大規模言語モデル（LLM）の顕著な成果により，LLMエージェントに関する研究がますます活発になっている． しかし，LLMの推論方法は，複雑なタスクに対する探索空間の巨大的な増加、非効率的な計画、推論の一貫性の欠如、そして説明可能性の不足といったいくつかの課題がある． 本研究では、認知心理学と論理から着想を得たプランニングフレームワークを用いて、人間の問題解決能力を模倣するLLMエージェントを提案する． 具体的には，複雑なタスクを最も簡単なタスクにまで分解する手法である． Minecraftを用いた実験の結果により提案された方法がローレベルな動作生成との結合を容易にしたことを示した． さらに説明性の向上により人間と協力できるエージェントとしての可能性を示した．
