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

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

# 같은 (Tool, 인자) 조합이 되풀이될 때만 멈춘다
class SmartAgentExecutor:
    def __init__(self, max_repeat=2):
        self.call_counts = {}          # (도구, 인자) -> 지금까지 부른 횟수
        self.max_repeat = max_repeat

    def should_stop(self, tool_name, args) -> bool:
        key = f"{tool_name}:{json.dumps(args, sort_keys=True, ensure_ascii=False)}"
        self.call_counts[key] = self.call_counts.get(key, 0) + 1
        return self.call_counts[key] > self.max_repeat

중복 판정은 도구 이름이 아니라 (이름, 인자) 쌍으로 세야 한다. 이름만 보고 막으면 get_equipment_status("CNC-001") 다음의 get_equipment_status("CNC-002")가 중복으로 잡혀, 이 주차의 간판 시나리오인 "A라인 설비 전체 점검"이 두 번째 설비에서 끊긴다. check_inventory(BRG-002) -> check_inventory(BRG-003) 연쇄도 마찬가지다.

라인 4대 순차 조회:
  get_equipment_status(CNC-001) -> 1회  -> 계속
  get_equipment_status(CNC-002) -> 1회  -> 계속   (인자가 다르므로 따로 센다)
  get_equipment_status(CNC-001) -> 2회  -> 계속
  get_equipment_status(CNC-001) -> 3회  -> 중단   (같은 인자 세 번째)

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

효과는 재서 말한다

위 다섯 가지를 적용하면 무엇이 달라지는지는 워크로드마다 다르다. 숫자를 말하려면 같은 질문 묶음을 적용 전후로 돌리고 다음 셋을 기록한다.

여기에 기대 Tool 목록과 기대 답을 질문마다 미리 적어 두면, 호출이 줄면서 답이 부실해지지는 않았는지도 함께 볼 수 있다. 이 대조 없이 "정확도가 올랐다"고 쓰면 근거가 없는 문장이 된다.

적게 호출하고, 근거를 갖춰 답한다. 이것이 좋은 ReAct Agent다.