Agentic ReAct Tool Execution & Self-Correction Workflow
Definition: Der Agentic ReAct Tool Execution & Self-Correction Workflow ist ein etabliertes Orchestrierungsmuster für LLM-Agenten. Es kombiniert Reasoning (Reason) und Aktionen (Act) in einer Schleife: Das Modell beobachtet, plant, ruft externe Tools auf, verarbeitet die Beobachtung und korrigiert seinen Plan iterativ, bis das Ziel erreicht ist. Dies ermöglicht eine dynamische Anpassung an Zwischenergebnisse und erhöht die Zuverlässigkeit.
Was ist der Agentic ReAct Tool Execution & Self-Correction Workflow?
Der Begriff beschreibt ein agentisches Muster, bei dem ein LLM nicht nur Antworten generiert, sondern in einem zyklischen Prozess handelt. Das Modell nutzt Reasoning-Schritte, um einen Plan zu erstellen, ruft dann ein externes Werkzeug wie eine Datenbankabfrage oder eine API auf, erhält eine Beobachtung und passt daraufhin seinen nächsten Schritt an. Diese Abfolge wird so lange wiederholt, bis das Ziel erreicht ist oder eine Abbruchbedingung eintritt.
ReAct als Grundmuster: Reasoning und Acting
„ReAct“ steht für „Reason and Act“. Der Agent formuliert zunächst einen Gedankengang (Reasoning), leitet daraus eine Aktion ab (Acting) und speist anschließend das Beobachtungsergebnis in die nächste Denkrunde ein. Diese Trennung von Denken und Handeln macht das Vorgehen nachvollziehbar und auditierbar. Jeder Schritt kann protokolliert, überprüft und für spätere Analysen verwendet werden.
Tool Execution und externe Schnittstellen
Im Rahmen des Workflows werden Werkzeuge als definierte Funktionen gekapselt. Ein LLM erkennt anhand des Reasoning, welches Tool benötigt wird, und erzeugt einen strukturierten Aufruf, etwa im JSON-Format. Der Orchestrator führt diesen Aufruf aus und liefert das Ergebnis als Beobachtung an das Modell zurück. So lassen sich Wissensdatenbanken, Suchmaschinen, APIs oder Code-Interpreter anbinden.
Selbstkorrektur durch Analyse und Reflexion
Ein zentraler Vorteil ist die eingebaute Fehlerbehandlung. Nach jeder Tool-Ausführung vergleicht der Agent die Beobachtung mit der erwarteten Ausgabe. Wenn das Ergebnis nicht plausibel ist, formuliert er einen neuen Plan. Diese Selbstkorrektur kann auf Heuristiken oder expliziten Prüfregeln basieren.
Selbstkorrektur ist keine einmalige Optimierung, sondern ein iterativer Reflexionsprozess: Jede Beobachtung wird zum Datenpunkt für die nächste Entscheidung.
Orchestrierung und Workflow-Design in der Praxis
Die Implementierung erfordert neben dem Modell eine Steuerungsschicht, die Kontextverwaltung, Tool-Registrierung und Fehlerstrategien übernimmt. Ein typischer Workflow umfasst Planung, Ausführung, Evaluation und Anpassung. Die folgende Tabelle zeigt die Unterschiede zwischen einem linearen Prompt und einem agentischen ReAct-Workflow.
| Kriterium | Linearer Prompt | ReAct-Workflow |
|---|---|---|
| Steuerung | Einmalige Ausgabe | Iterative Schleife |
| Fehlerbehandlung | Gering | Selbstkorrigierend |
| Werkzeugnutzung | Nicht vorgesehen | Integriert |
| Kontextumfang | Statisch | Dynamisch erweitert |
| Transparenz | Begrenzt | Schrittweise protokollierbar |
Durch diesen Aufbau lässt sich das Verhalten eines Agents präzise steuern: Der Orchestrator kann Abbruchkriterien definieren, Kosten begrenzen und sicherheitsrelevante Werkzeuge nur unter bestimmten Bedingungen freischalten. Auf diese Weise entsteht ein robuster, erweiterbarer Rahmen für komplexe Automatisierung.
« Back to Glossary Index