#agentic-rag 저장소
#agentic-rag 태그가 지정된 GitHub의 활성 오픈 소스 저장소 35개를 확인해 보세요. 총 308,339개의 스타를 획득했으며 프로젝트당 평균 8,809개입니다. 이 주제를 이끄는 저장소는 80,667개의 스타를 받은 microsoft/ai-agents-for-beginners입니다.
저장소 총 35개
이 저장소는 Retrieval-Augmented Generation (RAG) 시스템의 다양한 고급 기술을 소개합니다. 각 기술에는 상세한 노트북 튜토리얼이 있습니다.
컨텍스트 엔지니어링이 적용된 프로덕션 준비 LLM 애플리케이션을 구축하기 위한 오픈소스 AI 오케스트레이션 프레임워크. 검색, 라우팅, 메모리, 생성에 대해 명시적 제어를 제공하는 모듈식 파이프라인 및 에이전트 워크플로를 설계하세요. 확장 가능한 에이전트, RAG, 멀티모달 애플리케이션, 시맨틱 검색, 대화형 시스템용으로 구축되었습니다.
Deeplake는 에이전트를 위한 AI 데이터 런타임입니다. 서버리스 PostgreSQL과 멀티모달 데이터 레이크를 제공하여 확장 가능한 검색 및 훈련을 가능하게 합니다.
프라이빗 배포가 가능한 멀티테넌트 지식 에이전트 플랫폼: 통합 RAG, 지식 그래프, 멀티 에이전트, MCP/Skills, 샌드박스 및 권한 관리. Yuxi = 클라우드 에이전트 + 지식 RAG, RAG, 지식 그래프 및 멀티 에이전트 워크플로를 위한 셀프 호스팅 지식 에이전트 플랫폼.
Nexent는 Harness 엔지니어링 원칙을 사용하여 생산 등급 AI 에이전트를 자동 생성하는 제로코드 플랫폼입니다 — 통합 도구, 기술, 메모리 및 오케스트레이션, 내장된 제약 조건, 피드백 루프 및 제어 평면이 포함됩니다.
엔터프라이즈급 Agentic RAG 지능체 - 전체 체인 커버: 문서 파싱, 다중 검색, 의도 인식, 질문 재작성, 대화 메모리, MCP 도구 호출 및 심층 사고. 실제 비즈니스 시나리오 지향, 0에서 1까지 완전한 엔지니어링 구현.
LangGraph로 구축된 모듈식 Agentic RAG — 몇 분 만에 Retrieval-Augmented Generation 에이전트를 배워보세요.
AI 에이전트와 엔터프라이즈 AI 검색을 위한 오픈 소스 컨텍스트 레이어입니다. Slack, Drive, Jira, GitHub, Microsoft 365를 포함한 30개 이상의 소스에서 MCP, SDK, 기본 제공 에이전트를 통해 사용자와 에이전트에 권한을 반영한 검색과 출처가 포함된 답변을 제공합니다. 자체 호스팅 또는 클라우드로 이용할 수 있습니다.
RAG 조립: GraphRAG, LightRAG, Neo4j-llm-graph-builder를 수동으로 조립 및 융합하여 지식 그래프를 구축하고 검색합니다. DeepSearch 기술을 통합하여 개인 도메인 RAG 추론을 구현합니다. GraphRAG를 위한 자체 평가 프레임워크를 제작했습니다.
Azure의 AI 에이전트 애플리케이션을 위한 엔터프라이즈급 랜딩 존입니다. Microsoft Foundry와 Microsoft Agent Framework를 기반으로 제로 트러스트 네트워킹, 관찰 가능성 및 IaC를 제공하며, 보안 인프라, 에이전트 앱 또는 둘 다를 배포할 수 있습니다.
AuditPilot: 증거 기반 워크플로우, 관리 도구, 평가 하네스, 인간 검토 및 시정 조치 전달을 위한 감사 가능한 엔터프라이즈 AI 에이전트.
Nuwax Agent OS - 기업용 AI 에이전트 개발 및 운영 플랫폼 - 에이전트 생성 및 배포, 지식 베이스 관리, 모델 프록시, 메모리 시스템, 플러그인 생태계를 위한 완벽한 솔루션을 제공합니다.
LangGraph 실습 코스 저장소: Agentic RAG, ReAct, 반성 워크플로를 사용한 프로덕션급 LLM 에이전트 구축.
LLM, LangChain 및 LangGraph를 사용하여 주가 데이터 및 뉴스를 검색하는 풀스택 애플리케이션
지능형 대화, 문서 지식 기반 질의응답, 인터넷 검색, RAG 검색, MCP 도구 프로토콜, Skills 확장 등 완전한 기능을 제공하는 엔터프라이즈급 AI 에이전트 플랫폼입니다. 3계층 실행기 체계, 이중 채널 하이브리드 검색, 조합형 청킹 엔진, 대화 메모리 관리, 엔드투엔드 관측 가능성을 갖추고 있으며, 모든 구성 요소가 심도 있게 설계되고 체계적인 엔지니어링을 통해 정교하게 다듬어졌습니다.
RAGLight는 검색 증강 생성(RAG)을 위한 모듈식 프레임워크입니다. 다양한 LLM, 임베딩 및 벡터 스토어를 쉽게 연결할 수 있으며, 이제 외부 도구 및 데이터 소스에 연결하기 위한 원활한 MCP 통합 기능을 포함합니다.
로컬 및 셀프 호스팅 문서 검색을 위한 에이전틱 RAG: 임베디드 LanceDB 기반 하이브리드 검색, 재순위화 및 멀티모달 RAG, Docling 파싱 및 MCP 서버 포함
YT Navigator: AI 에이전트를 사용하여 채널 동영상을 검색하고 채팅할 수 있는 AI 기반 YouTube 콘텐츠 탐색기입니다. 의미론적 검색과 정확한 타임스탬프를 통해 몇 초 만에 몇 시간 분량의 콘텐츠에서 통찰력을 추출합니다.
Healthy Diet AI Agent는 영양 채팅, 음식 이미지 분석, RAG 문서 수집 및 지식 기반 식이 지침을 위한 Bun + TypeScript 백엔드입니다.
ChatGPT와 NotebookLM을 대체하는 오픈 소스 셀프 호스팅 AI 워크스테이션. 에이전트, 스킬, MCP, 출처가 명시된 지식을 한곳에서 이용하세요. 내 모델, 내 인프라. 공개 MCP 서버 및 에이전트 스킬 디렉터리를 포함합니다.
자주 묻는 질문
GitHub에서 가장 인기 있는 #agentic-rag 저장소는 무엇인가요?
GitHub에서 가장 높은 순위의 오픈 소스 #agentic-rag 프로젝트는 80,667개의 스타를 받은 microsoft/ai-agents-for-beginners입니다. AI 에이전트 구축을 시작하기 위한 18가지 강의
#agentic-rag 저장소에서 가장 많이 사용되는 프로그래밍 언어는 무엇인가요?
GitHub에서 순위가 가장 높은 #agentic-rag 프로젝트 중 가장 일반적으로 사용되는 프로그래밍 언어는 Python, TypeScript, Jupyter Notebook, Java입니다.
#agentic-rag 저장소 순위는 어떻게 계산되나요?
#agentic-rag 태그가 지정된 활성 오픈 소스 저장소(35개, 스타 500개 이상)를 추적하고 있습니다. 총 스타 수는 308,339개이며 저장소당 평균 8,809개입니다. 순위는 GitHub API를 통해 매일 업데이트됩니다.