ReAct Agent

ReAct（Reasoning + Acting）是最经典的 Agent 范式。Agent 在 思考 → 行动 → 观察 的循环中逐步解决用户的问题。

执行流程

用户输入
  ↓
Thought (思考): "我需要先理解用户的问题..."
  ↓
Action (行动): 调用工具获取信息
  ↓
Observation (观察): 解析工具返回的结果
  ↓
[判断是否完成?]
  ├── 否 → 回到 Thought (下一轮迭代)
  └── 是 → Final Answer (最终答案)

基本用法

import { ReActAgent, OpenAIProvider } from 'kagent-ts'

const agent = new ReActAgent({
  systemPrompt: '你是一个有用的 AI 助手。',
  provider: new OpenAIProvider({
    apiKey: process.env.OPENAI_API_KEY!,
    model: 'gpt-4o',
  }),
  tools: [
    // 注册你需要的工具
  ],
  maxIterations: 10,  // 默认值: 10
})

const answer = await agent.run('帮我查找当前目录下最大的 5 个文件')
console.log(answer)

结构化 JSON 输出

ReAct Agent 使用结构化 JSON 格式与 LLM 交互：

中间步骤: {"thought": "我需要先用 ls 查看文件列表..."}
最终答案: {"thought": "已经获取了所有需要的信息", "answer": "最大的 5 个文件是..."}

框架会自动解析这些 JSON 响应，并对噪声数据（如 code fences、未转义换行符）做容错处理。

配置参数

interface ReActAgentConfig extends AgentConfig {
  /** 最大迭代次数 (默认: 10) */
  maxIterations?: number
}

安全特性

ReAct Agent 内置以下保护机制：

连续空迭代检测: 如果 LLM 连续返回空响应，Agent 会提前终止以防止卡死
Token 截断处理: 当 LLM 响应被 max_tokens 截断时，Agent 会注入续写提示
自动 Checkpoint: 每个迭代步骤后自动保存会话检查点
网络错误恢复: 网络中断时自动保存 interrupted 状态的检查点

会话恢复

// 网络中断后恢复会话
const answer = await agent.resume('session_abc123', '继续之前的任务')

什么时候用 ReAct？

✅ 适合:

简单的问答任务
需要 1-3 步工具调用的任务
Token 敏感的轻量级任务
对延迟敏感的实时应用

❌ 不适合:

需要前置规划的多步复杂任务 → 使用 Plan-Solve Agent
不确定复杂度的通用任务 → 使用 Fusion Agent
大规模多代理协作 → 使用 Orchestrator Agent

下一步

Plan-Solve Agent — 先规划后执行的范式
工具系统 — 学习注册和使用工具
会话持久化 — 了解 Checkpoint 机制

ReAct Agent ​

执行流程 ​

基本用法 ​

结构化 JSON 输出 ​

配置参数 ​

安全特性 ​

会话恢复 ​

什么时候用 ReAct？ ​

下一步 ​