近日，清華大學 THUNLP 實驗室、東北大學 NEUIR 實驗室與 OpenBMB 及 AI9Stars 聯合發布了 UltraRAG2.0，這是首個基于 Model Context Protocol（MCP）架構設計的檢索增強生成(RAG)框架。

該框架致力于簡化 RAG 系統的構建過程，使科研人員可以在短時間內實現復雜的多階段推理系統。UltraRAG2.0的亮點在于用戶只需通過編寫 YAML 文件，即可輕松聲明復雜的邏輯，如串行、循環和條件分支，從而顯著減少代碼量，降低實現的門檻。

在當前的 RAG 發展趨勢中，許多系統逐漸融入了自適應知識組織、多輪推理及動態檢索等復雜特性，代表項目包括 DeepResearch 和 Search-o1。然而，這些復雜特性也給開發者帶來了高昂的工程成本，制約了新想法的快速迭代與復現。UltraRAG2.0應運而生，它通過將 RAG 的核心組件封裝為獨立的 MCP 服務器，實現了功能的靈活調用和擴展。

具體而言，與以往的實現方式相比，UltraRAG2.0在代碼量上大幅減少。例如，經典方法 IRCoT 的官方實現需要近900行代碼，而使用 UltraRAG2.0只需約50行代碼就能完成同等功能。其中一半的代碼是用于流程編排的 YAML 偽代碼，極大降低了開發門檻。框架支持通過簡潔的聲明式方式來構建多階段推理流程，使得復雜的推理邏輯不再需要冗長的手動編碼。

UltraRAG2.0還支持動態檢索、條件判斷及多輪交互等高級功能，科研人員可以在短時間內搭建出高性能的實驗平臺，滿足復雜多跳問題的需求。其性能較傳統的 Vanilla RAG 提升約12%。該系統的設計旨在讓研究者在工程實現方面節省時間和精力，將更多的注意力放在算法創新和實驗設計上。

此外，UltraRAG2.0的 MCP 架構允許不同模塊間的無縫復用，并支持模塊的靈活擴展和接入，方便科研人員快速適配新的模型和算法。這一設計極大提升了系統開發的效率和可復現性。

GitHub:https://github.com/OpenBMB/UltraRAG

項目主頁:https://openbmb.github.io/UltraRAG

劃重點: