ReAct Loop'u Derin İnceleme

ReAct (Yao et al., 2022) = Reasoning + Acting. Her turn'de model:

1. Thought: — durumu analiz et, ne yapılması gerek?
2. Action: — hangi tool, hangi parametrelerle?
3. Observation: — tool sonucu (model'in input'una eklenir)
4. Hedef tamamlandı mı? Hayır → 1'e dön.

Modern API'lerde: thought/action/observation explicit etiketle yazılmıyor — function calling native. Ama kavramsal model aynı: model bir tool çağırır, sen execute edersin, result'u dönersin, model tekrar düşünür.

Implementation iskelet (Python):

while not done and i < MAX_ITER:
    response = llm.create(messages, tools=tools)
    if response.stop_reason == "end_turn":
        done = True
    elif response.stop_reason == "tool_use":
        results = [execute(call) for call in response.tool_calls]
        messages.append(assistant_msg)
        messages.append(tool_results_msg)
    i += 1

Best practices: her tool call'dan ÖNCE model'i bir cümle thinking yapmaya zorla ("Açıklamadan tool çağırma"). Bu trajectory readability'sini ve debug'ı kolaylaştırır.