UltraRAG
GitHub - OpenBMB/UltraRAG: UltraRAG v3: A Low-Code MCP Framework for Building Complex and Innovative RAG Pipelines
RAG 框架， 轻量级 RAG
ai
关于 UltraRAG
UltraRAG 是由清华大学 THUNLP](https://nlp.csai.tsinghua.edu.cn/) 实验室、东北大学 NEUIR 实验室、OpenBMB 与 AI9stars 联合推出的首个基于 [Model Context Protocol (MCP) 架构设计的轻量级 RAG 开发框架。
专为科研探索与工业原型设计打造，UltraRAG 将 RAG 中的核心组件（Retriever、Generation 等）标准化封装为独立的 MCP Server ，配合 MCP Client 强大的流程调度能力，开发者仅需通过 YAML 配置，即可实现对条件分支、循环等复杂控制结构的精确编排。
UltraRAG UI
UltraRAG UI 突破了传统对话界面的边界，演进为集编排、调试与演示于一体的 可视化的 RAG 全流程集成开发环境。
系统内置强大的 Pipeline Builder，支持‘画布搭建’与‘代码编辑’的双向实时同步，并允许在线精细化调整 Pipeline 参数与 Prompt；更引入了 智能 AI 助手，深度辅助 Pipeline 结构设计、参数调优及 Prompt 生成的全开发流程。构建完成的逻辑流可 一键转化 为交互式对话系统，并无缝集成 知识库管理组件，支持用户构建专属知识库进行文档问答，真正实现了从底层逻辑构建、数据治理到应用部署的一站式闭环。
核心亮点
- 🚀 低代码编排复杂流程
- 推理编排 ：原生支持串行、循环与条件分支等控制结构。开发者仅需编写 YAML 配置文件，即可在数十行代码内实现复杂的迭代式 RAG 逻辑。
- ⚡ 模块化扩展与复现
- 原子化 Server ：基于 MCP 架构将功能解耦为独立 Server。新功能仅需以函数级 Tool 形式注册，即可无缝接入流程，实现极高的复用性。
- 📊 统一评测与基准对比
- 科研提效 ：内置标准化评测流程，开箱即用主流科研 Benchmark。通过统一指标管理与基线集成，大幅提升实验的可复现性与对比效率。
- ✨ 交互原型快速生成
- 一键交付 ：告别繁琐的 UI 开发。仅需一行命令，即可将 Pipeline 逻辑瞬间转化为可交互的对话式 Web UI，缩短从算法到演示的距离。