ReAct: 추론 + 행동 패턴

ReAct는 Reason + Act의 약자입니다. 여러 단계로 구성된 LLM 에이전트를 위한 대표적인 패턴으로, 2022년에 Yao 등이 발표했으며 현재도 대부분의 최신 에이전트의 기반으로 사용됩니다.

각 단계에서 에이전트는 세 가지를 출력합니다:

1. 생각 — 자연어로 표현한 다음 작업
2. 행동 — 호출할 도구와 전달할 인수
3. 관찰 — 도구의 결과를 다시 입력

에이전트가 최종 답변을 출력할 때까지 반복합니다.

"생각" 단계에서는 모델이 행동을 결정하기 전에 자신의 추론을 정리할 수 있습니다. 이는 에이전트에 사고 사슬을 적용한 것입니다.

생각 단계가 없으면 모델은 잘못된 도구나 인수를 선택하는 경우가 많습니다.

기존 ReAct는 일반 텍스트에서 행동 줄을 분석했습니다. 최신 구현은 함수 호출 API를 사용합니다:

• 도구를 JSON 스키마로 정의
• 모델이 텍스트 행동 줄 대신 도구 호출을 반환
• 결과가 append될 때 모델이 오류를 감지

• 계획 후 실행 — 먼저 전체 계획을 세운 다음 실행
• 성찰 — 에이전트가 각 단계 후 스스로 비평
• 사고의 트리 — 여러 생각의 분기를 탐색

• 탐색 단계가 포함된 작업(조사, 디버깅)
• 다음 행동이 이전 결과에 따라 달라지는 작업
• 계획을 미리 알 수 없는 작업

• 고정된 처리 흐름(번역, 분류) — 지나치게 복잡한 방식입니다
• 매우 긴 시간 범위의 작업 — 계획 후 실행이 더 적합합니다
• 실시간 제어 반복 — 너무 느립니다

• 에이전트가 같은 도구를 반복해서 호출하는 반복
• 정보가 충분하지 않은데도 성급하게 최종 답변을 내놓음
• 도구가 실패했을 때 혼란스러워함
• 장황한 생각 단계로 인해 토큰 예산이 급증함

최종 답변 후 에이전트에 "이 답변이 정확했습니까? 더 나아질 수 있었습니까?"라고 물어보십시오. 더 높은 품질을 위해 많은 구현에서 이 성찰 단계를 추가합니다.

• LangChain ReAct 에이전트 생성 함수
• LlamaIndex ReActAgent
• AutoGen UserProxyAgent + AssistantAgent
• 직접 구현 — 생각보다 쉽습니다

ReAct는 단일 호출 방식보다 LLM 호출을 2~3배 더 발생시킵니다. 각 생각 단계가 LLM 호출이고, 관찰 결과도 토큰을 추가합니다. 최대 단계 수와 단계별 토큰 상한을 설정하십시오.

ReAct 단계의 세 가지 구성 요소는 무엇입니까?

ReAct는 여러 단계 에이전트의 기반입니다. 이 반복 과정을 익히면 도구를 사용하는 어떤 에이전트든 구축할 수 있습니다.