ReAct Prompting

ReAct（推論と行動）プロンプトは、高度なプロンプトエンジニアリング手法です。大規模言語モデル（LLM）が、段階的な推論過程とタスク固有のアクションを動的に交互に実行できるようにします。影響力の大きい2022年の学術論文「ReAct: Synergizing Reasoning and Acting in Language Models」で紹介されたこの手法は、静的な言語モデルを対話型のAIエージェントへと変えます。問題についての思考を明示的に生成し、外部情報を取得するアクションを実行することで、ReActフレームワークは複雑な人工知能ワークフローにおける事実の正確性と意思決定能力を大幅に向上させます。

推論と行動の仕組み#

従来のやり取りでは、モデルは内部知識だけをもとに応答を生成するため、LLMのハルシネーションにつながることがよくあります。ReActアーキテクチャは、「思考」「行動」「観察」を継続的に繰り返し、AIを外部環境に根拠づけることでこの問題を解決します。

クエリを受け取ると、モデルはまず戦略を示す「思考」を生成します。次に、検索エンジンへの問い合わせ、データベースとの連携、または関数呼び出しという手法によるビジョンAPIの呼び出しなどの「行動」を実行します。環境は事実に基づくデータを提供する「観察」を返します。モデルはこの新しい情報を評価して推論を更新し、最終的な答えにたどり着くまでこのサイクルを繰り返します。ReActに関するプロンプトエンジニアリングガイドでさらに詳しく説明されているこの手法は、人間の問題解決を模倣し、透明性と制御性の高いエージェントの振る舞いを実現します。

実際のアプリケーション#

ReActプロンプトは、反復的な問題解決や複数ステップにわたるツール利用が必要なシナリオで特に優れており、最新のエージェント型AIシステムの基盤となっています。

• 自動化されたカスタマーサポートエージェント: エンタープライズ環境では、ITヘルプデスクのエージェントがReActを使ってユーザーの問題を解決します。ユーザーからネットワーク障害の報告を受けると、エージェントはサーバーの状態を確認する必要があると推論します。診断APIにpingを送ることで行動し、結果を観察したうえで、取得した事実に基づいてチケットをエスカレーションするか、トラブルシューティングガイドを提示します。これにより、従来の検索拡張生成（RAG）パイプラインを効率化できます。
• 動的な視覚分析: コンピュータービジョンシステムは、複雑な視覚的質問応答にReActを活用します。在庫管理を任されたロボットエージェントは、棚を観察し、特定の商品を数える必要があると推論し、物体検出モデルを呼び出して行動し、返されたバウンディングボックスのデータを使って最終的な個数を確定できます。この連携により、テキストベースの推論と空間理解の隔たりを埋めます。

コンピュータービジョンを用いたReActの実装#

Pythonを使用する開発者にとって、ReActエージェントは多くの場合、認識モデルを統括して物理世界とやり取りします。以下の概念コードでは、ReActの推論ループがUltralytics YOLO26モデルを外部ツールとしてシームレスにデプロイし、環境を観察して状況を報告する方法を示します。

from ultralytics import YOLO


def vision_tool(image_path: str) -> str:
    """Action tool for a ReAct agent to detect objects in an image."""
    model = YOLO("yolo26n.pt")  # Load highly efficient YOLO26 nano model
    results = model(image_path)

    # Format the observation for the LLM's reasoning loop
    detected_classes = [model.names[int(c)] for c in results[0].boxes.cls]
    return f"Observation: Found {len(detected_classes)} objects: {', '.join(detected_classes)}"


# Simulated ReAct agent executing an action
agent_observation = vision_tool("https://ultralytics.com/images/bus.jpg")
print(agent_observation)

こうしたビジョンツールのデータセット管理と実験追跡は、最新のAIデプロイ向けに包括的なソリューションを提供するUltralytics Platformを使用して効率化できます。エージェントをゼロから構築したい場合は、ReAct公式リポジトリで基礎となるロジックを学ぶこともできます。

関連概念との違い#

最近の学術的なアライメント研究で検討されているような堅牢なマルチモーダルアーキテクチャを設計するには、ReActと関連するエンジニアリング手法を区別することが重要です。

• 思考の連鎖プロンプトとの比較: 思考の連鎖（CoT）は、モデルに段階的な思考を促しますが、静的な内部知識だけに依存します。ReActは、推論中に新鮮な外部情報を収集する動的な「行動」を加えることで、CoTを拡張します。
• プロンプトチェーンとの比較: プロンプトチェーンでは、複数のLLM呼び出しを順番に実行するシーケンスをハードコードし、あるステップの出力を次のステップに自動的に渡します。ReActはより自律的な手法であり、厳密に連鎖したスクリプトに従うのではなく、継続的な観察に基づいて、どのツールや連続したアクションを取るかを単一のエージェントが動的に決定します。

論理的な推論と、マルチモーダルモデルなどの専門的な外部ツールの実行を統合することで、ReActプロンプトは高性能で汎用的なAIシステムの開発を可能にします。