ドキュメントをアップロードするだけでAI検索チャットが完成！オールインワンRAGプラットフォーム — openrag

アーキテクチャ・技術スタック

• バックエンド: FastAPI（Python製の高速Webフレームワーク）
• フロントエンド: Next.js（ReactベースのWebフレームワーク）
• 検索エンジン: OpenSearch — エンタープライズ規模に対応するプロダクショングレードの検索基盤
• ワークフロー: Langflow — ドキュメント取り込み、検索ワークフロー、インテリジェントなナッジ（提案）を担当
• 文書解析: Docling — PDF等の複雑な実世界のドキュメントをインテリジェントに解析

主要機能一覧

• プリパッケージ構成: コアツールがすべて接続済みで、インストール後すぐに実行可能
• エージェント型RAGワークフロー: リランキング（検索結果の再順位付け）やマルチエージェント連携による高度なオーケストレーション
• ドキュメント取り込み: 乱雑な実世界データにも対応するインテリジェントなパース処理
• ドラッグ＆ドロップ ワークフロービルダー: Langflowによるビジュアルインターフェースで素早くワークフローを構築・変更
• モジュラー型エンタープライズアドオン: 必要に応じて機能を拡張可能
• スケーラブルなエンタープライズ検索: OpenSearchによるあらゆる規模に対応する検索

SDK・連携

Python SDK

import asyncio
from openrag_sdk import OpenRAGClient

async def main():
    async with OpenRAGClient() as client:
        response = await client.chat.create(message="What is RAG?")
        print(response.response)

asyncio.run(main())

TypeScript/JavaScript SDK

import { OpenRAGClient } from "openrag-sdk";
const client = new OpenRAGClient();
const response = await client.chat.create({ message: "What is RAG?" });

MCP（Model Context Protocol）連携

• Cursor、Claude DesktopなどのAIアシスタントからOpenRAGのナレッジベースに直接アクセス可能
• RAG強化チャット、セマンティック検索、設定管理のツールを提供
• uvx openrag-mcpコマンドでMCPサーバーとして起動

デプロイオプション

• Pythonパッケージ: uv run openragで起動
• Docker / Podman: セルフマネージドサービスとしてコンテナデプロイ

開発・コントリビューション

• CONTRIBUTING.mdにて開発環境のセットアップ手順を公開
• GitHubのDiscussionsページでコミュニティサポート
• Issuesページでバグ報告・機能リクエストを受付

クイックスタート

詳細は公式ドキュメントを参照してください。

1. OpenRAGを起動

uv run openrag

2. ドキュメントを追加 — ファイルやフォルダをアップロードしてナレッジとして登録

3. チャット開始 — AIに質問してドキュメントの内容について回答を得る

Python SDKのインストール

pip install openrag-sdk

TypeScript/JavaScript SDKのインストール

npm install openrag-sdk

MCP連携（Cursor/Claude Desktop用）

pip install openrag-mcp

Docker/Podmanでのデプロイも対応しています。詳しくは https://docs.openr.ag/docker を参照してください。