---
title: "ReAct とは？推論と行動を交互に行うエージェントの手法 | BroadRouter"
description: "ReAct は、LLM が推論のステップとツールによる行動を交互に行い、次のステップの前に各結果を読むエージェントのパターンです。現在このループがどう動くかを解説します。"
url: https://broadrouter.com/ja/glossary/react-agent/
lang: ja
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。 [英語の原文を読む](https://broadrouter.com/glossary/react-agent/) (2026-11-15 更新).

# ReAct（Reasoning and Acting）

更新日 2026-11-15

ReAct（Reasoning and Acting）とは、Yao らが 2022 年に提案したプロンプトのパターンで、言語モデルが推論の過程と、検索やツール呼び出しなどの行動を交互に行います。各観察結果を読んで計画を更新し、最終回答を出せるまで繰り返します。

別名： ReAct、ReAct エージェント、ReAct プロンプティング、ReAct パターン、ReAct フレームワーク、推論と行動、ReAct agent、ReAct prompting、ReAct pattern、ReAct framework

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。

```text
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](https://broadrouter.com/ja/glossary/tool-calling/)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](https://broadrouter.com/ja/glossary/hallucination/)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](https://broadrouter.com/ja/blog/agent-token-budget/)」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](https://broadrouter.com/ja/glossary/reasoning-tokens/)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](https://broadrouter.com/ja/models/glm-5.3/) と [Qwen3.8 27B](https://broadrouter.com/ja/models/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](https://broadrouter.com/ja/blog/tool-calling-open-models/)」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。

## よくある質問

### ReAct は Chain-of-Thought と同じですか？

いいえ。Chain-of-Thought は推論だけです。ReAct は間に行動を挟むので、モデルは情報を調べ、すでに知っていることだけに頼らず、見つけた内容をもとに自分を修正できます。

### 今でもプロンプトに Thought や Action の行を書く必要がありますか？

通常は必要ありません。現在の API は構造化されたツール呼び出しを返し、推論モデルは答える前に考えます。推論し、行動し、観察するという ReAct の考え方は、ほとんどのフレームワークのエージェントループに受け継がれています。

### ReAct の論文は何を示しましたか？

著者らは、ALFWorld と WebShop で、ReAct がわずか 1〜2 個のコンテキスト内の例だけでプロンプトしても、模倣学習と強化学習の手法を成功率の絶対値でそれぞれ 34% と 10% 上回ったと報告しています。

## 関連項目

-   [AI エージェント（AI agent）](https://broadrouter.com/ja/glossary/agent/) (用語)
-   [Chain-of-Thought（CoT、思考の連鎖）](https://broadrouter.com/ja/glossary/chain-of-thought/) (用語)
-   [ツール呼び出し（Function Calling、tool calling）](https://broadrouter.com/ja/glossary/tool-calling/) (用語)
-   [推論トークン（reasoning tokens）](https://broadrouter.com/ja/glossary/reasoning-tokens/) (用語)
-   [Few-shot プロンプティング（few-shot prompting）](https://broadrouter.com/ja/glossary/few-shot-prompting/) (用語)
-   [ハルシネーション（hallucination）](https://broadrouter.com/ja/glossary/hallucination/) (用語)
-   [OpenAI Agents SDK を BroadNet Inference で動かす](https://broadrouter.com/ja/guides/openai-agents-sdk-custom-provider/) (ガイド)
-   [オープンモデルのツール呼び出し：スキーマ、並列呼び出し、リトライ](https://broadrouter.com/ja/blog/tool-calling-open-models/) (記事)
-   [エージェントのトークン予算：エージェントループのトークンはどこに消えるか](https://broadrouter.com/ja/blog/agent-token-budget/) (記事)

実際のワークロードで試してください。 新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

[始める](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-glossary-react-agent&utm_content=page-cta) ·

**出典**

-   [Yao ほか、ReAct: Synergizing Reasoning and Acting in Language Models、arXiv 2210.03629（ICLR 最終版）（2026-11-15 確認）](https://arxiv.org/abs/2210.03629)
-   [OpenAI Agents SDK ドキュメント、エージェントの実行（エージェントループ）（2026-11-15 確認）](https://openai.github.io/openai-agents-python/running_agents/)
-   [Anthropic Engineering、Effective context engineering for AI agents（2026-11-15 確認）](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)
