Agent丨什么是 ReAct？它的思考-行动-观察循环和工具调用流程是怎样的？

type

Post

status

Published

date

Apr 12, 2026

slug

agent6

summary

1. 为什么需要 ReAct？

传统 LLM 调用大致有两类：

一种是 只思考，例如 Chain-of-Thought。模型可以分解问题，但所有事实主要来自上下文和参数记忆，容易出现幻觉。

另一种是 只行动，例如模型直接输出一个 API 调用或命令。它能操作环境，但如果没有显式计划和过程追踪，长任务中很容易跑偏。

ReAct 的关键改进是把两者接起来：

思考告诉模型“下一步为什么要做这个动作”；
行动让模型从环境中拿到新证据；
观察把外部世界重新写回上下文；
下一轮思考再基于新证据调整计划。

在原始 ReAct 论文中，这种方式被用于 HotpotQA、FEVER、ALFWorld、WebShop 等任务。官方 ReAct 仓库也保留了 HotpotQA、FEVER、ALFWorld、WebShop 的实验 Notebook 与 Wikipedia 环境代码。(GitHub)

2. ReAct 的核心循环：Thought → Action → Observation

最经典的 ReAct 轨迹可以抽象成：

工程上可以画成：

这就是 Agent 的基本运行方式。LLM 每次不一定直接回答，它可以先选择一个工具。Runtime 执行工具后，把结果作为 observation 追加进上下文，再让模型继续下一轮。

需要注意：现代产品里，“Thought” 不一定会原样展示给用户。很多系统会把模型内部推理隐藏起来，只展示计划摘要、工具进度或最终解释。这是工程上更安全、也更符合产品体验的做法。

3. 从 ReAct 官方源码看：工具就是环境动作

ReAct 官方代码里的 WikiEnv 很直观。环境初始化时告诉 Agent：你可以用 search[]、lookup[]、finish[] 与 Wikipedia 交互；step(action) 会解析动作字符串，如果是 search[...] 就请求 Wikipedia，如果是 lookup[...] 就在当前页面段落里查关键词，如果是 finish[...] 就结束 episode。源码里还支持 think[...]，它不会改变外部环境，只返回类似“Nice thought”的观察。(GitHub)

这段设计非常重要：ReAct 中的工具并不神秘，本质就是一个环境接口。

可以抽象成下面的伪代码：

ReAct 官方 HistoryWrapper 还会把历史轨迹拼成类似 Action i / Observation i 的格式再喂回模型，这说明 ReAct 的关键不是一次调用，而是持续把执行结果写回上下文。(GitHub)

4. 现代工具调用流程：从字符串动作到结构化 Tool Call

原始 ReAct 常用文本格式，例如 search[Albert Einstein]。现代 Agent 已经演进为结构化工具调用，通常是 JSON Schema / function calling / MCP tool / 内置工具注册表。

一个现代工具调用通常长这样：

Runtime 收到这个调用后，不会盲目执行，而是经过一条完整流水线：

这条链路里，真正的 Agent 能力来自三层分工：

层	职责
LLM	选择下一步、解释任务、根据观察调整计划
Runtime	管理循环、上下文、工具结果、错误恢复
Policy / Sandbox	决定哪些工具能执行、是否需要用户批准、是否隔离

5. Claude Code：ReAct 在编码场景里的产品化形态

Claude Code 是 Anthropic 的 agentic coding tool，它可以在终端、IDE、Slack、Web 等场景中工作，理解代码库、编辑文件、运行命令和处理 git workflow。官方产品页还说明它运行在本地终端，能使用命令行工具和 MCP servers，并在修改文件或运行命令前请求权限。(Claude)

从 ReAct 视角看，Claude Code 的循环大概是：

Claude Code 的 Agent SDK 文档说得更直接：Agent SDK 提供与 Claude Code 相同的工具、agent loop 和上下文管理能力，并内置读取文件、运行命令、编辑代码等工具。示例里 allowed_tools=["Read", "Edit", "Bash"] 就是把工具能力显式交给 Agent。(Claude Code)

Claude Code 还把工具执行变成了可拦截的生命周期事件。官方 hooks 文档列出了 PreToolUse、PostToolUse、PermissionRequest、PermissionDenied、PostToolBatch、Stop 等事件；MCP 工具也会像普通工具一样进入工具事件，命名形式为 mcp__<server>__<tool>。Hook handler 可以是 command、HTTP、MCP tool、prompt 或 agent。(Claude Code)

这意味着 Claude Code 的工程模型不是“模型想干什么就干什么”，而是：

模型提出动作 → Runtime 触发 PreToolUse → 权限系统判断 → 工具执行 → PostToolUse → observation 回写 → 下一轮。

这就是 ReAct 的工业化版本。

6. OpenCode：开源编码 Agent 中的工具注册与权限模型

OpenCode 是一个开源 coding agent，官方站点称它可以在 terminal、IDE 或 desktop 中帮助写代码，并支持多模型提供商、LSP、多 session 等能力。当前主仓库是 anomalyco/opencode，GitHub README 显示它是 “The open source coding agent”，并提供 terminal、desktop、IDE 等入口。(OpenCode)

OpenCode 的 Agent 文档非常适合理解现代 ReAct Runtime。它内置两类 primary agents：build 和 plan。build 是默认开发 Agent，拥有完整工具权限；plan 是受限 Agent，默认不改文件，并且 bash 命令需要确认或被限制。OpenCode 还支持 subagents，例如 general、explore、scout，用于复杂搜索、多步任务和只读代码探索。(OpenCode)

OpenCode 的配置里有一个非常关键的字段：permission。官方文档说明权限可以是 ask、allow、deny，并覆盖 read、edit、glob、grep、list、bash、task、webfetch、websearch、lsp、skill 等工具类别，还支持按 bash 命令模式做细粒度匹配。(OpenCode)

这就是 ReAct 工程落地的安全边界：

OpenCode 源码里的工具注册表也很有代表性。packages/opencode/src/tool/registry.ts 中初始化并注册了 shell、read、glob、grep、edit、write、task、fetch、todo、search、skill、patch、lsp、plan 等工具；registry.all() 会返回 built-in tools 与 custom tools 的组合。(GitHub)

这说明在编码 Agent 中，ReAct 的 “Action” 已经不是一个字符串，而是一组可注册、可描述、可授权、可观测的工具集合。

7. OpenClaw：从单 Agent 循环到多渠道、多会话、多 Agent 协作

OpenClaw 的定位和 Claude Code / OpenCode 不完全一样。它更像一个 self-hosted gateway：把 WhatsApp、Telegram、Slack、Discord、iMessage、Google Chat 等消息渠道连接到 AI agents，让你从任意聊天入口唤起一个持续运行的个人助理。官方文档称 Gateway 是 sessions、routing 和 channel connections 的 single source of truth。(OpenClaw)

OpenClaw 仓库 README 也强调了几个 Agent 工程能力：local-first gateway、多渠道 inbox、多 agent routing、Live Canvas、browser/canvas/nodes/cron/sessions/Discord/Slack 等一等工具，以及 sandbox 安全模型。README 还提示：默认主会话工具运行在 host 上；非 main session 可以配置 sandbox，典型 sandbox 默认允许 bash、process、read、write、edit、sessions 系列工具，拒绝 browser、canvas、nodes、cron、discord、gateway 等高风险工具。(GitHub)

OpenClaw 的 ReAct 循环已经从“一个模型调用工具”扩展成“一个 Agent 可以调度另一个 Agent”。它的 Session tools 文档列出：

工具	作用
`sessions_list`	列出会话
`sessions_history`	读取会话转录
`sessions_send`	给另一个 session 发消息并可等待回复
`sessions_spawn`	启动隔离的 sub-agent session
`sessions_yield`	结束当前轮次，等待子 Agent 后续结果
`subagents`	查看、引导或终止子 Agent

这些工具让 OpenClaw 的 Action 不只是“读文件/写文件/跑命令”，还包括“启动另一个 Agent 去做一个子任务”。(OpenClaw)

OpenClaw 的 sessions_send 源码也体现了这种多 Agent 工程化。它的 schema 包含 sessionKey、label、agentId、message、timeoutSeconds，执行时会解析目标 session、检查 agent-to-agent policy、检查 sandbox 可见性，然后通过 gateway 的 agent 方法启动目标 Agent 运行。(GitHub)

把它画出来：

这类设计说明：ReAct 不只适用于单模型单工具。现代 Agent 系统里，Action 可以是工具调用、后台任务、子 Agent、MCP server、浏览器操作、定时任务、消息发送甚至 PR 工作流。

8. OpenClaw Code Agent：计划审批、工作区隔离与目标循环

OpenClaw 生态里还有 openclaw-code-agent 插件，它把 Claude Code 和 Codex 作为后台 coding sessions 管起来。README 说明它提供 plan approval、session lifecycle、wake routing、worktree isolation、merge/PR follow-through，以及 explicit goal loops。默认流程是 Plan → Review → Execute，计划审批默认走 delegated review。(GitHub)

这其实是 ReAct 的“治理版”：

这类流程比简单 ReAct 多了三层控制：

第一，执行前先计划审批；
第二，在隔离 worktree 中行动；
第三，结束后进入 merge / PR / discard 的人工决策点。

对企业级 Agent 来说，这些控制层比模型本身更重要。

9. 一个最小 ReAct Agent Runtime 应该怎么写？

下面是一个简化版 TypeScript 伪实现。它不是某个项目的源码，而是抽象现代 ReAct Agent 的核心结构。

这个循环里有几个关键点：

LLM 只负责选择动作；
Runtime 负责执行动作；
Tool result 必须作为 observation 写回上下文；
权限、沙箱、超时、最大步数不能交给模型自己决定；
工具错误也应该变成 observation，而不是直接崩溃。

OpenCode 文档里也有类似的 max steps 概念：steps 用来控制 Agentic iterations 的最大次数，到达限制后 Agent 会收到系统提示，让它总结已完成工作和剩余任务。(OpenCode)

10. ReAct 工具调用的关键工程问题

10.1 工具描述必须短而准

工具描述会进入模型上下文。如果描述含糊，模型会误用工具。一个好的工具 schema 应该说明：

什么时候用；
参数是什么；
返回什么；
有什么副作用；
失败时如何表现。

例如读文件工具与写文件工具应该分开。只读 Agent 不应该看到写工具，或者至少应该被 permission 层 deny。

10.2 权限系统要在 Runtime 层，而不是 Prompt 层

不能只在 system prompt 里写“不要乱删文件”。正确做法是在 Runtime 层设置 allow / ask / deny。OpenCode 的 permission 体系和 Claude Code 的 PreToolUse / PermissionRequest hooks 都是这个方向。(OpenCode)

10.3 Observation 要清洗、裁剪和结构化

工具结果可能很长、包含 token、密钥、HTML、日志噪音或恶意 prompt injection。OpenClaw 的 session history 文档就提到会清理 thinking tags、tool-call XML、控制 token、credential-like text，并对长文本截断。(OpenClaw)

这很重要，因为 observation 会回到模型上下文。没有清洗的 observation 可能污染下一轮决策。

10.4 工具调用需要可观测性

一个 Agent 平台至少要记录：

哪个模型发起了工具调用；
调用了哪个工具；
参数是什么；
是否经过审批；
结果是什么；
耗时和 token 成本是多少；
是否触发重试或恢复逻辑。

Claude Code hooks、OpenCode 的 tool registry 与 OpenClaw 的 gateway/session model，本质都在为这个问题提供工程接口。

11. ReAct、Plan-and-Execute、Multi-Agent 的关系

ReAct 不是唯一 Agent 模式。它更像底层循环。很多现代系统会叠加更高层策略：

模式	特点	适用场景
ReAct	每轮思考、行动、观察	信息检索、代码修改、调试
Plan-and-Execute	先生成计划，再逐步执行	长任务、可审批任务
Reflexion / Self-Repair	失败后反思并修复	测试失败、代码审查
Multi-Agent	主 Agent 委派子 Agent	大型代码库、并行研究、后台任务
Human-in-the-loop	关键动作前请求批准	文件写入、发邮件、支付、部署

Claude Code 更偏 coding ReAct + 权限控制；OpenCode 把 Agent 类型、工具权限、子 Agent 配置开放出来；OpenClaw 则把 ReAct 扩展到多渠道、多 session、多 Agent、持续在线的 personal assistant 场景。

12. 用一句话总结 ReAct

ReAct 的本质是：

让模型在“想一想”和“做一步”之间循环，并把“做一步”的真实结果重新纳入下一轮决策。

原始 ReAct 的动作可能是 search[]、lookup[]、finish[]。今天的动作可以是 Read、Edit、Bash、Grep、MCP tool、sessions_spawn、sessions_send、open_pr、merge_worktree。工具变复杂了，但范式没有变：

真正优秀的 Agent，不是“模型很会说”，而是它的 ReAct 循环足够稳：工具定义清晰、权限边界明确、观察结果可靠、错误能恢复、长任务能压缩上下文、关键动作能让人接管。Claude Code、OpenCode、OpenClaw 的工程设计都在说明同一件事：Agent 的核心竞争力，已经从单次回答能力，转向了可控、可观测、可恢复的思考-行动-观察系统。