Repolode
SynaLinks

SynaLinks/synalinks

RAGシステム、ツールを使うエージェント、MCPサーバーなど、LMベースのアプリを構築・学習・デプロイするKeras風のPythonフレームワーク。

スター
464
フォーク
47
未解決の Issue
1
最終コミット
4 時間前

これは何?

Synalinksは、RAGパイプライン、自律型エージェント、マルチエージェントシステムなどの言語モデルアプリケーションを構築するためのニューロシンボリックフレームワークです。プログラムは宣言的なKeras風APIでモジュールを組み合わせて作成でき、ディープラーニングのレイヤーと同じ構造をLMのワークフローにも適用できます。

おなじみのcompile、fit、evaluate、predict呼び出しを使い、インコンテキスト強化学習でプログラムを最適化できます。モデルの重みを変更せずに、プロンプト、few-shot例、その他の学習可能な変数をモジュールごとに調整します。出力はJSONデータモデルに制約でき、プログラムはJSONとして保存し、FastAPIを使ったREST APIまたはFastMCPを使ったMCPサーバーとしてデプロイできます。

このフレームワークはLiteLLM経由でモデル呼び出しをルーティングするため、OpenAI、Anthropic、Gemini、Ollamaなどのプロバイダーを文字列の識別子で切り替えられます。組み込みのグラフデータベースとSQLナレッジベース、エージェントのコード実行用サンドボックス環境、MLflowベースの可観測性コールバックも備えています。

主な機能

  • 01LMプログラムのモジュールをKeras風に組み合わせて構成。
  • 02モデルの重みを変えずにプロンプトやfew-shot例を調整するインコンテキスト強化学習。
  • 03データモデルで定義する、制約付きのJSON出力。
  • 04LiteLLM経由で多様なプロバイダーのモデルを切り替え。
  • 05FastAPIによるREST API、またはFastMCPによるMCPサーバーとしてデプロイ。
  • 06RAGやメモリ向けの組み込みグラフデータベースとSQLナレッジベース。

ユースケース

  • ドキュメントやリレーショナルデータを対象にした検索拡張生成システムの構築。
  • 構造化出力を使う、ツール利用エージェントやマルチエージェントのワークフローのプロトタイピング。
  • データセットと報酬関数を使った、タスク向けプロンプトの最適化。
  • LMプログラムをREST APIまたはMCPサーバーとして公開。

収録されている特集

トピック

よくある質問

synalinks とは?
RAGシステム、ツールを使うエージェント、MCPサーバーなど、LMベースのアプリを構築・学習・デプロイするKeras風のPythonフレームワーク。 Synalinksは、RAGパイプライン、自律型エージェント、マルチエージェントシステムなどの言語モデルアプリケーションを構築するためのニューロシンボリックフレームワークです。プログラムは宣言的なKeras風APIでモジュールを組み合わせて作成でき、ディープラーニングのレイヤーと同じ構造をLMのワークフローにも適用できます。
synalinks は無料で使えますか?ライセンスは?
synalinks は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
synalinks は今もメンテナンスされていますか?
活発にメンテナンス中。synalinks の最終コミットは 2026年11月7日 です。
synalinks は何に使えますか?
ドキュメントやリレーショナルデータを対象にした検索拡張生成システムの構築。 構造化出力を使う、ツール利用エージェントやマルチエージェントのワークフローのプロトタイピング。 データセットと報酬関数を使った、タスク向けプロンプトの最適化。 LMプログラムをREST APIまたはMCPサーバーとして公開。
synalinks はどこで入手できますか?
ソースコードとインストール手順は GitHub にあります:https://github.com/SynaLinks/synalinks

概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。

関連プロジェクト