
대규모 언어 모델(LLM)의 활용이 늘어나면서, Retrieval-Augmented Generation(RAG) 시스템은 연구와 개발 현장에서 중요한 역할을 차지하고 있습니다. 그러나 기존 RAG 시스템은 점점 더 복잡해지고 있으며, 이를 구현하고 실험하기 위해서는 많은 코드와 높은 엔지니어링 비용이 필요했습니다.
이 문제를 해결하기 위해 THUNLP, NEUIR, OpenBMB, AI9stars가 공동으로 개발한 UltraRAG 2.0은 등장했습니다. UltraRAG 2.0은 단 몇십 줄의 코드와 YAML 파일만으로 복잡한 RAG 워크플로우를 구축할 수 있도록 지원하며, 연구자들이 아이디어와 실험에 더 집중할 수 있게 도와줍니다.
이 글에서는 UltraRAG 2.0의 개념, 특징, 그리고 연구자에게 주는 가치를 정리해 보겠습니다.

UltraRAG 2.0 개요
UltraRAG 2.0은 Model Context Protocol(MCP) 아키텍처를 기반으로 설계된 최초의 RAG 프레임워크입니다. MCP 아키텍처는 클라이언트–서버 구조를 채택하여, RAG 시스템의 핵심 모듈(검색, 생성, 평가 등)을 독립적인 MCP 서버로 캡슐화합니다. 이 덕분에 서로 다른 프로젝트 간에도 모듈을 쉽게 재사용할 수 있으며, 새로운 기능을 “핫플러그” 방식으로 추가할 수 있습니다.
즉, UltraRAG 2.0은 복잡한 RAG 시스템을 단순하고 유연하게 구현할 수 있는 기반을 제공합니다.
주요 특징
1. 저코드 기반 파이프라인 구축
UltraRAG 2.0은 순차 실행, 반복(loop), 조건 분기 등 다양한 추론 제어 구조를 네이티브하게 지원합니다. 개발자는 단순히 YAML 파일만 작성하면 여러 단계의 RAG 워크플로우를 구성할 수 있으며, 수십 줄의 코드만으로도 복잡한 파이프라인을 구현할 수 있습니다.
예를 들어, 연구자가 새로운 검색 전략을 실험하고 싶다면 복잡한 코드를 추가 작성할 필요 없이 YAML 스크립트에 단계 정의만 하면 됩니다.
2. 모듈화와 확장성
UltraRAG 2.0의 모든 기능 모듈은 MCP 서버로 구현되어 독립적이면서도 재사용이 가능합니다.
- 필요 시 기존 모듈을 그대로 재사용
- 새로운 기능을 서버 단위로 추가
- 각 서버의 기능은 Tool 인터페이스로 등록되어 전체 워크플로우에 쉽게 통합
외부 MCP 서버 호출도 지원하므로, 파이프라인을 손쉽게 확장할 수 있습니다. 이로써 연구자는 자신만의 알고리즘이나 모델을 빠르게 통합할 수 있습니다.
3. 통합 평가 및 비교 시스템
UltraRAG 2.0은 연구자들이 실험 결과를 체계적으로 평가할 수 있도록 17개의 주요 벤치마크를 내장하고 있습니다.
- 표준화된 평가 워크플로우 제공
- 최신 베이스라인 지속 통합
- 리더보드 형태의 결과 제공
이를 통해 연구자는 다양한 접근 방식을 손쉽게 비교·분석하고 최적의 실험 조건을 탐색할 수 있습니다.
MCP 아키텍처와 워크플로우 제어
UltraRAG 2.0의 핵심은 MCP 아키텍처와 네이티브 워크플로우 제어 기능입니다.
기존 RAG 시스템은 구현 방식의 차이로 인해 모듈 간 인터페이스가 표준화되지 않아 재사용성이 떨어졌습니다. 그러나 MCP는 대규모 언어 모델이 컨텍스트를 활용하는 방식을 표준화하여, 모듈 간 호환성을 높였습니다.
UltraRAG 2.0에서는 검색, 생성, 평가 등의 기능을 MCP 서버로 분리하고, MCP 클라이언트를 통해 YAML로 정의된 워크플로우를 제어합니다. 연구자는 코드에 깊이 들어가지 않고도 마치 프로그래밍 언어의 루프나 조건문을 다루듯, 선언적으로 멀티스테이지 추론 파이프라인을 설계할 수 있습니다.
연구자에게 주는 가치
UltraRAG 2.0은 단순히 코드를 줄이는 도구가 아닙니다.
- 실험 속도 향상: 새로운 아이디어를 빠르게 구현하고 실험할 수 있습니다.
- 재현성 확보: 표준화된 워크플로우와 평가 체계 덕분에 실험을 쉽게 재현할 수 있습니다.
- 확장성 보장: 새로운 모듈을 무리 없이 통합할 수 있습니다.
- 안정성 유지: 전반적인 시스템 구조는 안정적으로 유지하면서도 세부 기능은 자유롭게 교체할 수 있습니다.
결국, UltraRAG 2.0은 연구자가 아이디어 검증에만 집중할 수 있는 환경을 제공합니다.
RAG 시스템은 점점 복잡해지고 있지만, UltraRAG 2.0은 이를 단순하게 만드는 새로운 접근을 제시합니다. MCP 아키텍처를 기반으로 한 모듈화, 저코드 파이프라인, 통합 평가 시스템은 연구자들에게 더 빠른 실험과 안정적인 검증 환경을 보장합니다.
앞으로 UltraRAG 2.0은 RAG 연구의 표준 도구로 자리잡을 가능성이 높습니다. 복잡한 코딩에 시간을 낭비하기보다, 더 창의적이고 혁신적인 아이디어를 탐구하는 데 집중할 수 있는 길을 열어주기 때문입니다.
UltraRAG/docs/README-English.md at main · OpenBMB/UltraRAG
#Less Code, #Lower Barrier, #Faster Deployment!MCP-based low-code RAG framework, enabling researchers to build complex pipelines to creative innovation. - OpenBMB/UltraRAG
github.com

'인공지능' 카테고리의 다른 글
| LLM API 비용 절감과 성능 향상을 동시에 실현하는 GPTCache 완전 분석 (0) | 2025.09.07 |
|---|---|
| Alex, OpenAI와 만나다: Xcode AI 에이전트의 새로운 도약 (0) | 2025.09.07 |
| 빠른 개발의 함정, 그리고 Kiro가 제시하는 Spec-Driven Development (0) | 2025.09.07 |
| AI와 애자일(Agile)의 만남: 개발자가 본질에 집중할 수 있는 방법 (0) | 2025.09.06 |
| AgentScope: LLM 기반 에이전트 애플리케이션 개발을 위한 새로운 패러다임 (0) | 2025.09.06 |