ModelEngine-Group/app-platform

AppPlatform – AI 기반 애플리케이션 구축을 위한 로우코드 플랫폼

소개 – Java 백엔드와 React 프론트엔드를 갖춘 플랫폼으로, 제품 팀과 엔지니어가 많은 보일러플레이트 코드 작성 없이 AI 지원 서비스(챗봇, RAG 파이프라인, 자율 에이전트 등)를 조립, 테스트 및 배포할 수 있습니다. 오픈 소스 FIT 프레임워크와 Waterflow 워크플로우 엔진을 기반으로 하며, 시각적 흐름 설계를 위해 ELSA 그래픽 편집기를 사용합니다.

주요 구성 요소

• 백엔드 – Java 17, 플러그인 기반 아키텍처 (FIT). AI 앱 생성, 디버깅 및 실행을 위한 application manager와 Java, Python 또는 기타 언어로 작성된 사용자 지정 연산자를 연결할 수 있는 function-node 시스템을 제공합니다. 실행은 Waterflow에 의해 오케스트레이션됩니다.
• 프론트엔드 – React 기능 컴포넌트. 시각적 로우코드 캔버스 (ELSA), 앱 마켓플레이스, JSON-Schema 기반 스마트 폼 빌더, 사용자 지정 확장을 업로드하기 위한 플러그인 관리자를 제공합니다.
• 로우코드 UI – 사용자는 웹 UI에서 노드를 드래그 앤 드롭하여 연결하고 모델 엔드포인트를 구성할 수 있습니다. 복잡한 코딩은 필요하지 않습니다.
• 멀티 모델 오케스트레이션 – 서로 다른 LLM을 단일 흐름 내에서 연결하여 RAG, 도구 호출 또는 에이전트 스타일의 상호 작용을 구현할 수 있습니다.
• 저장 및 재사용 – 완성된 앱, 함수 및 "도구"는 재사용 가능한 템플릿으로 저장되어 프로젝트 간에 공유할 수 있습니다.

시작하기

1. 사전 요구 사항 – Docker & Docker-Compose, 최소 2 CPU 코어, 4 GB RAM, PostgreSQL ≥ 14 (프로덕션용). 저장소의 docker/.env.example을 .env로 복사하고 모델 URL/API 키를 입력한 후 bash docker/deploy.sh를 실행합니다.
2. 플랫폼 실행 – 컨테이너가 실행되면 http://localhost:8001을 엽니다.
3. 로컬 개발 –
   • 백엔드: mvn clean install (전체 또는 증분) 실행 후 bash docker/dev-app-builder.sh로 핫 리로드합니다.
   • 프론트엔드: cd frontend && npm install && npm run build:prod (개발 모드는 npm run start). agent-flow 하위 프로젝트가 ELSA 기반 흐름 편집기를 빌드합니다.
4. 모델 구성 – UI의 Model Configuration 앱을 통해 LLM 엔드포인트와 API 키를 추가합니다.
5. 앱 생성 – App Development 페이지를 사용하여 빈 앱을 시작하고, 구성된 모델을 선택하고, ELSA로 워크플로우를 설계한 후 채팅 인터페이스를 테스트합니다.

보안 참고 사항 – 오픈 소스 배포판에는 플러그인 업로드에 대한 인증이 포함되어 있지 않습니다. 서비스를 공개적으로 노출하면 악의적인 플러그인이 허용될 수 있습니다. 사용자가 직접 인증 계층을 추가해야 합니다.

대상 사용자

• AI 기능을 빠르게 프로토타이핑하려는 제품 관리자.
• 반복 가능하고 버전 제어되는 워크플로우가 필요한 내부 AI 도구를 구축하는 엔지니어.
• LLM 기반 함수, RAG 파이프라인 또는 자율 에이전트를 위한 통합 저장소가 필요한 팀.

추가 정보 – 전체 문서는 docs/ 폴더에 있으며, 기여 가이드라인은 CONTRIBUTING.md에 있습니다. 기반이 되는 FIT/Waterflow/ELSA 프레임워크에 대한 링크는 README 전체에서 확인할 수 있습니다.