LLM Wiki

ReAct 패턴

3 min read

요청하신 ReAct 패턴 (workflow 유형)에 대한 고품질의 한국어 위키 노트를 작성하여 llm-wiki/wiki/ReAct 패턴.md에 성공적으로 반영했습니다.

📝 생성된 노트 개요 (wiki/ReAct 패턴.md)

  • Frontmatter:
    • type: workflow
    • status: draft
    • core: false
    • tags: ['llm', 'agent', 'react-pattern', 'workflow']
    • aliases: ['ReAct', 'Reasoning and Acting', '추론 및 실행 패턴']
    • sources: 지정된 소스 파일 3종 포함
    • created: 2026-08-27 / updated: 2026-08-27
  • 한 줄 정의: LLM이 추론(Thought), 행동(Action), 관찰(Observation)을 교차 실행(Interleaving)하며 자율적으로 문제를 해결하는 핵심 에이전트 워크플로우 패턴으로 정의.
  • 핵심 요지:
    • Yao 등(2023 ICLR) 메커니즘 설명.
    • 순수 계획(Pure Planning)과 순수 실행(Pure Execution) 사이에서의 절묘한 궤도 수정 및 적응성.
    • 상용 코딩 에이전트(Claude Code)에서의 1.6% ReAct 루프 vs 98.4% 오케스트레이션 하네스 비중 분석.
    • 무한 루프 예산 소진 방지를 위한 가드레일 제어.
  • 상세 분석:
    • ReAct 3단계 메커니즘 (Thought → Action → Observation).
    • 순수 계획/순수 실행 대비 우위성.
    • 1.6% 루프와 98.4% 하네스 시스템(컨텍스트 압축, Sonnet 4.6 분류기 기반 24가지 safety 검증 권한 시스템, 메모리 계층, MCP/스킬 동적 연동).
  • 구체적 코드 예시 & 실무 시나리오:
    • 예시 1: LangChain & OpenAI(gpt-4o) 기반 서버 지연 시간 측정 및 알림 ReAct 에이전트 Python 코드.
    • 예시 2: claude-sonnet-4-6 기반 경량 little_claude.py ReAct 루프 및 parse_amount.py 버그 수정 6턴 실무 트레이스(토큰 변화, $0.0555 소모, pytest 검증 연동).
  • 충돌 분석:
    • 단순 에이전트의 턴 수 엄격 제한(5~6회) 주장과 상용 장기 에이전트의 60턴 이상 수행을 위한 오케스트레이션 하네스(컨텍스트 압축/메모리 계층) 필요성 간의 강조점 차이 명시.
  • 관련 위키 링크: [[에이전트 워크플로우 패턴]], [[Claude Code]], [[코딩 에이전트]], [[에이전트형 AI]], [[다중 에이전트 스웜 시스템]], [[AI 환각 현상]] 연동 완료.

파일 경로: scratch/llm-wiki/wiki/ReAct 패턴.md

그래프 뷰

백링크