Мы с коллегами опубликовали статью на Хабре про ReAct-агентов. Вот пост про нашу статью🚀

Для меня это тоже новый опыт, до этого я на Хабре не писал, так что буду рад вашей поддержке. Надеюсь, что материал вам зайдет.

Хочу немного рассказать, почему мы вообще взялись за эту тему. На самом деле, мы начинали писать другую статью (она со временем тоже выйдет), но поняли, что в ней нужно сослаться на материал, где развёрнуто объясняется, что такое ReAct-агент. А такого материала толком и нет. 🤔

Дело в том, что академическая работа "ReAct: Synergizing Reasoning and Acting in Language Models" создавалась еще когда LLM были сильно глупее и не умели вызывать тулзы🛠️ . И поэтому реализация подхода в оригинальной статье и в актуальных фремворках для разработки агентов существенно отличаются. И этот момент особо не подсвечивается в материалах ни на русском, ни на английском языке. Это создает путаницу у многих новичков.

Другой момент, который путает даже не только новичков, это две библиотеки: LangChain и LangGraph. Обе разрабатываются одной и той же компанией, поэтому не все понимают разницу, а также возможности и ограничения каждого из фреймворков. LangChain позволяет быстро создавать простые пайплайны, в то время как LangGraph предназначен для более сложных агентов и мультиагентных систем.

LangGraph дает очень широкой набор возможностей для гибкой настройки агентов, но имеет более высокий порог входа, поэтому отпугивает часть разработчиков. Поэтому хочется путем создания подробных и простых материалов облегчить вход в этот фреймворк. И самый лучший вариант начать создавать агентов на LangGraph - это сделать ReAct-агента.

Вот такая была мотивация при написании статьи. Буду рад обратной связи от вас!👇