ReAct

Reasoning + Acting. LLM이 thought → action → observation 사이클을 반복하여 외부 도구와 상호작용하는 에이전트 패러다임.

핵심 내용

한 턴의 모델 응답은 “생각하는” 텍스트(<think>...)와 “행동”(<tool_call>... 또는 <answer>...)으로 나뉘고, 도구 실행 결과(observation)가 다음 턴의 입력에 추가된다. 목표는 다단계 추론을 도구 호출과 맞물려 진행하는 것.

전형적 루프:

1. Thought — 현재 상태 분석
2. Action — 도구 호출 또는 최종 답 생성
3. Observation — 도구 응답을 컨텍스트에 append
4. 반복

Memory Intelligence Agent (MIA)의 Executor가 plan 지침 아래 ReAct 루프를 따라 도구(검색, 이미지 조회)를 호출한다 (출처: Memory Intelligence Agent).

관련 링크

• Memory Intelligence Agent (MIA) — Planner가 생성한 plan을 ReAct로 실행
• Agent Memory Systems — ReAct trajectory가 메모리의 기본 단위
• 원 논문: Yao et al., “ReAct: Synergizing Reasoning and Acting in Language Models” (2023)