ReAct 4장 카드뉴스

AI 활용 분야에서 쓰이는 용어로, ReAct(Reasoning + Acting, 추론과 행동 결합)의 약자로, LLM이 답하기 전에 생각을 적고 외부 도구를 호출하고 결과를 다시 생각하는 과정을 반복해 답에 도달하도록 만든 에이전트 패턴입니다.

LLM이 한 번에 답을 내지 않고, "이걸 풀려면 뭐가 필요하지" 하고 생각을 적은 다음 검색·계산 같은 도구를 직접 부르고, 그 결과를 다시 읽고 또 생각하는 식으로 답을 찾아가도록 만든 패턴이에요. 조별 과제 발표 자료를 만들 때 처음부터 머릿속으로만 쓰지 않고, 도서관에서 책을 한 권 찾아 읽고 다시 정리하고, 부족하면 또 검색해 보는 식으로 진행하는 흐름과 닮았어요. 요즘 Claude Code나 Cursor 같은 AI 코딩 도구가 자율적으로 일하는 방식이 대부분 이 ReAct 루프 위에 올라가 있어서, AI 에이전트라는 말을 들으면 가장 먼저 떠올려야 할 기본 구조입니다.

**케이스 1: Princeton·Google Brain — HotpotQA 다중 단서 검색 에이전트** 2022년 ReAct 논문은 "콜로라도 조산운동 동부 구간의 고도 범위는?" 같은 다중 단서 질문에 ReAct를 시연했습니다 [1]. PaLM-540B 기준 모델이 Thought→Search[Colorado orogeny]→Observation→Thought→Search[High Plai