ReActプロンプトとは？CoTとの違いと使いどころを実装目線で解説

この記事の監修者

リスキルAIキャリア編集部

リスキルAIキャリアは、AI時代の学び直し・キャリア形成・副業・転職に役立つ情報を発信するWebメディアです。編集部では、生成AIスキルの身につけ方、AI関連スクール・講座の選び方、キャリアアップにつながる学習方法などを、実務目線でわかりやすくお届けしています。

ReActプロンプトは、AIに「考える→ツールを使う→結果を見る」を繰り返させる設計です。CoTが頭の中で段階的に考える技法なら、ReActは検索・計算・API呼び出しなどの外部行動を挟みます。

ただし、ChatGPTに型だけ貼っても本来のReActにはなりません。Observationに実データが入らなければ、それは単なるReAct風の作文です。

判断基準は「外部情報を見ないと答えが変わるか」です。変わるならReAct、変わらないならCoTで足ります。この記事では原論文、CoTとの違い、コピペで試せる型、副業・転職での使いどころ、PEP検定の受検前チェックを扱います。

先に結論：ReActを使うべき場面・使わなくていい場面

作業ごとに使う/使わないをまず示します。外部情報の確認が絡むかが分岐点です。

判断基準は「外部情報を見ないと答えが変わるか」です。変わるならReAct、変わらないならCoTで足ります。

ReActプロンプトの意味と原論文の出典

ReActプロンプトは、AIに推論(Reasoning)と行動(Acting)を交互に行わせる手法です。名称はReasoning + Actingの造語です。思考だけで完結させず、検索や計算などの外部行動を挟んで答えに近づけます。

出典は論文ReAct: Synergizing Reasoning and Acting in Language Modelsです。著者はShunyu Yao、Jeffrey Zhao、Dian Yu、Nan Du、Izhak Shafran、Karthik Narasimhan、Yuan Caoです。arXiv IDは2210.03629、ICLR 2023で採択されました。原文はarXivとOpenReviewで読めます。

論文では、知識検索系タスクにHotpotQAとFEVER、行動計画系タスクにALFWorldとWebShopが使われています。HotpotQAは複数文書をまたぐ質問応答、FEVERは主張の真偽判定、ALFWorldはテキスト環境内での行動選択、WebShopはECサイト上で条件に合う商品を探すタスクです。

ReActは「考え方をきれいにする技法」ではなく、検索・環境操作・観測結果を使って推論を修正する設計として検証された点が肝心です。推論だけ・行動だけの手法より、両者を組み合わせた方が事実誤り(ハルシネーション)を抑えられると示されています。

推論を外部世界に接続する狙い

狙いは、AIの思考を外部の事実に接続することです。CoT単体では、AIが自分の頭の中だけで推論を完結させます。誤った前提を持つと、そのまま誤答へ進みます。

ReActは行動ステップで外部の事実を取り込みます。検索という行動で情報を観測し、推論を修正します。前提が古くても、観測結果で軌道修正できる点がCoTとの差です。

仕組み：Thought→Action→Observationの型とコピペ用プロンプト

ReActは3つのステップを繰り返します。Thought(思考)→Action(行動)→Observation(観測)のループです。答えが出るまでこの3つを回します。

• Thought：次に何をすべきかをAIが言語化する
• Action：検索・計算・API呼び出しなど具体的な操作を指定する
• Observation：Actionの実行結果(外部から返る情報)を受け取る

Actionは「実際にツールを実行する仕組み」があって初めて機能します。ChatGPTに素で貼るだけでは、AIが実行結果を想像で埋めます。環境に応じた2種類の型を用意しました。

A. ChatGPT単体で試す擬似ReAct(捏造させない設定)

検索が使えない環境では、Observationに推測を書かせない指示を必ず入れます。以下はそのままコピペできます。

あなたはReAct形式で作業してください。
ただし、外部検索は実行できない前提です。
Observationには推測を書かず、「不明」「ユーザー確認が必要」「検索が必要」と書いてください。

形式：
Thought: 次に確認すべきこと
Action: 実行したい行動
Observation: 実際に得られた情報。不明な場合は不明と書く
Answer: 不明点と暫定結論を分けて回答

B. ブラウジング/検索ツールありのReAct

検索結果を引用させ、確認できない情報を断定させない条件を入れます。

次のテーマをReAct形式で調査してください。
各Observationには、参照したページ名・URL・確認日を必ず含めてください。
検索結果が確認できない情報は断定しないでください。

テーマ：
〇〇の最新料金と競合比較

形式：
Thought:
Action:
Observation:
Thought:
Action:
Observation:
Answer:

実行例：副業向けAIライティング案件の相場を調べる

副業の相場調査は、ReActが効く典型です。1件だけの数値で相場を断定せず、複数ソースを突合します。以下は流れのイメージです(URLと数値はダミー表記)。

テーマ：
クラウドソーシング上の「AIライティング」案件で、文字単価・報酬条件・求められるスキルを調べる

Thought:
まず案件募集ページで報酬条件を確認する必要がある。

Action:
Search[AIライティング 副業 案件 文字単価]

Observation:
案件ページAを確認。報酬は1記事〇〇円、文字数〇〇字、AI利用可否は〇〇。URL：〇〇。確認日：2026年7月27日。

Thought:
1件だけでは相場と言えないため、別サイトの案件も確認する。

Action:
Search[生成AI ライティング 案件 副業 報酬]

Observation:
案件ページBでは、報酬は〇〇円、条件は〇〇。URL：〇〇。確認日：2026年7月27日。

Answer:
確認できた範囲では、AIライティング案件は「〇〇円〜〇〇円」の募集がある。ただし案件数・媒体・専門性で報酬は変わるため、相場として断定せず、複数サイトで継続確認する。

この型を動かすには、LangChainやOpenAIのFunction calling、ブラウジング機能が必要です。ツールがないままObservationを空欄にすると、AIが架空の数値を作ります。ここがReActを誤解しやすい最大の点です。

ReActとCoTの違いを判断基準と失敗例で整理

最大の違いは外部行動の有無です。まず比較項目で両者を並べます。

用途別に判断基準と失敗例も並べます。作業単位で迷ったらこちらを見てください。

判断基準は「外部情報がないと答えが変わるか」です。答えが変わるならReAct、変わらないならCoTで足ります。CoTの基本と使いどころはCoTの基本と使いどころを確認するで扱っています。

ReActはCoTを内部に含む

ReActのThoughtは、実質的にCoTと同じ推論です。ReActはCoTに行動と観測を足した拡張版です。CoTを知らずにReActだけ学ぶと、行動と観測の役割がつかみにくくなります。

使い分けの判断フロー

迷ったら次の順で判断します。外部ツールや検索が絡むかが最初の分岐点です。

1. 外部検索・API・計算ツールが必要か。必要ならReActを検討する
2. 思考過程を見せて精度を上げたいだけか。CoTで足りる
3. 作業を工程ごとに分けて品質管理したいか。プロンプトチェーンが有効
4. 実行環境(ツール連携)を用意できるか。無理ならReActは擬似再現に留まる

工程分割は、プロンプトチェーンで工程分割する方法を見るを参照してください。ReActとチェーンは競合せず、組み合わせて使えます。3手法を一言で言うと、CoTは「思考」、プロンプトチェーンは「工程分割」、ReActは「思考＋行動のループ」です。

手打ちで再現できる範囲と限界：Observation捏造の実例

個人がChatGPTに素で打つReActには限界があります。手打ちで再現できるのは「型」だけです。副業の収入に関わる例でbefore/afterを示します。

悪い例(Observationが捏造されている)

Thought: 未経験者向けの生成AI副業案件の報酬相場を調べる必要がある
Action: Search[生成AI 副業 案件 報酬 未経験]
Observation: 未経験でも月5万円〜10万円の案件が多い
Answer: 未経験でも生成AI副業で月5万円以上を狙えます

このObservationが検索結果や案件ページから返った値でないなら捏造です。特に「月5万円」「未経験OK」「高単価」のような収入に関わる表現は、出典なしで書くと読者の意思決定を誤らせます。

良い例(観測値に出典と確認日を付ける)

Thought: 未経験向け生成AI副業案件の報酬条件を確認する必要がある
Action: Search[生成AI 副業 案件 未経験 報酬]
Observation: 案件ページを確認。案件名：〇〇。報酬条件：1記事〇〇円。応募条件：〇〇。URL：〇〇。確認日：2026年7月27日。
Answer: 確認できた案件では報酬は1記事〇〇円です。件数が少なく相場は断定できないため、複数媒体で継続確認します。

ReActの信頼性は、ObservationにURL・確認日・案件名・報酬条件・応募条件の5項目が入っているかで決まります。体験談ではなく観測値の出典で正確さを担保します。再現できること・できないことを分けます。

• 再現できる：Thought→Action→Observationの記述フォーマット
• 再現できる：思考を明示させて論理を追う体験
• 再現できない：ツール未接続での正確な外部データ取得
• 再現できない：多段ループの自動実行と自己修正

実装目線：最小構成と擬似コード

本来のReActを動かすには、LangChain・LlamaIndex・OpenAIのFunction callingが要ります。名前を知るだけでは実装できないため、最小構成を示します。

実装時の最小構成

ReActを実装する場合、最低限必要なのは次の4つです。

1. ユーザー入力
2. LLMが次のActionを決める処理
3. Actionを実行するツール関数
4. ObservationをLLMに戻すループ

擬似コードでは次の形です。

question = "A社の最新料金を調べて"
history = []

while True:
    action = llm.decide_next_action(question, history)

    if action.name == "search":
        observation = search_tool(action.query)
        history.append({
            "action": action.query,
            "observation": observation
        })

    if action.name == "final_answer":
        break

answer = llm.generate_answer(question, history)

実装で肝心なのは、ObservationをLLMに書かせないことです。検索API、社内DB、計算関数など、外部ツールの戻り値として渡します。実行基盤の設計はコンテキストエンジニアリングの解説記事と重なります。

職種別：ReActが効く作業と後回しでいい作業

向き不向きは職種で変わります。ReActは万能ではありません。ツール連携がない作業では、CoTやプロンプトチェーンの方が速いです。

Webライター/SEO担当

• ReActが効く作業：競合記事の更新日、料金表、公式情報、一次情報の確認
• 不要な作業：見出し案のたたき台、文章の言い換え
• 必要なツール：ブラウジング、検索結果の引用、スプレッドシート
• 学ぶべき関連スキル：出典確認、ファクトチェック、プロンプトチェーン

営業/インサイドセールス

• ReActが効く作業：見込み企業の最新情報収集、公開IR・プレスの確認
• 不要な作業：メール文面のトーン調整、簡単な要約
• 必要なツール：ブラウジング、CRM連携、検索
• 学ぶべき関連スキル：情報源の一次確認、簡易API連携の理解

事務/バックオフィス

• ReActが効く作業：社内DB・規程検索と連携した問い合わせ応答
• 不要な作業：定型文の作成、単純な表整形
• 必要なツール：社内検索、Function calling、権限管理
• 学ぶべき関連スキル：データ更新性の管理、確認日の記録

マーケター

• ReActが効く作業：複数ソースを横断する競合・市場調査
• 不要な作業：アイデア出し、キャッチコピーのたたき
• 必要なツール：ブラウジング、分析ツールAPI
• 学ぶべき関連スキル：ソース横断の突合、数値の裏取り

エンジニア/AIエージェント開発志望

• ReActが効く作業：ツール呼び出しを含む自律処理の設計
• 不要な作業：単発の質問応答
• 必要なツール：LangChain、Function calling、外部API
• 学ぶべき関連スキル：エージェント設計、エラー処理、ログ設計

AIエージェント開発の案件では、ReActの理解が実装の前提知識になります。学ぶ道筋はAIエージェント開発を学べるスクールを比較するで扱っています。

最後に、優先度を分けます。

• 先に学ぶべき人：AIエージェント開発に進みたい人、API・業務ツール連携に関わる人、調査・検証業務を自動化したい人
• 後回しでいい人：ChatGPTで文章作成だけしたい人、副業ライティングの初期段階の人、外部ツール連携を触る予定がない人

PEP検定でReActを押さえるときの確認ポイント

PEP検定対策としてReActを押さえるなら、暗記するのは型そのものではありません。問われやすいのは、CoT・プロンプトチェーン・ReActの使い分けです。用語の意味と、どの場面でどれを使うかを説明できる状態を目指します。

受検前に、次の5点を自分の言葉で説明できるか確認してください。

• ReActがReasoning + Actingの略だと説明できる
• Thought / Action / Observationの役割を区別できる
• CoTとの違いを「外部行動の有無」で説明できる
• ChatGPT単体ではObservationが捏造される危険を説明できる
• ReActがAIエージェント設計と関係する理由を説明できる

PEP検定を受ける前に確認すること

次の3つに該当するなら、ReActは後回しにせず試験前に復習してください。

• 生成AIを副業・転職の実績として説明したい
• CoT、プロンプトチェーン、ReActの違いを面接や業務で説明できない
• ChatGPTの回答をそのまま信じてしまい、出典確認の手順が曖昧

受検前にやることは次の順番です。

1. CoT・プロンプトチェーン・ReActの違いを表で復習する
2. ReActのThought / Action / Observationを自分の言葉で説明する
3. ChatGPT単体ではObservationが捏造される危険を説明する
4. PEP検定の公式サイトで、試験範囲・受検料・申込方法・最新日程を確認する
5. 不安が残る場合は、出題範囲に沿ってプロンプト技法を復習してから申し込む

ReActを「検索させるプロンプト」としか説明できない状態なら、受検前にCoT・プロンプトチェーンとの違いを復習してください。ReActを実務で使う自信がないなら、独学で断片化させるより、出題範囲に沿って体系的に学び直す方が近道です。PEP検定の申込前に、公式サイトで最新の試験情報を確認しましょう。

よくある質問

ReActプロンプトのテンプレートは？

最小テンプレートは次の形です。

Thought: 次に確認すべきこと
Action: 実行する操作。検索、計算、API呼び出しなど
Observation: Actionの結果。URL、確認日、取得値を入れる
Answer: Observationに基づく結論

ただし、ChatGPT単体ではActionを実行できない場合があります。その場合、Observationに推測を書かせず、「不明」「検索が必要」と出させてください。

ReActプロンプトの具体例をそのまま使えますか？

型は使えます。ただし、Observationに実データを入れられる環境でないと本来のReActにはなりません。ChatGPT単体で使う場合は、Observationに「不明」「検索が必要」と書かせ、架空の観測結果を出させない設定にしてください。

ReActはプロンプトエンジニアリング初心者にも必要ですか？

文章作成や要約が目的なら後回しで構いません。先にCoT、Few-shot、プロンプトチェーンを押さえる方が実用的です。ReActは、検索・API・データベース連携を使う段階で必要になります。

ReActを学ぶには何から始めればいいですか？

まずCoTとの違いを説明できるようにします。次に、ブラウジング機能あり/なしで同じ質問を投げ、Observationが実データか推測かを比較してください。最後に、LangChainやFunction callingなどのツール連携に進む流れです。詳細はLangChain公式ドキュメントを参照してください。

ReActとFunction callingの違いは何ですか？

ReActは「考える・行動する・観測する」という推論パターンです。Function callingは、AIが外部関数やAPIを呼び出すための実装手段です。ReActのAction部分を実際に動かす方法の一つがFunction callingです。実装仕様はOpenAI公式ドキュメントで確認できます。

ReActはハルシネーションを完全に防げますか？

完全には防げません。論文では誤りの抑制効果が示されていますが、観測データが誤っていれば結論も誤ります。外部情報の質に依存します。

ReActとAIエージェントは同じものですか？

同じではありません。ReActはエージェントを動かす推論手法の一つです。AIエージェントは、ReActなどの手法を実装した自律的なシステム全体を指します。LlamaIndexのエージェント実装はLlamaIndex公式ドキュメントが参考になります。