Repolode
投稿する
mfmezger

mfmezger/conversational-agent-langchain

Qdrantにドキュメントを埋め込み、セマンティック検索とハイブリッド検索を実行し、LLMで質問に回答する会話型RAGエージェントのFastAPIバックエンド。

GitHub で見る
スター
257
フォーク
44
未解決の Issue
9
最終コミット
8 日前

これは何？

検索拡張生成（RAG）チャットエージェント向けのRESTバックエンドです。ドキュメントをQdrantベクトルデータベースに埋め込み、セマンティック検索を行い、ドキュメントの内容に基づいて質問に回答できます。パイプラインはLangChainとLangGraphで構築されており、Google Gemini、Cohere、Azure OpenAIなどのプロバイダーのモデルを呼び出せます。さらに、LiteLLMを使って幅広いバックエンドに接続します。

バックエンドは、引用メタデータを含む/ragエンドポイントのほか、テキストのみのリクエストでストリーミングに対応するOpenAI互換の/v1/chat/completionsおよび/v1/responsesエンドポイントを提供します。CohereまたはローカルのFlashRankライブラリによるリランキングで検索結果を改善でき、ハイブリッド検索にはFastEmbed経由でBM25を使用します。Phoenixのトレーシングによりパイプラインの実行を記録し、取得したドキュメントや生成ステップを確認できます。

このリポジトリには、API、Qdrant、Streamlitフロントエンド、Phoenixをまとめて起動できるDocker Compose設定のほか、デモデータの読み込みスクリプトとテストスイートが含まれています。

主な機能

  • 01ドキュメントをQdrantに埋め込み、セマンティック検索とハイブリッド検索（BM25）を実行します。
  • 02LangGraphとLiteLLMを通じてLLMを利用し、ドキュメントに関する質問に回答します。
  • 03ストリーミングに対応したOpenAI互換のチャット補完・応答エンドポイントを提供します。
  • 04CohereまたはローカルのFlashRankによるリランキングに対応します。
  • 05Phoenixのトレーシングで検索と生成の各ステップを確認できます。

ユースケース

  • 独自のファイルを使ったドキュメント質問応答バックエンドの構築。
  • Gemini、Cohere、Ollamaのモデルを使ったRAGチャットサービスのプロトタイピング。
  • OpenAI SDKクライアントから、非公開のドキュメント根拠付きモデルエイリアスへの接続。
  • FastAPIとLangGraphを使ったRAGアプリケーションの構成方法の学習。

クイックスタート

  1. 1

    リポジトリをクローンする

    git clone https://github.com/mfmezger/conversational-agent-langchain.git
  2. 2

    プロジェクトディレクトリに移動する

    cd conversational-agent-langchain
  3. 3

    template.env をもとに .env ファイルを作成し、GEMINI_API_KEY と COHERE_API_KEY を設定する

  4. 4

    Docker Compose でシステム全体を起動する

    docker compose up -d

使う前に知っておきたいこと

  • すぐに実行するには、Google Gemini と Cohere の API キーが必要です。
  • セットアップには Docker と、Linux または Mac での qdrant 用 /etc/hosts エントリが必要です。
  • 一部の埋め込みプロバイダーは、拡張用のプレースホルダーにすぎません。

トピック

#rag#fastapi#langchain#langgraph#vector-database#qdrant#semantic-search#llm#ai#cohere

よくある質問

conversational-agent-langchain とは？
Qdrantにドキュメントを埋め込み、セマンティック検索とハイブリッド検索を実行し、LLMで質問に回答する会話型RAGエージェントのFastAPIバックエンド。 検索拡張生成（RAG）チャットエージェント向けのRESTバックエンドです。ドキュメントをQdrantベクトルデータベースに埋め込み、セマンティック検索を行い、ドキュメントの内容に基づいて質問に回答できます。パイプラインはLangChainとLangGraphで構築されており、Google Gemini、Cohere、Azure OpenAIなどのプロバイダーのモデルを呼び出せます。さらに、LiteLLMを使って幅広いバックエンドに接続します。
conversational-agent-langchain は無料で使えますか？ライセンスは？
conversational-agent-langchain は MIT 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。
conversational-agent-langchain 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。conversational-agent-langchain の最終コミットは 2026年10月30日 です。
conversational-agent-langchain は何に使えますか？
独自のファイルを使ったドキュメント質問応答バックエンドの構築。 Gemini、Cohere、Ollamaのモデルを使ったRAGチャットサービスのプロトタイピング。 OpenAI SDKクライアントから、非公開のドキュメント根拠付きモデルエイリアスへの接続。 FastAPIとLangGraphを使ったRAGアプリケーションの構成方法の学習。
conversational-agent-langchain のインストール方法は？
リポジトリをクローンする: git clone https://github.com/mfmezger/conversational-agent-langchain.git プロジェクトディレクトリに移動する: cd conversational-agent-langchain template.env をもとに .env ファイルを作成し、GEMINI_API_KEY と COHERE_API_KEY を設定する Docker Compose でシステム全体を起動する: docker compose up -d
conversational-agent-langchain 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/mfmezger/conversational-agent-langchain

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