ReAct 패턴

ReAct는 Reasoning(생각)과 Acting(행동)을 합친 이름으로, AI 에이전트가 생각 → 행동(도구 호출) → 관찰을 답이 나올 때까지 되풀이하며 문제를 푸는 설계 패턴이다. 검색, 파일 확인, 코드 실행처럼 결과를 보고 다음 판단을 바꿔야 하는 작업에 쓰며, 지금 나와 있는 AI 에이전트 대부분이 이 구조로 돈다.

한 바퀴는 이렇게 돈다

"이 프로젝트의 테스트 커버리지를 확인해줘"라고 시켰다고 해 보자. 에이전트는 아래 루프를 몇 번 돈 뒤, 더 할 행동이 없으면 최종 답을 낸다.

만드는 방법은 루프 하나

초기에는 프롬프트에 Thought/Action/Observation 형식의 예시를 보여 주고, 모델 출력에서 Action 줄을 잘라 내 도구를 실행했다. 그 결과를 Observation으로 붙여 다시 모델에 보내는 방식이었다. 요즘은 모델 API의 도구 호출(function calling) 기능이 Action을 구조화된 형태로 돌려주므로 텍스트를 직접 파싱할 일이 줄었다.

순서는 단순하다. 도구와 설명을 정의하고 모델을 부른다. 도구 호출이 오면 실행한 뒤 결과를 대화에 붙여 다시 부른다. 도구 호출 없이 답만 오면 끝낸다. LangChain 같은 프레임워크도 ReAct 에이전트를 기본으로 제공하지만, 짧은 코드로 직접 짜도 충분하다.

언제 쓰고 언제 피하나

멈춤 장치와 로그는 꼭 둔다

같은 도구를 계속 부르며 루프에 갇힐 수 있으니 최대 반복 횟수를 정해 둔다. 관찰 결과가 너무 길면 대화가 금방 불어나 비용이 커지므로 필요한 부분만 잘라 넘긴다. 도구가 실패하면 그 오류도 관찰로 돌려줘야 모델이 다른 방법을 시도할 수 있다.

생각 단계가 기록에 남는다는 점도 장점이다. 에이전트가 이상하게 움직이면 Thought 로그를 따라가며 어디서 판단이 틀렸는지 찾을 수 있다.

결과를 보고 다시 움직이는 곳이면 다 쓴다

사람들이 ReAct를 따로 의식하지 않아도 도구를 쓰는 에이전트의 기본 뼈대로 이미 쓰고 있다. 한 번에 답이 안 나오고, 중간 결과를 보고 다음 행동을 정해야 하는 일이 대표적이다.