langchain-ai/langconnect
A managed RAG API server.
해결하는 문제
LangConnect는 REST API를 통해 문서 컬렉션 관리와 의미적 검색을 간소화하는 즉시 사용 가능한 RAG(Retrieval-Augmented Generation) 서비스를 제공합니다.
작동 방식
FastAPI를 사용하여 데이터 관리를 위한 REST 엔드포인트를 노출합니다. 저장소로는 PostgreSQL과 pgvector 확장 기능을 사용하여 문서와 해당 벡터 임베딩을 저장하며, 효율적인 의미적 검색 기능을 가능하게 합니다.
대상 사용자
Docker 호환, 확장 가능한 RAG 백엔드가 필요하고, 인프라를 처음부터 구축하지 않아도 되는 개발자들입니다.
주요 특징
- 컬렉션 및 문서 관리용 REST API
- PostgreSQL과 pgvector로 구동되는 벡터 저장소
- Docker 및 Docker Compose 지원으로 빠른 배포 가능
- 내장된 의미적 검색 기능
관련
- 프로젝트
danny-avila/rag_apipgvector 또는 MongoDB를 사용하는 비동기 FastAPI 기반 RAG API로, ID 기반 문서 인덱싱 및 검색을 제공하며 내장된 소유권 보안 기능을 갖추고 있습니다.
- 프로젝트
mudler/LocalRecallGPU나 인터넷 연결, 클라우드 서비스 없이도 AI 에이전트가 로컬에서 장기 및 단기 기억을 처리할 수 있도록 하는 가벼우면서도 오프라인 가능한 RESTful API입니다.
- 프로젝트
langflow-ai/openrag인텔리전트 에이전트 기반 문서 검색 플랫폼으로, 사용자가 채팅 인터페이스를 통해 문서를 업로드, 처리하고 RAG를 사용해 질의할 수 있습니다.
- 프로젝트
rag-web-ui/rag-web-ui사용자가 자체 문서 지식베이스와 LLM을 결합하여 Retrieval-Augmented Generation(RAG)을 활용해 맞춤형 Q&A 서비스를 구축할 수 있는 지능형 대화 시스템.
- 프로젝트
shinpr/mcp-local-rag외부 API 없이 사내 문서(PDF, DOCX, Markdown, TXT)를 인덱싱하고, MCP 또는 CLI를 통해 하이브리드 의미 및 키워드 검색을 제공하는 로컬 RAG 시스템.