ReAct

ReAct는 2022년 프린스턴·Google Brain 공동 논문(Yao et al., arXiv 2210.03629)에서 제안된 패턴으로, LLM이 한 번에 답하지 않고 '생각 → 행동 → 관찰'을 반복하며 답을 만들어 갑니다. 행동 단계에서 검색·계산·API 호출 같은 도구를 쓰고, 그 결과를 관찰해 다음 생각으로 이어가는 구조입니다.

이 패턴이 중요한 이유는 오늘날 거의 모든 에이전트 프레임워크의 기본 골격이라는 점입니다. LangChain·OpenAI Assistants·Claude의 도구 사용 패턴 모두 ReAct의 변형이거나 확장에 해당합니다.

한계도 분명합니다. 단계가 많아질수록 환각이나 잘못된 도구 호출이 누적되기 쉽고, 토큰 비용도 빠르게 늘어납니다. 그래서 실무에서는 ReAct를 그대로 쓰기보다 Planner·Critic 같은 보조 컴포넌트를 덧붙이는 경우가 많습니다.