عن المشروع

OpenRAG هي منصة شاملة ومتكاملة في حزمة واحدة لتوليد الاسترجاع المعزز (RAG)، مصممة للبحث الذكي في المستندات والمحادثات المدعومة بالذكاء الاصطناعي. تم بناؤها باستخدام FastAPI وNext.js، وتعمل بواسطة OpenSearch وLangflow وDocling. القدرات الرئيسية الموضحة في ملف README: - جاهزة للتشغيل ومُعبأة مسبقًا: الأدوات الأساسية مترابطة بحيث يمكن للمستخدمين التثبيت والبدء بسرعة. - سير عمل RAG وكيلي: تنسيق مع إعادة الترتيب والتنسيق متعدد الوكلاء. - استيعاب المستندات: تحليل البيانات الواقعية غير المنظمة عبر Docling. - منشئ سير عمل بالسحب والإفلات: واجهة مرئية مدعومة بـ Langflow للتكرار السريع. - إضافات مؤسسية معيارية وبحث مؤسسي على نطاق واسع عبر OpenSearch. سير العمل النموذجي: تشغيل OpenRAG، إضافة ملفات أو مجلدات كمعرفة، ثم الدردشة مع تلك المعرفة عبر واجهة محادثة مدعومة بنماذج اللغة الكبيرة والبحث الدلالي. تشمل خيارات التكامل SDKs رسمية بلغة Python وTypeScript/JavaScript (openrag-sdk) للدردشة والبحث البرمجي، بالإضافة إلى خادم Model Context Protocol (MCP) مدمج عبر HTTP قابل للبث مثبت على /mcp. يمكن لعملاء MCP مثل Cursor وClaude Desktop الاتصال باستخدام مفتاح API الخاص بـ OpenRAG عبر رأس X-API-Key؛ يلاحظ ملف README أن حزمة openrag-mcp المستقلة على PyPI لم تعد مدعومة لصالح نقطة النهاية /mcp. يكشف خادم MCP عن أدوات للدردشة المعززة بـ RAG والبحث الدلالي واستيعاب المستندات وفلاتر المعرفة وإدارة الإعدادات. تشمل مسارات التثبيت الموثقة بدءًا سريعًا، وتثبيت حزمة OpenRAG بلغة Python، ونشر الخدمات المُدارة ذاتيًا باستخدام Docker أو Podman. توجد إرشادات التطوير والمساهمة في ملف CONTRIBUTING.md، مع استكشاف الأخطاء وإصلاحها والمناقشات المتاحة عبر وثائق المشروع وصفحات GitHub.