ReAct パターン

この回のゴール

• ReAct (Reasoning + Acting) というエージェントの中核パターンを理解する
• LLM に 「考えること」を強制 すると精度が上がる理由を腹落ちさせる
• Claude の thinking block / Extended Thinking が現代版 ReAct であることを知る
• 自作エージェントで「思考ログ」を可視化できるようになる

1. 背景: なぜ「考えさせる」と精度が上がるか

Chain-of-Thought (CoT) の発見 (Wei et al., 2022):

通常のプロンプト:

Q: 太郎は 3 個のリンゴを持っている。そこに花子が 7 個くれた。合計は?
A: 10 個

CoT プロンプト:

Q: 太郎は 3 個のリンゴを持っている。そこに花子が 7 個くれた。合計は?
A: 太郎は最初に 3 個持っていた。花子から 7 個もらったので、3 + 7 = 10。答えは 10 個。

CoT の方が精度が高い。特に数学・論理問題で顕著。理由: - LLM は 一度生成した文脈に続いて 次を生成する - 途中の推論を書き出す ことで「次の 1 手」が決めやすくなる - 人間でも 紙に書きながら考えると間違えにくい のと同じ

2. ReAct — CoT を行動と組み合わせる (Yao et al., 2022)

CoT は「思考だけ」。ReAct は:

Thought:    「太郎が持ってる数を知る必要がある」
Action:     lookup_person(name="太郎")
Observation: "太郎: リンゴ 3 個"
Thought:    「次は花子がくれた数」    ← 観測を踏まえて次の思考
Action:     lookup_transaction(...)
Observation: "花子 → 太郎: 7 個"
Thought:    「これで計算できる」
Action:     calculator(expression="3+7")
Observation: "10"
Thought:    「答えは 10 個」
Answer:     10 個

つまり:

Thought(考える) → Action(道具を使う) → Observation(結果を見る) を繰り返し、 最後に Answer を出す。

これが ReAct(\"Reasoning + Acting\")。

3. なぜ有効?

• Action だけ: 無計画に道具を使う → 無駄・誤選択
• Thought だけ: 実データなしに推論 → ハルシネーション
• Thought + Action: 計画と観測を組み合わせ、軌道修正 できる

実験では、CoT(思考のみ) や Act-only より ReAct が 大幅に精度向上 しました。

4. Claude での実装

方法 A: プロンプトで促す

system プロンプトに:

回答する前に必ず以下の手順で進めてください:

1. <thought> タグで何を考えているか書く
2. 必要なら tool を使う
3. 結果を踏まえて <thought> で次を考える
4. 十分な情報が揃ったら <answer> で答える

これだけで Claude は ReAct 的に振る舞います。

方法 B: thinking block(Claude 4 系の機能)

Claude 4.5 以降、Extended Thinking(拡張思考) が搭載されました:

response = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=16000,
    thinking={"type": "enabled", "budget_tokens": 4000},   # 👈
    messages=[...],
    tools=[...],
)

for block in response.content:
    if block.type == "thinking":
        print("思考:", block.thinking)   # 👈 内部思考が見える
    elif block.type == "tool_use":
        print("アクション:", block.name)

• budget_tokens: 明示的に思考予算を指定
• adaptive(Opus 4.7 等): モデルが 自動で必要なだけ考える

これは モデル内蔵の ReAct とも言えます。

5. 2 つの方式の比較

6. 思考はユーザーに見せる?

• 見せない: ユーザー向けチャットボット(答えだけが欲しい)
• 見せる: 開発者向けデバッグ、透明性が必要なシステム
• 折りたたみ: 知りたい人だけ見られる UI(現実的な妥協点)

まとめ

• ReAct = Thought → Action → Observation のサイクルで推論しながら行動
• 「考えてから動く」ことで CoT 単独 / Act 単独より大幅に精度向上
• Claude では プロンプト ReAct(汎用) と Extended Thinking(4.5+) の 2 方式
• 思考の可視化は UX とデバッグの両面で重要

この回の限界(次への動機)

ReAct で「賢く動く」ようにはなった。でもループが 無限に続いたら? トークン予算は? タイムアウトは? 👉 次回「状態管理と停止条件」で、暴走を防ぐガードレールを学びます。

参考文献

• Yao et al. (2022) ReAct: Synergizing Reasoning and Acting in Language Models
• Wei et al. (2022) Chain-of-Thought Prompting
• Anthropic: Extended Thinking