AI 에이전트2022
ReAct — 추론과 행동의 결합
LLM이 생각과 도구 사용을 번갈아 수행하는 에이전트 루프가 제안됨
ReAct는 Chain-of-Thought식 추론과 외부 행동(action)을 하나의 루프로 결합한 프롬프팅/에이전트 패턴입니다. 모델은 Thought로 계획을 세우고, Action으로 도구를 호출하고, Observation으로 결과를 받아 다음 판단을 이어갑니다. 현대 에이전트 설계의 가장 영향력 있는 출발점 중 하나입니다.
핵심 개념
Thought-Action-Observation
추론 → 도구 사용 → 결과 반영의 반복 루프
Tool-Augmented Reasoning
모델 내부 추론만이 아니라 외부 도구와 상호작용하며 문제를 푸는 방식
Trajectory
에이전트가 남기는 중간 추론·행동 기록 전체
주요 인물
S
Shunyu Yao
ReAct 논문 1저자 (Princeton)
K
Karthik Narasimhan
ReAct 공동 저자, 에이전트 연구 리더
영향 & 의의
에이전트를 '대답하는 모델'이 아니라 '도구를 사용해 작업을 푸는 시스템'으로 재정의한 사건. 이후 LangChain 에이전트, AutoGPT류 실험, 코딩 에이전트 설계 전반에 직접적인 영향을 주었습니다.
용어집
ReActReasoning + Acting
추론과 행동을 번갈아 수행하는 에이전트 패턴
ObservationObservation
도구 실행 결과. 다음 추론 단계의 입력이 됨
Agent LoopAgent Loop
질문 해결 전까지 계획·도구 호출·검증을 반복하는 실행 구조
HallucinationHallucination
근거 없이 그럴듯한 내용을 만들어내는 현상. ReAct는 외부 확인으로 이를 줄임