ReAct와 Agent Landscape

ReAct는 아직 살아 있는 오래된 root야

ReAct는 reasoning plus acting이야. 모델이 다음 행동을 판단하고, tool을 부르고, 결과를 관찰하고, 다시 판단한다. 요즘 API는 scratchpad 일부를 숨기고, 좋은 시스템은 private reasoning을 사용자에게 노출하지 않아야 하지만, control pattern 자체는 여전히 거의 모든 agent에 남아 있어.

실전 교훈은 "chain-of-thought를 보여줘라"가 아니야. 실전 교훈은 "decision과 evidence를 번갈아라"야. observation 없는 tool call은 희망적 행동이고, tool 없는 긴 독백은 비싼 산문이다.

product와 primitive를 헷갈리지 마

Framework surface는 달라도 대부분 같은 primitive 조합이야. model call, tool schema, tool executor, state, memory, handoff, guardrail, trace, stop condition. primitive를 먼저 배우고, 그 다음 product를 골라.

2026 decision map

시스템이 작고 control이 중요하면 raw loop. OpenAI-native tool, handoff, guardrail, tracing이 필요하면 OpenAI Agents SDK. state transition, persistence, replay, human interrupt가 product 일부면 LangGraph. role/task configuration이 핵심이면 CrewAI. Claude-native developer harness, files, shell, MCP, permissioned long-running session이 중심이면 Claude Agent SDK.

Code

ReAct as a private control trace·text

Goal: answer a user question with current evidence
Decision: need fresh source
Action: web_search("OpenAI Agents SDK tracing")
Observation: official docs say tracing records model calls, tools, handoffs, guardrails
Decision: read official docs, then answer with citation
Action: fetch_url(official_docs_url)
Observation: exact section found
Final: answer with source and caveat

Framework decision table·text

Small single-agent tool loop      -> raw API loop
OpenAI tools + handoffs + traces   -> OpenAI Agents SDK
Durable graph state + replay       -> LangGraph
Role/task team simulation          -> CrewAI
Developer workspace harness        -> Claude Agent SDK
Data-heavy retrieval agent         -> LlamaIndex
Quick code-as-action prototype     -> Smolagents

ReAct와 Agent Landscape

ReAct는 아직 살아 있는 오래된 root야

product와 primitive를 헷갈리지 마

2026 decision map

Code

External links

Exercise

Progress

댓글 0