ModelEngine-Group/app-platform

AppPlatform – AI駆動型アプリケーション構築のためのローコードプラットフォーム

概要 – JavaバックエンドとReactフロントエンドを備えたプラットフォームで、製品チームやエンジニアが大量のボイラープレートコードを書くことなく、AI対応サービス（チャットボット、RAGパイプライン、自律エージェントなど）を組み立て、テストし、デプロイできます。オープンソースの FIT フレームワークと Waterflow ワークフローエンジンを基盤とし、視覚的なフロー設計には ELSA グラフィカルエディタを使用しています。

主要コンポーネント

• バックエンド – Java 17、プラグインベースのアーキテクチャ (FIT)。AIアプリの作成、デバッグ、実行を行う application manager と、Java、Python、その他の言語で書かれたカスタム演算子をプラグインできる function-node システムを提供します。実行は Waterflow によってオーケストレーションされます。
• フロントエンド – React 関数コンポーネント。視覚的なローコードキャンバス (ELSA)、アプリマーケットプレイス、JSON-Schema駆動のスマートフォームビルダー、カスタム拡張機能をアップロードするためのプラグインマネージャーを提供します。
• ローコード UI – ユーザーはWeb UI上でノードをドラッグ＆ドロップして接続し、モデルエンドポイントを設定できます。高度なコーディングは不要です。
• マルチモデルオーケストレーション – 異なるLLMを単一のフロー内で連鎖させることができ、RAG、ツール呼び出し、エージェントスタイルの対話を実現します。
• 保存と再利用 – 完成したアプリ、関数、「ツール」は再利用可能なテンプレートとして保存され、プロジェクト間で共有できます。

開始方法

1. 前提条件 – Docker & Docker-Compose、少なくとも2 CPUコア、4 GB RAM、PostgreSQL ≥ 14（本番環境用）。リポジトリ内の docker/.env.example を .env にコピーしてモデルURL/APIキーを入力し、bash docker/deploy.sh を実行します。
2. プラットフォームの実行 – コンテナ起動後、http://localhost:8001 を開きます。
3. ローカル開発 –
   • バックエンド：mvn clean install（フルまたはインクリメンタル）を実行後、bash docker/dev-app-builder.sh でホットリロードします。
   • フロントエンド：cd frontend && npm install && npm run build:prod（開発モードは npm run start）。agent-flow サブプロジェクトがELSAベースのフローエディタをビルドします。
4. モデルの設定 – UIの Model Configuration アプリから、LLMエンドポイントとAPIキーを追加します。
5. アプリの作成 – App Development ページを使用して空のアプリを開始し、設定したモデルを選択し、ELSAでワークフローを設計してチャットインターフェースをテストします。

セキュリティ上の注意 – オープンソースのデプロイメントにはプラグインアップロード用の認証が含まれていません。サービスを公開すると悪意のあるプラグインがアップロードされる可能性があります。ユーザー自身で認証レイヤーを追加することが想定されています。

想定ユーザー

• AI機能を迅速にプロトタイプしたいプロダクトマネージャー。
• 反復可能でバージョン管理されたワークフローを必要とする社内AIツールを構築するエンジニア。
• LLM駆動関数、RAGパイプライン、自律エージェントのための統一されたストアを求めるチーム。

詳細情報 – 完全なドキュメントは docs/ フォルダにあり、貢献ガイドラインは CONTRIBUTING.md に記載されています。基盤となる FIT/Waterflow/ELSA フレームワークへのリンクは README 全体に記載されています。