AI 코딩 에이전트(AI coding agents)는 소프트웨어 협업의 병목 현상을 변화시키고 있습니다. 코드는 점점 더 저렴해지는 반면, 의도를 이해하고, 범위를 협상하며, 장기적인 프로젝트 책임을 관리하는 일은 여전히 비용이 많이 듭니다. 본 논문은 오픈 소스, 기업, 벤더, 계약업체 및 고객 주도 환경을 포함하여 신뢰 경계(trust boundaries)를 가로지르는 에이전트 매개 소프트웨어 협업을 위한 신뢰할 수 있는 워크플로우인 지식 기반 풀 리퀘스트 (Knowledge-Based Pull Requests, KPR)를 제안합니다. KPR에서는 외부 협업자의 로컬 코드, 테스트, 그리고 정제된 에이전트 상호작용 추적(agent interaction trace)을 기본 병합 대상(merge candidate)이 아닌 지식 소스(knowledge sources)로 취급합니다. 에이전트는 이러한 소스들을 인간이 확인한 지식 패키지(knowledge package)로 추출하며, 이를 설계 메모(design memos), 리스크 체크리스트(risk checklists), 테스트 계획(test plans) 또는 구현 요약(implementation briefs)과 같이 검토자(reviewer)가 볼 수 있는 형태로 렌더링합니다. 그런 다음 프로젝트 소유의 내부 신뢰 코딩 에이전트(inner trusted coding agent)가 저장소 컨텍스트(repository context), 엔지니어링 관례(engineering conventions), 테스트 및 보안 정책 하에서 수신 프로젝트의 환경 내에 후보 코드를 재생성합니다. 따라서 KPR은 기존의 풀 리퀘스트(pull requests)에서 흔히 하나로 합쳐져 처리되던 두 가지 결정, 즉 지식이 프로젝트에 진입해야 하는지 여부와 특정 구현이 병합되어야 하는지 여부를 분리합니다. 우리는 KPR 워크플로우, 후보 아티팩트 스키마(candidate artifact schema), 비용 회계 관점(cost-accounting view), 협업 게이트웨이 아키텍처(collaboration gateway architecture), 7개의 병합된 공개 풀 리퀘스트에 대한 최소 제어 시뮬레이션 파일럿, 그리고 평가 의제(evaluation agenda)를 기여합니다. 파일럿 결과, KPR 패키지는 실제 PR 자료로부터 인스턴스화될 수 있으며 설명 제거(description ablation), 차이 제거(diff ablation), 합성된 오염된 패치(synthetic poisoned-patch) 조건 하에서 스트레스 테스트를 거칠 수 있음을 보여줍니다. 우리는 KPR을 경험적으로 테스트 가능한 워크플로우로 정의합니다. 즉, KPR의 가치는 감사 가능한 추출(auditable extraction), 변환(transformation), 그리고 프로젝트 측의 재생성(regeneration)이 고맥락(high-context)의 외부 변경 사항을 이해하고 재작업하는 비용을 줄일 수 있는지 여부에 달려 있습니다.