ReAct Agent 최적화 5가지

1. 프롬프트 최적화

# 나쁜 프롬프트
system_prompt = "설비 관리를 도와주세요."

# 좋은 프롬프트
system_prompt = """당신은 제조 현장 설비 관리 AI입니다.

## 행동 순서
1. 설비 상태 조회 -> 문제 설비 식별
2. 문제 설비의 알람 코드 확인
3. 매뉴얼에서 원인/조치 검색
4. 필요 부품 재고 확인
5. 종합 보고서 작성

## 금지 행동
- 정상 설비에 대한 추가 조회 금지
- 이미 조회한 정보 재조회 금지
- 존재하지 않는 설비/부품 코드 추측 금지

## 응답 형식
- 표 형식으로 현황 정리
- 긴급도별 분류 (긴급/주의/정상)
- 구체적 조치 방안 + 예상 비용
"""

규칙: 프롬프트가 구체적일수록 불필요한 Tool 호출이 줄어든다.

---

2. Tool 결과 압축

# 나쁜 Tool 결과 (너무 길다)
def get_equipment_status(equipment_id: str) -> str:
    # 전체 이력, 센서 데이터 100줄, 유지보수 기록...
    return massive_json_string  # 3000 토큰

# 좋은 Tool 결과 (핵심만)
def get_equipment_status(equipment_id: str) -> str:
    # 현재 상태 요약만 반환
    return f"상태:{status}|가동률:{util}%|알람:{alarms}"  # 50 토큰

접근 방식	토큰	비용	정확도
전체 데이터	3000/회	높음	높음 (정보 과다로 혼란 가능)
요약 데이터	50/회	낮음	높음 (핵심만 전달)
단계적 상세화	50-500/회	중간	최상 (필요시 추가 조회)

---

3. 캐싱으로 비용 절감

from functools import lru_cache
import time

class CachedTools:
    def __init__(self, cache_ttl=300):
        self._cache = {}
        self._ttl = cache_ttl

    def get_equipment_status(self, equipment_id: str) -> str:
        cache_key = f"eq_{equipment_id}"
        if cache_key in self._cache:
            data, timestamp = self._cache[cache_key]
            if time.time() - timestamp < self._ttl:
                return data + " (캐시된 데이터)"

        result = self._fetch_from_mes(equipment_id)
        self._cache[cache_key] = (result, time.time())
        return result

---

4. 조기 종료 조건

# Agent가 같은 Tool을 반복 호출하면 중단
class SmartAgentExecutor:
    def __init__(self, max_same_tool=2):
        self.tool_history = []
        self.max_same_tool = max_same_tool

    def should_stop(self, tool_name, args):
        key = f"{tool_name}:{json.dumps(args)}"
        if key in self.tool_history:
            return True  # 이미 호출한 적 있음!
        self.tool_history.append(key)

        # 같은 Tool을 연속으로 너무 많이 호출하면 중단
        recent = [h.split(":")[0] for h in self.tool_history[-3:]]
        if len(set(recent)) == 1 and len(recent) >= self.max_same_tool:
            return True  # 같은 Tool만 계속 호출 중

        return False

---

5. 에러 복구 패턴

# Tool 에러 시 Agent가 자연스럽게 대처하도록
def search_manual(query: str) -> str:
    result = _search(query)
    if not result:
        # 에러가 아니라 "대안 제시"
        return f"""'{query}'에 대한 정확한 결과를 찾을 수 없습니다.

시도해볼 수 있는 검색어:
- 알람 코드로 검색 (예: E-4072)
- 증상으로 검색 (예: 진동, 온도, 유압)
- SOP로 검색 (예: SOP-금형교체)

또는 get_alarm_history로 해당 설비의 알람 이력을 먼저 확인하세요."""
        # -> Agent가 이 안내를 읽고 다른 접근을 시도한다

---

비용 비교

항목	최적화 전	최적화 후
Tool 호출	12회/질문	5회/질문
총 토큰	~15,000	~4,000
소요 시간	45초	12초
비용	~$0.03/질문	~$0.008/질문
정확도	50%	92%

적게 호출하고, 정확하게 답한다. 이것이 좋은 ReAct Agent다.