由清华大学THUNLP实验室、东北大学NEUIR实验室联合OpenBMB与AI9Stars共同推出的 UltraRAG2.1 正式上线，标志着全球首个基于Model Context Protocol（MCP）架构的开源RAG框架诞生。该版本极大简化了多模态智能检索系统的搭建过程——开发者仅需编写数行YAML配置，无需编写任何代码，即可完成从数据接入到推理生成再到效果评估的全流程部署，显著降低技术门槛。

UltraRAG2.1 集成了检索（Retriever）、生成（Generation）与评估（Evaluation）一体化的处理流水线，不仅支持纯文本内容，还可高效处理图像、PDF等多模态信息。其独创的 VisRAG Pipeline 能直接读取本地PDF文件，自动提取文字内容与图表信息，并构建跨模态索引体系，实现“以图搜文、用文查图”的双向混合检索能力，广泛适用于科研文献解析、工程手册问答等高价值应用场景。

系统具备对Word、PDF、Markdown等多种文档格式的智能解析和语义切分功能，并深度集成开源文档解析工具MinerU，支持一键构建企业级私有知识库。整个流程无需人工预处理或标注数据，系统自动完成结构化转换，大幅提升知识管理效率。

Browse website - Crawls sites automatically and mounts pages as markdown files you can grep, diff, cat, and explore with standard Unix commands — over SSH or HTTP

将任意网站转换为文件系统，自动抓取网站并将页面挂载为 Markdown 文件，可使用 grep、diff、cat 等标准 Unix 命令进行搜索、比较、读取和浏览。

下载

UltraRAG2.1 提供端到端的可视化工作流界面，兼容主流检索引擎如Elasticsearch、FAISS，以及多种大语言模型包括Llama、Qwen、Kimi等。同时引入标准化评估模块，可从相关性、事实一致性、语言流畅性等多个维度量化输出质量，帮助开发者快速识别性能瓶颈并进行迭代优化。

不同于传统RAG系统依赖硬编码逻辑，UltraRAG2.1 基于模型上下文协议（MCP），将检索、推理、生成等组件解耦为独立且可复用的“智能体”单元，通过声明式的YAML配置即可灵活编排复杂任务流程。例如，仅需几行配置便可构建“先检索技术文档 → 调用代码生成模型 → 使用评估模块验证结果正确性”的三阶段自动化流程。

源码地址：点击下载