ReAct は、ほとんどのエージェントループの背後にあるパターンです。考え、行動し、結果を見て、また考えます。
仕組み
ReAct の論文(Yao ほか、2022)は、モデルに “generate both reasoning traces and task-specific actions in an interleaved manner.”(訳:推論の過程とタスク固有の行動の両方を交互に生成する)ようプロンプトします。論文によると、推論の過程は “help the model induce, track, and update action plans as well as handle exceptions,“(訳:モデルが行動計画を導き、追跡し、更新し、例外に対処するのを助け)、行動はモデルが外部の情報源から事実を集めることを可能にします。
元のテキストベースの形式では、プロンプト内のいくつかの例が、モデルに次のような形式を教えます。
Question: Which city hosted the event the author attended in 2019?
Thought: I need to find which event the author attended in 2019.
Action: search["author 2019 event"]
Observation: The author spoke at a conference in Lisbon in 2019.
Thought: The event was in Lisbon. That answers the question.
Action: finish["Lisbon"]
コードは各 Action を解析して実行し、Observation を追加してからもう一度モデルを呼び出します。
論文によると、HotpotQA と Fever では、ReAct はシンプルな Wikipedia API に問い合わせることでハルシネーションと誤りの連鎖を減らしました。すべてのステップが書き出されるため、推論の過程を持たないベースラインよりも軌跡を検証しやすくなりました。
現在では、同じループは通常、テキストの解析ではなく構造化されたツール呼び出しで動きます。たとえば OpenAI Agents SDK のランナーは、モデルを呼び出し、返されたツール呼び出しを実行し、結果を追加して、最終回答が届くまでもう一度モデルを呼び出します。
なぜ重要か
- 根拠に基づく回答。 考えの合間に実データに基づいて行動することで、ハルシネーションにつながる推測が減ります。
- デバッグ。 各思考と観察が見えるので、実行がどこでおかしくなったかがわかります。
- トークンコスト。 すべての Thought、Action、Observation は履歴に残り、次のターンで再送されます。10 ステップの ReAct の実行では、初期のステップが 10 回送られます。記事「エージェントのトークン予算」で内訳を説明しています。
- 推論モデル。 答える前に推論するモデルは、「Thought」の作業の一部を推論トークンとして内部で行います。
BroadNet Inference の場合
ReAct のループは、BroadNet のどのチャットモデルでも、テキスト形式と Few-shot の例を使うか、構造化されたツールを使って実行できます。BroadNet のドキュメントは、GLM 5.3 と Qwen3.8 27B のツール呼び出しを記載しています。リクエストの形は「オープンモデルでのツール呼び出し」で紹介しています。
DeepSeek V4.1 Flash、GLM 5.3、Qwen3.8 27B は答える前に推論し、その推論は max_tokens に数えられます。各ステップでその分の余裕を残すか、reasoning_effort を low に設定してください。