apecloud/ApeRAG

ApeRAG: Production-ready GraphRAG with multi-modal indexing, AI agents, MCP support, and scalable K8s deployment

ApeRAG – 프로덕션급 RAG(Retrieval-Augmented Generation) 플랫폼

ApeRAG는 자체 문서를 검색하고 추론할 수 있는 AI 애플리케이션을 구축할 수 있는 오픈 소스 시스템입니다. 여러 검색 기술(벡터 유사성, 전체 텍스트, 그래프 기반, 요약 기반, 비전 기반)과 적절한 소스를 자동으로 선택하고 쿼리를 실행하여 자연어 답변을 반환하는 AI 에이전트를 결합합니다. 이 프로젝트는 FastAPI 백엔드, React 웹 UI 및 전체 Kubernetes/Helm 배포 스크립트를 제공하여 로컬 실험과 기업급 프로덕션 환경 모두에 적합합니다.

핵심 기능 (README에 설명된 대로)

기능	설명
하이브리드 인덱스 유형	5가지 내장 인덱스(벡터, 전체 텍스트, 그래프, 요약, 비전)를 제공하여 텍스트, 임베딩, 그래프 관계, 간결한 요약 또는 이미지 콘텐츠를 검색할 수 있습니다.
지능형 AI 에이전트	에이전트는 MCP(Model Context Protocol)를 통해 노출되며, 관련 컬렉션을 자동으로 발견하고, 하이브리드 검색을 실행하며, 웹 검색을 수행하여 질문에 답변할 수 있습니다.
엔티티 정규화가 포함된 그래프 RAG	대폭 수정된 LightRAG 엔진을 사용하여 중복 엔티티를 병합함으로써 더 깔끔한 지식 그래프와 더 나은 관계 추론을 생성합니다.
멀티모달 문서 처리	PDF, Word 파일, 표, 수식 및 이미지를 처리하며, 비전 지원을 통해 차트와 사진을 분석할 수 있습니다.
MinerU 문서 파서	복잡한 구조(표, 수식)를 추출하는 선택적 파싱 서비스(doc-ray)로, GPU 가속을 지원합니다.
프로덕션급 배포	PostgreSQL, Redis, Qdrant, Elasticsearch 및 Neo4j를 위한 Helm 차트 및 KubeBlocks 통합; 감사 로깅, 모델 관리 및 그래프 시각화가 포함됩니다.
MCP 통합	`/mcp/` 엔드포인트를 노출하여 외부 LLM 어시스턴트가 MCP를 사용하여 지식 베이스를 직접 쿼리할 수 있도록 합니다.
개발자 친화적인 스택	FastAPI 백엔드, 비동기 Celery 워커, React 프론트엔드, 방대한 문서 및 빠른 Docker-Compose 시작을 위한 Makefile.

일반적인 사용 사례

기업 지식 베이스 – 내부 문서, 매뉴얼 및 지원 티켓을 검색 가능한 AI 어시스턴트로 전환합니다.
제품 문서 포털 – 사용자가 자연어로 질문하고 PDF, 코드 문서 및 다이어그램에서 답변을 얻을 수 있도록 합니다.
연구 라이브러리 – 텍스트, 표 및 그림을 결합하여 에이전트가 관련 논문을 검색하고 결과를 요약할 수 있습니다.
고객 지원 봇 – FAQ, 채팅 로그 및 제품 이미지를 가로지르는 하이브리드 검색을 통해 정확하고 문맥을 파악한 답변을 제공합니다.

시작하기 (로컬 Docker-Compose)

git clone https://github.com/apecloud/ApeRAG.git
cd ApeRAG
cp envs/env.template .env               # API 키, DB 비밀번호 등을 설정합니다.
# 모든 서비스 시작 (API, 프론트엔드, 데이터베이스, 선택적 doc-ray)
docker-compose up -d --pull always

Web UI: http://localhost:3000/web/
OpenAPI 문서: http://localhost:8000/docs
MCP 클라이언트 구성 예제는 README에 제공되어 있습니다. 클라이언트를 http://localhost:8000/mcp/로 지정하고 API 키를 제공하기만 하면 됩니다.

프로덕션 배포 (Kubernetes)

K8s 클러스터 준비 (v1.20+), kubectl 및 Helm 3 설치.
데이터베이스 배포 – 기존 PostgreSQL/Redis/Qdrant/Elasticsearch 인스턴스를 사용하거나 제공된 KubeBlocks 스크립트로 실행합니다.

Helm 차트 설치:

helm install aperag ./deploy/aperag --namespace default --create-namespace

서비스 노출 – 포트 포워딩을 통해 테스트하거나 외부 트래픽을 위해 Ingress를 구성합니다.
선택적 doc-ray 서비스 – values.yaml에서 활성화(docray.enabled: true)하거나 리소스를 절약하기 위해 비활성화합니다.

이 차트는 필요한 모든 컨테이너(API, 프론트엔드, Celery 워커, doc-ray 등)를 처리하고 올바른 연결 문자열을 주입합니다.

확장 / 기여

저장소에는 로컬에서 코드베이스를 설정하고, 단위 테스트를 실행하며, 새로운 에이전트를 추가하는 방법을 안내하는 개발 가이드(docs/en-US/development-guide.md)가 포함되어 있습니다.
LightRAG 구성 요소는 MIT 라이선스 하에 오픈 소스로 제공되며, 수정 사항은 aperag/graph/changelog.md에서 추적됩니다.
커뮤니티 채널: Discord 및 Feishu QR 코드가 README에 나열되어 있습니다.

라이선스

Apache License 2.0 – 상업적 사용 및 수정을 허용하는 관대한 라이선스입니다.

결론: ApeRAG는 여러 검색 모달리티와 AI 에이전트를 결합한 풀스택 프로덕션 지향 RAG 플랫폼으로, 간단한 Docker-Compose 시작과 확장 가능한 Kubernetes 배포를 모두 제공합니다. 문서화가 잘 되어 있고 오픈 소스이며, 자체 호스팅 지식 베이스 어시스턴트가 필요한 기업에 적합합니다.