Home Google Research解説: ReAct — 推論と行動のシナジーによるLLMエージェントの基盤パラダイム
投稿
キャンセル

✍️ Google Research解説: ReAct — 推論と行動のシナジーによるLLMエージェントの基盤パラダイム

投稿日 24/02/2026
投稿者 0h-n0
18 分読了時間

本記事は ReAct: Synergizing Reasoning and Acting in Language Models（Google Research Blog）の解説記事です。

ブログ概要（Summary）

Google Researchが公開したこのブログ記事は、ReAct（Reasoning + Acting）パラダイムの設計思想と実証結果を解説している。ReActはLLMが「推論トレース（Thought）」と「行動（Action）」を交互に生成することで、Chain-of-Thought（CoT）の段階的推論能力と外部ツールとのインタラクションを統合する。著者らのYao et al.（2022）は、PaLM-540Bを使用したFew-shot実験で、HotpotQAにおいてCoT単体比+6.8%のExact Match改善、AlfWorldで+34%のタスク成功率改善を報告している。このブログ記事は原論文（arXiv:2210.03629）の非技術者向け解説であるとともに、Google Research内部での位置づけと将来展望を示している。

この記事は Zenn記事: ReAct+CoT推論の5大実装パターン：Reflexion・LATS・ReWOOをLangGraphで構築する の深掘りです。

情報源

技術的背景（Technical Background）

なぜReActが必要だったのか

2022年時点で、LLMの推論能力を引き出す手法は大きく2つに分かれていた。

推論のみ（Reasoning-only）:

  • Chain-of-Thought（CoT）: 段階的な推論を生成して複雑な問題を解く
  • 制約: 外部世界との接点がなく、知識の幻覚（Hallucination）を防げない

行動のみ（Acting-only）:

  • WebGPTなどのツール使用エージェント: 外部API・検索エンジンとインタラクション
  • 制約: 行動の選択理由が不透明で、高レベルの計画立案ができない

Google Researchのブログでは、ReActをこれら2つのアプローチの「シナジー」として位置づけている。ブログ原文では「actions allow the model to interface with external sources (like a knowledge base) to get additional information, and reasoning traces allow the model to keep track of what it needs and has already found」と説明されている。

CoTとReActの関係

ブログでは「CoTはエンジン、ReActはステアリング」というアナロジーが使われている。

flowchart TD
    subgraph CoT_only[CoT単体]
        A1[Thought 1] --> A2[Thought 2]
        A2 --> A3[Thought 3]
        A3 --> A4[Answer]
    end

    subgraph ReAct[ReAct]
        B1[Thought 1: 推論] --> B2[Action 1: 検索]
        B2 --> B3[Observation 1: 結果]
        B3 --> B4[Thought 2: 分析]
        B4 --> B5[Action 2: 確認]
        B5 --> B6[Observation 2: 確認結果]
        B6 --> B7[Thought 3: 結論]
        B7 --> B8[Answer]
    end

CoTは推論のみで完結するため高速だが、外部知識に基づく事実検証ができない。ReActはThoughtで推論方針を立て、Actionで外部世界から情報を取得し、Observationで結果を確認するサイクルを繰り返す。

実装アーキテクチャ（Architecture）

ReActのプロンプト構造

Google Researchブログでは、ReActのプロンプトを以下の3要素で構成している。

  1. タスク指示: 解くべきタスクの説明
  2. Few-shot例: Thought/Action/Observationの具体的な例（3〜6件）
  3. 行動空間の定義: 利用可能なアクション（Search, Lookup, Finish等）

Few-shotプロンプトの例

ブログで紹介されているHotpotQAのFew-shot例（簡略化）を以下に示す。

1
2
3
4
5
6
7
8
9
10
11
12

Question: Were Pavel Urysohn and Leonid Levin known for the same type of work?

Thought 1: I need to search for Pavel Urysohn and Leonid Levin to find what they are known for.
Action 1: Search[Pavel Urysohn]
Observation 1: Pavel Samuilovich Urysohn was a Soviet mathematician...

Thought 2: Pavel Urysohn was a mathematician. Now I need to search for Leonid Levin.
Action 2: Search[Leonid Levin]
Observation 2: Leonid Anatolievich Levin is a Soviet-American mathematician...

Thought 3: Both were mathematicians, so they are known for the same type of work.
Action 3: Finish[yes]

行動空間の設計

Google Researchの実験では、タスクに応じて異なる行動空間を定義している。

タスク行動空間目的
HotpotQASearch[query], Lookup[text], Finish[answer]知識検索QA
FeverSearch[query], Lookup[text], Finish[SUPPORTS/REFUTES]事実検証
AlfWorldgo to[loc], take[obj], put[obj] in/on[rec]テキストゲーム
WebShopsearch[query], click[element]Web操作

推論トレースの役割

ブログでは推論トレース（Thought）の役割を以下の4つに整理している。

  1. タスク分解: 複雑なタスクをサブゴールに分割する（「まずXを調べ、次にYを確認する」）
  2. 情報抽出: Observationから必要な情報を選択・要約する
  3. 常識推論: 外部ツールでは得られない推論を行う（「AはBと同じ分野なので…」）
  4. 例外処理: 予期しないObservationに対して方針を修正する

パフォーマンス最適化（Performance）

実測値

ブログおよび原論文（Yao et al., 2022）Table 1-3より、主要ベンチマークの結果を以下に示す。

知識集約型タスク:

手法HotpotQA (EM)Fever (Acc)
Standard Prompting25.7%57.1%
CoT29.4%56.3%
Act-only25.8%58.9%
ReAct27.4%60.9%
ReAct + CoT-SC (best of both)35.1%64.6%

著者らは、ReAct単体でCoTを上回り、さらにReActとCoT-SC（Self-Consistency）を組み合わせた「best of both」戦略で最高精度を達成したと報告している。

インタラクティブタスク:

手法AlfWorld 成功率WebShop スコア
Act-only45%30.1%
ReAct71%40.0%

ReActはAct-onlyと比較して、AlfWorldで+26ポイント、WebShopで+9.9ポイントの改善を達成したと報告されている。

ファインチューニングの効果

ブログではファインチューニングの結果にも触れている。PaLM-8/62Bを、PaLM-540Bが生成したReAct軌跡でファインチューニングした結果を以下に示す。

モデルHotpotQA (EM)手法
PaLM-8B (SFT on 3000 examples)28.2%ReAct Fine-tuned
PaLM-62B (SFT on 3000 examples)32.1%ReAct Fine-tuned
PaLM-540B (6-shot prompting)27.4%ReAct Few-shot

著者らは、3000例のSFTデータでファインチューニングした62Bモデルが、540Bモデルの6-shot性能を上回ったと報告している。これは大規模モデルの知識をファインチューニングにより小規模モデルに蒸留できることを示唆している。

人間の編集による修正

ブログではReActの「解釈可能性」の利点として、推論トレースを人間が直接編集できることを紹介している。AlfWorldの実験では、失敗したタスクの推論トレースを人間が修正することで、成功率が71%から78%に向上したと報告されている。

運用での学び（Production Lessons）

Hallucinationの防止効果

ブログでは、CoT単体とReActを比較してHallucination率を分析している。

  • CoT単体: 推論中に外部知識を参照できないため、モデルの事前学習知識に依存。結果として不正確な事実を生成する「Hallucination」が発生しやすい
  • ReAct: SearchアクションでWikipedia等の外部知識源にアクセスできるため、推論の事実的根拠を確認可能。ブログによると、HotpotQAでのHallucination率がCoT比で約6%低下したと報告されている

失敗パターンの分析

ブログおよび論文Section 4では、ReActの主な失敗パターンを以下のように整理している。

失敗パターン頻度原因対策
検索失敗23%クエリが曖昧・不適切Few-shot例にクエリ改善の例を含める
推論エラー18%Observationの誤解釈推論トレースの構造化プロンプトを強化
ループ15%同じAction-Observationの繰り返し最大ステップ数の制限（推奨: 5-10回）
早期終了12%不十分な情報で結論Evaluator追加（Reflexion的アプローチ）

CoTとの組み合わせ戦略

ブログでは、ReActとCoTを組み合わせる「best of both」戦略を推奨している。

  1. まずReActでタスクを実行
  2. ReActが失敗（不確実な回答）した場合にCoTにフォールバック
  3. 両者の回答から高い信頼度の方を選択

この戦略により、HotpotQAで35.1%（ReAct単体27.4%、CoT単体29.4%を大幅に上回る）を達成したと報告されている。

学術研究との関連（Academic Connection）

原論文との関係

このブログはYao et al.（2022）「ReAct: Synergizing Reasoning and Acting in Language Models」（arXiv:2210.03629）の公式解説記事である。原論文はICLR 2023に採択されている。

後続研究への影響

ReActは以下の研究に直接的な影響を与えている。

  • Reflexion（Shinn et al., NeurIPS 2023）: ReActのActorに自己反省機構を追加
  • LATS（Zhou et al., ICML 2024）: ReActの行動生成をMCTSの木探索に拡張
  • ReWOO（Xu et al., 2023）: ReActの推論と観察の分離による効率化
  • CodeAct（Wang et al., 2024）: ReActの行動空間をPythonコードに拡張

これらの手法はすべてReActの「Thought-Action-Observation」ループを基盤としており、ReActが2022年以降のLLMエージェント研究の出発点となったことが確認できる。

Google Researchの位置づけ

Google Research内ではReActはPaLMモデルの能力評価と応用研究の一環として位置づけられている。ブログ記事では「the feasibility of jointly modeling thought, actions and feedback from the environment within a language model」を強調しており、LLMを単なるテキスト生成器ではなく、環境とインタラクションする「エージェント」として捉える研究方向を示している。

実装のポイント

Few-shotプロンプトの品質

ReActの性能はFew-shot例の品質に強く依存する。Google Researchの実験では以下のガイドラインが示されている。

  1. 多様な推論パターン: 単純検索、複数ステップ検索、推論による結論など、様々なパターンを含める
  2. 失敗と回復: 検索結果が不十分な場合にクエリを変更する例を含める
  3. 推論トレースの明示性: 「なぜこのアクションを取るのか」を推論トレースに明記する
1
2
3
4
5
6
7
8
9
10
11
12
13
14

REACT_FEW_SHOT_TEMPLATE = """
Question: {question}

Thought 1: I need to search for {entity} to find {information}.
Action 1: Search[{entity}]
Observation 1: {search_result}

Thought 2: {analysis_of_result}. I should also check {another_entity}.
Action 2: Search[{another_entity}]
Observation 2: {second_result}

Thought 3: Based on the information gathered, {conclusion}.
Action 3: Finish[{answer}]
"""

LangGraphでのReAct実装

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44

from typing import Annotated, TypedDict
from langgraph.graph import StateGraph, END
from langgraph.graph.message import add_messages
from langgraph.prebuilt import ToolNode

class ReActState(TypedDict):
    """ReActの状態定義"""
    messages: Annotated[list, add_messages]
    reasoning_trace: list[str]

def build_react_agent(tools: list, llm) -> StateGraph:
    """ReActエージェントのLangGraphグラフ構築

    Args:
        tools: 利用可能なツールリスト
        llm: 推論用LLM

    Returns:
        コンパイル済みLangGraphグラフ
    """
    bound_llm = llm.bind_tools(tools)

    def agent_node(state: ReActState) -> ReActState:
        response = bound_llm.invoke(state["messages"])
        trace = state.get("reasoning_trace", [])
        if response.content:
            trace.append(f"Step {len(trace)+1}: {response.content[:200]}")
        return {"messages": [response], "reasoning_trace": trace}

    def should_continue(state: ReActState) -> str:
        last = state["messages"][-1]
        if hasattr(last, "tool_calls") and last.tool_calls:
            return "tools"
        return END

    graph = StateGraph(ReActState)
    graph.add_node("agent", agent_node)
    graph.add_node("tools", ToolNode(tools))
    graph.set_entry_point("agent")
    graph.add_conditional_edges(
        "agent", should_continue, {"tools": "tools", END: END}
    )
    graph.add_edge("tools", "agent")
    return graph.compile()

本番環境での推奨設定

  • 最大ステップ数: 5〜10回（無限ループ防止）
  • 温度パラメータ: 0.0〜0.3（推論の一貫性を重視）
  • コンテキスト長管理: 各Observationの最大トークン数を制限（500〜1000トークン）
  • ログ記録: 全Thought/Action/Observationをログに記録し、デバッグ・監視に活用

まとめと実践への示唆

Google ResearchのReActブログ記事は、LLMエージェントの基盤パラダイムとなった「推論と行動の統合」の設計思想を明確に示している。ReActは2022年の提案以来、Reflexion、LATS、ReWOO、CodeActなどの後続研究の出発点となり、2026年現在も多くのエージェントフレームワーク（LangGraph、LangChain、OpenHands等）の基盤アーキテクチャとして採用されている。

実務への示唆として、ReActは「まず試すべき基本パターン」であり、その上でタスクの要件に応じてReflexion（自己修正が必要な場合）、LATS（探索的タスク）、ReWOO（コスト最優先）、CodeAct（データ処理中心）を選択するアプローチが推奨される。

参考文献

blog tech_blog
ReAct chain-of-thought LLM agent tool-use reasoning Google-Research langgraph python ai
この投稿は CC BY 4.0 でライセンスされています。
最近の更新
目次