基于 MCP 架构的低代码 RAG 框架再升级

UltraRAG 由清华 THUNLP、东北大学 NEUIR、OpenBMB 与 AI9stars 联合推出，是首个基于模型上下文协议（MCP）架构设计的轻量级 RAG 开发框架。它将检索、生成等核心组件抽象为独立的 MCP Server，再由 MCP Client 负责工作流编排，使研究者无需从零搭建底层链路，便可专注于算法与思路创新。

2026 年 1 月发布的 3.0 版本以「拒绝黑盒开发，让每一行推理逻辑清晰可见」为核心理念，对整套框架进行了系统性升级。开发团队同时开源了配套的 AgentCPM-Report 8B 本地写作智能体，面向 DeepResearch 场景提供端侧推理能力，进一步丰富了框架的多场景适配空间。

在可视化层面，UltraRAG UI 已升级为一站式的 RAG 集成开发环境，融合了可视化编排、调试与演示能力。其内置的 Pipeline Builder 支持「画布搭建」与「代码编辑」双向实时同步，允许在线精细调整流水线参数与提示词，并配备贯穿全生命周期的 AI 助手，涵盖结构设计、调参与提示词生成。

在编程接口层面，UltraRAG 提供顺序、循环、条件分支等原生控制结构，开发者只需编写数十行 YAML 配置即可实现复杂的迭代式 RAG 流程。框架采用函数级 Tools 的原子化注册方式，新增能力可像插件一样挂载到既有工作流中，从而显著降低模块复用与跨项目迁移的成本。

为提升研究可复现性，UltraRAG 内置标准化评测工作流与统一指标管理，并预先集成主流研究基准与基线模型，方便团队快速完成横向对比。完成编排后，用户可执行单条命令将流水线转化为可交互的 Web 对话界面，缩短从算法验证到成果展示的链路。

部署方面，官方提供本地源码与 Docker 容器两种方式，推荐使用 uv 进行依赖管理；同时区分核心、检索、生成、全量等安装模式，便于用户按需精简依赖。配合统一的知识库管理组件，UltraRAG 可在文档问答与企业知识场景下快速落地原型。

要点

• UltraRAG 是首个基于 MCP 架构的轻量级 RAG 框架，由清华、东北大学、OpenBMB 与 AI9stars 联合推出，主打低代码与可复现研究流程。
• 3.0 版本强调推理链路透明化，搭配可视化 IDE、Pipeline Builder 与 AI 助手，编排、调试、展示可在同一界面完成。
• 通过 YAML 即可编排顺序、循环、条件分支等复杂控制结构，模块以函数级 Tools 形式注册，复用与扩展成本极低。
• 内置统一评测与主流基准，支持一键将流水线转换为可交互 Web 对话界面，便于算法验证与成果演示。
• 提供源码与 Docker 双部署路径，配合 uv 依赖管理和模块化 extras，可按需安装检索、生成等子模块。