L. 코데로(L. Cordero)는 2026년 8월 8일 AWS AI & ML Scholars 과정에서 ReAct를 배웠다고 썼다. ReAct는 에이전트형 AI 패턴으로, 저자는 Vite, TypeScript, Next.js, React 컴포넌트를 쓰는 프로젝트에서 프론트엔드 JavaScript 라이브러리 React에 익숙했기 때문에 이름이 처음에는 혼란스러웠다고 설명했다. Facebook은 2013년 5월 29일 React를 오픈소스로 공개했지만, ReAct는 2022년 연구 “ReAct: Synergizing Reasoning and Acting in Language Models”와 연결된 별도의 언어모델 접근법이다.

ReAct는 추론과 행동을 결합한다. 언어모델이 무엇을 해야 할지 추론하고, 외부 환경에서 행동을 취한 뒤, 결과를 관찰하고 그 정보를 이용해 작업을 이어가는 방식이다. 저자는 이 루프를 “reason → act → observe → repeat”로 요약했으며, 추론과 행동이 종종 따로 연구되던 흐름 속에서 두 능력을 함께 연구한 야오 순위(Shunyu Yao)와 공동연구자들의 작업으로 거슬러 올라간다고 설명했다.

코데로는 OpenAI Build Week 동안 만든 Next.js 애플리케이션 Verity Lex가 자신이 공식 명칭을 알기 전 이미 모델 주도 ReAct 루프를 사용했다는 점을 깨달았다. Verity Lex는 AI 도구를 고르기 전에 법원이 AI 도입 준비가 됐는지 평가하도록 설계됐으며, 법원 웹사이트에서 정책이 PDF, 웹페이지, 찾기 어려운 행정 링크 형태로 나타날 수 있어 탐색 과정이 필요했다.

Verity Lex는 모델이 검색하고, 결과를 관찰하며, 그 의미를 추론하고, 다른 행동을 선택한 뒤, 충분한 증거를 모으거나 지정된 경계에 도달할 때까지 계속 진행하게 했다. 저장소는 컨트롤러를 모델 주도 ReAct 루프로 설명했으며, 저자는 이 프로젝트가 React와 ReAct를 같은 Next.js 애플리케이션 안에 배치했다고 말했다. React는 인터페이스를 렌더링했고, ReAct는 에이전트가 다음에 무엇을 해야 할지 정하는 데 도움을 줬다.

저자는 AI 도움을 받아 구축하는 일과 결과를 이해하지 못한 채 AI에 통제권을 넘기는 일을 구분했다. Verity Lex에는 PRD, 아키텍처, 의도적인 제한이 있었다. 적응성이 중요했기 때문에 모델은 탐색을 지시할 수 있었지만, 재현성이 중요했기 때문에 최종 준비도 점수는 결정할 수 없었다. 부족했던 부분은 아키텍처 일부를 설명할 공식 어휘와 연구 계보였다.

AWS AI & ML Scholars 프로그램은 정규 학습을 통해 그 어휘를 제공했다. 원문에 따르면 AWS는 2026년 Challenge 단계 학습자 100,000명을 후원했고, 상위 4,500명은 전액 지원 Udacity Nanodegree로 진출했다. Agent Developer 트랙은 추론 패턴, RAG(외부 검색으로 답변을 보강하는 방식), 도구, 메모리, API를 다룬다.

코데로는 AI 지원 구축과 정규 학습이 학습 과정에서 함께 작동한다고 주장했다. Verity Lex를 만들며 보안, 아키텍처, 비용, 신뢰성, 시스템 동작의 빈틈이 드러났고, AWS 과정은 이미 구현했던 아이디어에 이름과 구조를 부여했다. 저자의 결론은 더 분명했다. React는 프론트엔드에 남아 있고, ReAct는 에이전트가 다음 행동을 어떻게 결정하는지 설명한다.

L. 코데로(L. Cordero)는 2026년 8월 8일 AWS AI & ML Scholars 과정에서 ReAct를 배웠다고 썼다. ReAct는 에이전트형 AI 패턴으로, 저자는 Vite, TypeScript, Next.js, React 컴포넌트를 쓰는 프로젝트에서 프론트엔드 JavaScript 라이브러리 React에 익숙했기 때문에 이름이 처음에는 혼란스러웠다고 설명했다. Facebook은 2013년 5월 29일 React를 오픈소스로 공개했지만, ReAct는 2022년 연구 “ReAct: Synergizing Reasoning and Acting in Language Models”와 연결된 별도의 언어모델 접근법이다.

ReAct는 추론과 행동을 결합한다. 언어모델이 무엇을 해야 할지 추론하고, 외부 환경에서 행동을 취한 뒤, 결과를 관찰하고 그 정보를 이용해 작업을 이어가는 방식이다. 저자는 이 루프를 “reason → act → observe → repeat”로 요약했으며, 추론과 행동이 종종 따로 연구되던 흐름 속에서 두 능력을 함께 연구한 야오 순위(Shunyu Yao)와 공동연구자들의 작업으로 거슬러 올라간다고 설명했다.

코데로는 OpenAI Build Week 동안 만든 Next.js 애플리케이션 Verity Lex가 자신이 공식 명칭을 알기 전 이미 모델 주도 ReAct 루프를 사용했다는 점을 깨달았다. Verity Lex는 AI 도구를 고르기 전에 법원이 AI 도입 준비가 됐는지 평가하도록 설계됐으며, 법원 웹사이트에서 정책이 PDF, 웹페이지, 찾기 어려운 행정 링크 형태로 나타날 수 있어 탐색 과정이 필요했다.

Verity Lex는 모델이 검색하고, 결과를 관찰하며, 그 의미를 추론하고, 다른 행동을 선택한 뒤, 충분한 증거를 모으거나 지정된 경계에 도달할 때까지 계속 진행하게 했다. 저장소는 컨트롤러를 모델 주도 ReAct 루프로 설명했으며, 저자는 이 프로젝트가 React와 ReAct를 같은 Next.js 애플리케이션 안에 배치했다고 말했다. React는 인터페이스를 렌더링했고, ReAct는 에이전트가 다음에 무엇을 해야 할지 정하는 데 도움을 줬다.

저자는 AI 도움을 받아 구축하는 일과 결과를 이해하지 못한 채 AI에 통제권을 넘기는 일을 구분했다. Verity Lex에는 PRD, 아키텍처, 의도적인 제한이 있었다. 적응성이 중요했기 때문에 모델은 탐색을 지시할 수 있었지만, 재현성이 중요했기 때문에 최종 준비도 점수는 결정할 수 없었다. 부족했던 부분은 아키텍처 일부를 설명할 공식 어휘와 연구 계보였다.

AWS AI & ML Scholars 프로그램은 정규 학습을 통해 그 어휘를 제공했다. 원문에 따르면 AWS는 2026년 Challenge 단계 학습자 100,000명을 후원했고, 상위 4,500명은 전액 지원 Udacity Nanodegree로 진출했다. Agent Developer 트랙은 추론 패턴, RAG(외부 검색으로 답변을 보강하는 방식), 도구, 메모리, API를 다룬다.

코데로는 AI 지원 구축과 정규 학습이 학습 과정에서 함께 작동한다고 주장했다. Verity Lex를 만들며 보안, 아키텍처, 비용, 신뢰성, 시스템 동작의 빈틈이 드러났고, AWS 과정은 이미 구현했던 아이디어에 이름과 구조를 부여했다. 저자의 결론은 더 분명했다. React는 프론트엔드에 남아 있고, ReAct는 에이전트가 다음 행동을 어떻게 결정하는지 설명한다.