모델, 임베딩, 벡터 저장소와 서드파티 통합을 위한 표준 인터페이스를 제공하는 LLM 기반 애플리케이션 및 에이전트 구축용 Python 프레임워크입니다.
run-llama/llama_index
자체 데이터와 LLM을 연결해 RAG, 에이전트, 문서 처리 애플리케이션을 구축하는 Python 프레임워크입니다.
- 스타
- 52,578
- 포크
- 8,387
- 열린 이슈
- 997
- 마지막 커밋
- 9시간 전
어떤 프로젝트인가요?
LlamaIndex는 자체 데이터를 기반으로 LLM 애플리케이션을 구축하기 위한 오픈 소스 Python 프레임워크입니다. 파일, API, 데이터베이스에서 데이터를 가져오는 데이터 커넥터와 검색에 적합하도록 데이터를 구성하는 벡터 스토어·그래프 등의 인덱스 구조, 검색된 컨텍스트를 LLM에 전달해 근거 있는 답변을 생성하는 쿼리 인터페이스를 제공합니다.
핵심 패키지인 llama-index-core는 LLM 공급자, 임베딩 모델, 벡터 스토어를 지원하는 다양한 통합 패키지로 확장할 수 있습니다. 개발자는 필요한 기능이 기본으로 포함된 llama-index 패키지로 시작하거나 필요한 통합 패키지만 설치할 수 있습니다. 고수준 API를 사용하면 초보자도 몇 줄의 코드로 벡터 인덱스를 만들고 쿼리할 수 있으며, 리트리버, 쿼리 엔진, 리랭커 같은 저수준 구성 요소는 원하는 대로 커스터마이징할 수 있습니다.
이 프로젝트에는 여러 단계를 거치는 애플리케이션을 위한 에이전트 및 워크플로 도구도 포함되어 있습니다. 프로젝트 관리진은 상용 제품의 주력 분야를 LlamaParse로 옮겼습니다. LlamaParse는 이 프레임워크와 함께 사용하거나 독립적으로 사용할 수 있는 호스팅 문서 파싱 및 추출 플랫폼입니다.
핵심 기능
- 01파일, API, 데이터베이스 및 기타 소스에서 데이터를 가져오는 커넥터.
- 02검색을 위해 데이터를 구성하는 벡터 스토어, 그래프 및 기타 인덱스 구조.
- 03검색된 컨텍스트를 LLM에 전달하는 쿼리 엔진과 리트리버.
- 04LLM, 임베딩, 벡터 스토어를 지원하는 300개 이상의 통합 패키지로 확장되는 모듈형 코어.
- 05여러 단계를 거치는 애플리케이션을 위한 에이전트 및 워크플로 도구.
- 06인덱스를 디스크에 저장해 다시 구축하지 않고 불러오는 기능.
활용 사례
- 사내 문서를 기반으로 질문에 답하는 챗봇 구축.
- 서로 다른 LLM 및 벡터 스토어 공급자를 바꿔 가며 사용할 수 있는 RAG 파이프라인 프로토타이핑.
- 도구를 호출하고 비공개 데이터 소스를 바탕으로 추론하는 에이전트 개발.
- LLM을 활용한 시맨틱 검색을 위해 PDF, 웹 페이지 또는 데이터베이스 인덱싱.
빠른 시작
- 1
스타터 패키지를 설치합니다
pip install llama-index - 2
OpenAI 키를 설정한 상태에서 문서에 대한 벡터 인덱스를 구축합니다
- 3
인덱스에 쿼리를 실행합니다
query_engine = index.as_query_engine()
사용 전 알아둘 점
- README에 따르면 현재 회사는 주로 LlamaParse에 집중하고 있어 오픈 소스 프레임워크에는 상대적으로 관심을 덜 기울이고 있습니다.
- Ollama와 같은 로컬 모델을 설정하지 않으면 기본 예제에서 OpenAI와 같은 유료 호스팅 LLM API를 호출합니다.
토픽
자주 묻는 질문
- llama_index은(는) 무엇인가요?
- 자체 데이터와 LLM을 연결해 RAG, 에이전트, 문서 처리 애플리케이션을 구축하는 Python 프레임워크입니다. LlamaIndex는 자체 데이터를 기반으로 LLM 애플리케이션을 구축하기 위한 오픈 소스 Python 프레임워크입니다. 파일, API, 데이터베이스에서 데이터를 가져오는 데이터 커넥터와 검색에 적합하도록 데이터를 구성하는 벡터 스토어·그래프 등의 인덱스 구조, 검색된 컨텍스트를 LLM에 전달해 근거 있는 답변을 생성하는 쿼리 인터페이스를 제공합니다.
- llama_index은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?
- llama_index은(는) MIT 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
- llama_index은(는) 아직 유지보수되고 있나요?
- 활발히 유지보수 중. llama_index의 마지막 커밋은 2026년 10월 20일입니다.
- llama_index은(는) 어디에 사용할 수 있나요?
- 사내 문서를 기반으로 질문에 답하는 챗봇 구축. 서로 다른 LLM 및 벡터 스토어 공급자를 바꿔 가며 사용할 수 있는 RAG 파이프라인 프로토타이핑. 도구를 호출하고 비공개 데이터 소스를 바탕으로 추론하는 에이전트 개발. LLM을 활용한 시맨틱 검색을 위해 PDF, 웹 페이지 또는 데이터베이스 인덱싱.
- llama_index는 어떻게 설치하나요?
- 스타터 패키지를 설치합니다: pip install llama-index OpenAI 키를 설정한 상태에서 문서에 대한 벡터 인덱스를 구축합니다 인덱스에 쿼리를 실행합니다: query_engine = index.as_query_engine()
- llama_index은(는) 어디서 받을 수 있나요?
- 소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/run-llama/llama_index
요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.
관련 프로젝트
프롬프트를 직접 작성하는 대신, 프롬프트와 가중치를 최적화하는 모듈형 코드와 알고리즘으로 언어 모델을 프로그래밍하는 Python 프레임워크입니다.
AI 에이전트와 워크플로를 시각적으로 구축하고 테스트·배포하며, API와 MCP 서버로 바로 노출할 수 있는 플랫폼입니다.
대화 전반에 걸쳐 사용자, 세션, 에이전트 컨텍스트를 저장하고 검색하는 AI 에이전트 및 앱용 메모리 레이어입니다.
대화 기록을 원문 그대로 저장하고 의미 검색으로 찾아주는 로컬 우선 AI 메모리 시스템으로, MCP 서버와 CLI를 제공합니다.
대화 기록만 재생하는 대신 기억을 저장·회상·성찰해 AI 에이전트가 시간이 지날수록 학습하도록 돕는 에이전트 메모리 시스템입니다.