradigm, humans are exposed to the agent as MCP-style callable interfaces rather than workflow leaders.

実験結果

リサーチクエスチョン

• RQ1 RQ1: Human ToolはAIツールベースラインと比べてタスク性能を向上させ、作業負荷を低減するか。
• RQ2 RQ2: フレームワークは異なるタスクタイプ（計画タスク vs 創造タスク）に適応可能か。
• RQ3 RQ3: Human Toolは人間とAIの相互作用における関与と協働ダイナミクスを高めるか。

主な発見

• Human Toolは両方のタスクでAIツールベースラインを上回り、タスク精度が高い（Travel Planning: 86.72% vs 72.66%; Story Writing: 68.38 vs 58.56）および勝率が高い（Story Writing: 0.611 vs 0.371）。
• Human Toolの下では認知負荷が低く、協働満足度が高いと回答者が報告し、Story Writingで精神的努力の低下が有意に見られたCSI平均75.48対52.83。
• 両タスクでUsability（SUS）がHuman Toolの方が高かった（Travel Planning: 70.89 vs 58.22; Story Writing: 79.79 vs 60.21）。
• 意思決定上 criticalなポイントで人間入力が要求される入力ログが示され、入力の関連性とタイミング（嗜好、責任境界、知識識別）が改善された。
• 質的インタビューでは、参加者がシステムをパートナーと見なし、共同の探求を深め、アイデアの共同開発を円滑化することを示した。

Figure 2 : An integrated framework for representing Human Tool within AI-managed workflows. It organizes three dimensions: How to define Human Tool, when to call them, and how to communicate effectively.