nageoffer/ragent

何を解決するか

Ragent AI は、単純な AI デモと企業向けの Agentic RAG（Retrieval-Augmented Generation）システムの間のギャップを埋める、本番環境対応の Java プラットフォームです。低精度の検索、モデルの不安定性、高コストなトークン使用、AI アプリケーションにおける観測性の欠如といった一般的な本番環境の課題に対処します。

動作方法

このプラットフォームは、専門的なエンジンに分かれたモジュール式の Java アーキテクチャを使用しています。2つの主要な相互作用モードをサポートしています：予測可能な Q&A 用の構造化ワークフロー（v1）と、ReAct エンジンによりモデルが知識検索、MCP ツール、または特定のスキルの使用を自律的に判断できる Agentic アーキテクチャ（v2）です。

主な技術的コンポーネントは以下の通りです：

• ハイブリッド検索：ベクトル、キーワード、知識グラフ、Web 検索を RRF フュージョンと再ランク付けで統合。
• クエリ理解：クエリマッピング、質問の再書き換え／分割、ツリー基準の意図認識を実装。
• モデル管理：モデルルーティング、最初のパケット検出、フェイルオーバー用の回路遮断機能。
• メモリとトラフィック：セッションメモリ用の永続的要約と、Redis を用いたフェアキューによる並行制御。
• 知識パイプライン：リモート更新とトレーサビリティを備えたオーケストラブルなインジェストパイプラインを提供。

対象ユーザー

• Java バックエンド開発者：Python に移行せずに AI エンジニアリングに進出したい方。
• 学生／就職活動中の開発者：ポートフォリオに高複雑度の非 CRUD プロジェクトを掲載し、AI とエンジニアリングスキルをアピールしたい方。
• 企業開発者：多テナント分離や観測性といった本番環境向けパターンの参考が必要な RAG システム開発者。

特徴

• Agentic ReAct エンジン：自律的なツール使用と複数ターンの推論をサポート。
• MCP 統合：リモートツール発見とスキーマ検証のための Model Context Protocol を実装。
• 本番環境対応インフラ：分散レート制限、RocketMQ を通じたトランザクションメッセージ、フルリンクトレーシングを含む。
• 包括的な管理コンソール：React で構築された管理パネルで、知識ベース、意図ツリー、RAG トレースを管理可能。
• 拡張性のある設計：Strategy、Factory、Adapter などの設計パターンを活用し、LLM、ベクトルデータベース、ストレージプロバイダーの容易な交換を可能にします。