2022年夏、Princeton大学の研究室。

一人の博士課程学生が、イヤホンでEminemの「Lose Yourself」を聴きながらコードを書いていた。Shunyu Yao（姚顺宇）、当時26歳。彼は清華大学でラップクラブを創設していた異色の研究者だった。

その日、彼が投稿したarXiv論文は、AI業界の常識を覆すことになる。

わずか2個の例を見せただけで、10万個のデータで訓練された従来手法を34%上回る——そんな常識外れの結果を示していた。

彼が生み出した「ReAct」は、その後LangChain、AutoGPT、そして無数のAIエージェントの設計図となった。「AIはデータ量で勝負する」という常識を、彼は**「パターンで勝負する」**へと塗り替えた。

関連記事: 本記事は「AIエージェント論文おすすめ9選」の詳細解説記事です。他の論文も合わせてご覧ください。

本記事では、ICLR 2023で**Notable Top 5%**に選出され、5,250件以上の引用を獲得したReAct論文を解説します。

この記事でわかること

1. ReActの仕組み: 推論（Reasoning）と行動（Acting）を交互に実行するループ構造
2. 実験結果: HotPotQAで+6%、ALFWorldで+34%の性能向上を達成した具体的データ
3. 実践検証: Claude Codeで構築したReActエージェントの検証結果と実用性評価

基本情報

「常識の逆転」が起きた瞬間

Shunyu Yaoが挑んだのは、当時のAI研究が抱えていた2つの陣営の対立だった。

実験1: 「考えるだけ」のAI（Chain-of-Thought）

2022年、Chain-of-Thought（CoT） という手法が流行していた。LLMに「段階的に考えさせる」だけで、複雑な数学問題を解ける——しかし、致命的な弱点があった。

ハルシネーション（幻覚）。AIが外部情報を確認せず、内部知識だけで自信満々に嘘をつくのだ。

実験2: 「動くだけ」のAI（Action-only）

一方、強化学習などの「行動だけ」に特化した手法もあった。試行錯誤でタスクをこなすが、「なぜその行動を取ったか」説明できない。計画性が欠如し、場当たり的な行動で非効率だった。

常識の逆転: 「統合」が鍵だった

Yaoは気づいた——「考える」と「動く」を分けること自体が間違いだと。

人間は問題を解くとき、頭の中で考えるだけでなく、Googleで調べたり、計算機を使ったりする。思考と行動を往復するのだ。

この「当たり前」をAIに実装したのがReActだった。

ReActの仕組みを図解で理解

ReActの核心は、Thought-Action-Observationの3ステップを繰り返すループ構造です。

ReActのThought-Action-Observationループ

Thought（推論）：次に何をすべきか考える

LLM（大規模言語モデル） が現在の状況を分析し、次のアクションを決定します。従来のCoT（Chain-of-Thought：段階的思考） と同様の推論プロセスですが、ReActでは行動を前提とした推論を行う点が異なります。

[Thought] ユーザーは消費税込み価格から税抜き価格を求めている。
         計算ツールを使って 1000 / 1.1 を計算する必要がある。

Action（行動）：外部ツールを呼び出す

推論結果に基づいて、適切なツールを選択・実行します。

[Action] calculator(1000 / 1.1)

Observation（観察）：結果を受け取る

ツールの実行結果を受け取り、次のThoughtに活用します。

[Observation] 計算結果: 1000 / 1.1 = 909.09

このループを繰り返すことで、複雑なタスクを段階的に解決していきます。

実験結果：どれくらい性能が上がるのか

論文では、3つのベンチマークで検証が行われました。

特に**ALFWorldでの+34%**は驚異的です。これは、推論だけでなく「行動して結果を確認する」ことの重要性を示しています。

実装方法：LangChain/LangGraphでReActエージェントを作る

LangChain（エージェント開発フレームワーク） とLangGraph（ワークフロー構築ライブラリ） を使えば、数十行のコードでReActエージェントを構築できます。

基本的なコード構造

やっていること: AIに「ツールを定義→エージェント作成→実行」の3ステップで「考えながら行動する」能力を与える

from langchain_openai import ChatOpenAI
from langchain_core.tools import tool
from langgraph.prebuilt import create_react_agent

# ツールの定義
@tool
def calculator(expression: str) -> str:
    """数学的な計算を行う"""
    result = eval(expression)
    return f"{expression} = {result}"

@tool
def search_knowledge(query: str) -> str:
    """情報を検索する"""
    # 検索ロジック
    return search_result

# エージェント作成
llm = ChatOpenAI(model="gpt-4o", temperature=0)
agent = create_react_agent(llm, [calculator, search_knowledge])

# 実行
result = agent.invoke({"messages": [("user", "100 × 5 を計算して")]})

ポイント

• ツールの説明文が重要: LLMはツールの説明文を読んで使用判断するため、明確な説明が必要
• temperature=0: temperature（ランダム性のパラメータ） を0に設定し、再現性を確保
• max_iterations: 無限ループ防止のため上限を設定（通常は10-20回）

【実際に動かしてみた】ビジネスシナリオでの検証

実行環境: Claude Code + LangGraph + gpt-4o

シナリオ1: 競合価格調査エージェント

ユースケース: プライシング業務での競合SaaS価格調査

AIチャットボットSaaS（Intercom、Zendesk、Tidio、Drift）の価格を自動調査し、比較レポートを生成するエージェントを構築しました。

使用ツール:

• web_search: 競合サービスの価格情報をWeb検索
• calculator: 年額→月額変換、為替計算（1ドル=150円）
• generate_comparison_report: Markdown形式の比較表生成

実行結果:

[行動] web_search({'query': 'Intercom pricing 2025'}...)
[行動] web_search({'query': 'Zendesk pricing 2025'}...)
[観察] snippet: Intercom pricing starts at $39/month...
[行動] calculator({'expression': '468 / 12'})  # 年額→月額変換
[観察] 計算結果: 468 / 12 = 39.00

月額5万円以下のサービスとしてTidio、Driftを推奨する比較レポートを自動生成しました。

シナリオ2: 見積もり支援エージェント

ユースケース: DX支援案件の概算見積もり作成

ECサイトリニューアル案件（商品数500点、決済機能、会員機能、在庫連携）の見積もりを自動作成するエージェントです。

使用ツール:

• analyze_requirements: 要件を分析し開発項目を抽出
• calculate_man_hours: 各項目の工数を計算
• calculator: 工数合計・金額計算
• generate_estimate: 見積書ドラフト生成

実行結果:

[行動] analyze_requirements({'requirements': '商品数: 約500点, 決済機能...'})
[観察] 抽出された開発項目: フロントエンド開発、バックエンド開発、インフラ構築、テスト

[行動] calculate_man_hours({'item': 'フロントエンド開発', 'complexity': 'medium'})
[観察] 「フロントエンド開発」の想定工数: 40人日

[行動] calculator({'expression': '40 + 60 + 10 + 20'})
[観察] 計算結果: 40 + 60 + 10 + 20 = 130

[行動] generate_estimate({'project_name': '中小企業向けECサイトリニューアル', ...})

生成された見積書:

シナリオ3: 技術リサーチエージェント

ユースケース: クライアントへの技術提案準備

AIエージェントフレームワーク（LangChain、LlamaIndex、CrewAI）を調査し、社内ナレッジと組み合わせて比較レポートを生成します。

使用ツール:

• web_search: 各フレームワークの最新情報を検索
• knowledge_db: 社内ナレッジベースから過去の評価を取得
• generate_comparison_table: 比較表テンプレート生成

実行結果:

[行動] web_search({'query': 'LangChain AI framework 2025 updates'})
[行動] knowledge_db({'topic': 'LangChain'})
[観察] 【LangChain 社内評価】導入実績: 5案件、評価: ★★★★☆

[行動] generate_comparison_table({'items': 'LangChain, LlamaIndex, CrewAI'})

生成された比較表:

推奨: 複雑なエージェント開発にはLangChainを推奨

検証結果サマリー

全シナリオ成功率: 3/3（100%）

コスト概算

【ネクサフローでの活用視点】

上記の検証で示したように、ReActは実際のビジネスシナリオで高い実用性を発揮します。

DX支援での適用可能性

業務プロセス自動化（検証済み）

• 競合調査、見積もり作成、技術リサーチを自動化
• 「調べて → 計算して → レポート化する」の一連の流れを実現

データ収集・分析

• 外部APIを叩きながら情報を整理
• Web検索 + 社内データベースの統合（シナリオ3で実証）

社内ナレッジ活用

• 社内評価データと最新情報を組み合わせた意思決定支援
• 過去の案件実績を踏まえた提案資料の自動生成

プライシング業務での活用例（シナリオ1で実証）

競合価格リサーチの自動化

• 複数SaaSの価格情報を自動収集
• 為替換算・年額月額変換も自動処理

価格設定根拠の説明

• 「なぜこの価格か」を論理的に説明
• 推論過程の可視化で意思決定を支援

顧客からよくある質問との関連

「AIで業務を自動化したいが、単純な質問応答だけでは不十分」

導入を検討する際のアドバイス

• 最初は単純なタスクから始める: 計算や検索などシンプルなツールから
• ツールの選定が重要: 信頼性の高いAPIを選ぶ
• 人間のレビューを挟む: 重要な意思決定は人間が最終確認

ReActの限界と発展

ReActの弱点

• 長いタスクでの精度低下: ステップが増えるとエラーが蓄積
• 推論コスト: 毎回LLMを呼び出すためAPI費用が増加
• ツール依存: 適切なツールがないと性能が発揮できない

後続研究

ReActの弱点を克服する手法も登場しています。

【驚きの事実】研究者Shunyu Yaoのその後

ReAct論文の主著者Shunyu Yaoのキャリアは、AIエージェント研究の激動を象徴している。

清華「姚班」出身のラッパー研究者

Shunyu Yaoは、中国の大学入試「高考」で704点を獲得し、Anhui省で3位として清華大学に入学した。しかし、彼が選んだのは普通のコンピュータサイエンス学科ではなかった。

清華大学「姚班（Yao Class）」——ノーベル賞級の科学者**Andrew Chi-Chih Yao（姚期智）**が創設した超エリート実験プログラム。情報学オリンピック金メダリストや天才プログラマーが集う場所だった。

しかし、Yaoには意外な一面があった。彼は清華大学でラップクラブ「Rap Club」を共同創設し、EminemやMC HotDogを愛聴していた。研究室で論文を書きながら、ヘッドフォンでラップを聴く——この「AI版freestyle」とも言える即興性が、後のReAct研究につながっていく。

波乱万丈のキャリア: OpenAIからTencentへ

Yaoの博士号取得後のキャリアは、AI業界の激動そのものだった。

2024年8月: OpenAI入社

Princeton大学で博士号を取得した直後、YaoはOpenAIに入社した。当時、OpenAIはChatGPTの成功で世界的な注目を集めており、若き研究者にとって最高峰の舞台だった。

2024年後半: 突然の退職

しかし、わずか数ヶ月後、YaoはOpenAIを退職したとの報道が流れた。一時はAnthropicへの移籍が噂されたが、後に否定された。業界内では「Yaoは何か大きなことを準備している」と囁かれた。

2025年: Tencent Chief AI Scientist就任

そして2025年、驚きのニュースが飛び込んできた。TencentがYaoをChief AI Scientistとして招聘したのだ。

中国のテック業界では、Yaoの参加は**「Tencent AI 2.0時代の幕開け」**と評された。ByteDance（TikTok親会社）やBaiduとのAI競争が激化する中、Tencentは若き天才研究者に未来を託した。

ReActからTree of Thoughtsへ: 自らの発見を超える

Yaoは、ReActを発表した翌年、Tree of Thoughts（思考の木）（NeurIPS 2023）を発表した。

ReActの「1本道推論」には限界があった。間違った推論ステップを取ると、後戻りできずにエラーが蓄積する。

Tree of Thoughtsは、この問題を「木構造探索」で解決した。AIが複数の推論パスを並列に探索し、最適な解を見つけられるようにしたのだ。

27歳にして、自ら発見した技術を自ら進化させ続ける——Yaoは、AI研究界のスーパースターとなった。

「ラッパー研究者」が変えたAIの未来

Eminemの歌詞に「You only get one shot, do not miss your chance to blow」（チャンスは一度きり、逃すな）というフレーズがある。

Yaoは、そのチャンスを逃さなかった。Princeton研究室で「考えながら動く」というシンプルなアイデアを実装し、それをReActとして世界に示した。

そして、LangChain、AutoGPT、無数のAIエージェントがReActの「設計図」を引き継いだ。AI研究における「freestyle」の精神——即興性、柔軟性、適応性——は、今も生き続けている。

FAQ

Q1. ReActとCoTの違いは？

CoT（Chain-of-Thought：段階的思考） は推論のみで、外部ツールは使いません。一方、ReActは推論と行動を組み合わせ、ツールを使って外部情報を取得します。

ReActとCoTの比較

Q2. どんなタスクに向いている？

• 複数ステップの調査・分析
• 外部情報の取得が必要なタスク
• 計算や検索を含む複合タスク

Q3. 商用利用は可能？

はい、可能です。論文自体はMITライセンスで公開されています。実装に使用するLangChain/LangGraphもMITライセンスで商用利用可能です。

Q4. ReActエージェントのデバッグ方法は？

Thought-Action-Observationの各ステップをログ出力することで、どこで問題が発生しているか特定できます。LangSmith（LangChainのトレーシングツール） などを併用すると効率的です。

Q5. ReActの処理時間を短縮するには？

以下の方法があります：

• ツールの応答速度を改善する: APIのキャッシュや最適化
• 不要なツール呼び出しを減らす: ツールの説明文を明確化
• max_iterationsを適切に設定: タスクに応じて調整
• 並列実行: 複数ツールを同時に呼び出す

まとめ

ReActは、LLMに「考えながら行動する」能力を与えた画期的なフレームワークです。

主要ポイント

• Thought-Action-Observationループ: 推論と行動を交互に実行することで複雑なタスクを解決
• 実用性の検証: 競合調査、見積もり、リサーチの3シナリオで成功率100%を達成
• 導入のしやすさ: LangChain/LangGraphで数十行のコードから始められる

人に話したくなるポイント

• わずか2個の例を見せただけで、10万個のデータで訓練された手法を34%上回る
• 主著者Shunyu Yaoは清華大学でラップクラブを創設していた（Eminem、MC HotDog愛聴）
• 高考（中国の大学入試）で704点・省3位、清華「姚班」（超エリートプログラム）出身
• ICLR 2023で**Notable Top 5%**に選出、5,250件以上の引用を獲得
• LangChain、AutoGPTなど現代のAIエージェントフレームワークの設計図になった
• 27歳でPrinceton PhD取得→OpenAI→Tencent Chief AI（契約金**$14M＝約21億円**の報道）
• 翌年には自らTree of Thoughts（NeurIPS 2023）を発表し、ReActを超える進化を遂げた
• 「AIはデータ量で勝負」→「パターンで勝負」の常識転換を実現

次のステップ

• LangGraphでシンプルなReActエージェントを構築してみる
• 自社の定型業務（調査・計算・レポート作成）で効果を検証する
• Reflexionなど後続研究を学び、エラー耐性を向上させる

次に読むべき論文

参考リソース

• arXiv論文
• Google Research Blog
• 公式プロジェクトページ
• GitHub
• 本記事の検証コード

本記事の検証はすべてClaude Codeで実施しました。