화학 반응 조건 추천은 화학 반응에 적절한 반응 조건 파라미터를 선정하는 것으로, 화학 과학의 발전을 가속화하는 데 핵심적인 역할을 한다. 대규모 언어 모델(LLM)의 급속한 발전과 함께, 이러한 모델의 추론 및 계획 능력을 활용하여 반응 조건을 추천하는 데 대한 관심이 점점 증가하고 있다. 그러나 기존의 방법들은 추천된 반응 조건의 근거를 거의 설명하지 못하며, 이는 고위험 과학적 업무 흐름에서의 활용도를 제한하고 있다. 본 연구에서는 반응 조건 예측을 근거 기반 추론 문제로 재정의하는 다중 에이전트 시스템인 ChemMAS를 제안한다. ChemMAS는 반응 메커니즘 기반 설정, 다중 채널 기억 검색, 제약 조건 인지형 에이전트 토론, 근거 통합이라는 네 단계로 작업을 분해한다. 각 결정은 화학 지식과 검색된 사례에 기반한 해석 가능한 근거에 의해 뒷받침된다. 실험 결과, ChemMAS는 분야별 기준 모델 대비 2035%의 성능 향상을 달성하였으며, 일반 목적 LLM보다 Top-1 정확도에서 1015% 우수한 성능을 보였다. 동시에 검증 가능한, 인간이 신뢰할 수 있는 근거를 제공함으로써, 과학적 발견 분야에서 설명 가능한 인공지능의 새로운 패러다임을 제시한다.