Molayo

© 2026 Molayo

HN중요요약2026. 04. 24. 14:48

프로덕션급 RAG를 위한 오픈소스 프레임워크, R2R 소개

요약

R2R은 RESTful API 기반의 고급 AI 검색 시스템으로, 프로덕션 환경에 최적화된 Retrieval-Augmented Generation (RAG) 기능을 제공합니다. 단순 검색을 넘어 멀티모달 콘텐츠 수집(Ingestion), 하이브리드 검색(Hybrid Search), 지식 그래프(Knowledge Graphs), 그리고 복잡한 추론이 가능한 에이전트형 RAG (Agentic RAG)까지 지원합니다. 개발자는 이 프레임워크를 통해 기업용 수준의 문맥 인식 답변 시스템을 쉽게 구축할 수 있습니다.

핵심 포인트

  • R2R은 RESTful API를 중심으로 설계되어, 다양한 언어(Python/JavaScript)에서 접근 가능한 표준화된 인터페이스를 제공합니다.
  • 단순 검색(`client.retrieval.search`)부터 인용 기반 RAG (`client.retrieval.rag`), 그리고 시장 및 사회적 함의까지 고려하는 Deep Research Agentic RAG까지 지원합니다.
  • 멀티모달(텍스트, PDF, JSON, PNG, MP3 등) 콘텐츠 수집을 자동화하며, 하이브리드 검색과 지식 그래프 생성을 통해 검색 정확도를 극대화합니다.
  • 사용자 및 접근 권한 관리(User & Access Management) 기능을 내장하여 엔터프라이즈급 보안 및 운영 환경에 적합합니다.

Show HN: R2R – Open-source framework for production-grade RAG

The most advanced AI retrieval system.
Agentic Retrieval-Augmented Generation (RAG) with a RESTful API.

R2R is an advanced AI retrieval system supporting Retrieval-Augmented Generation (RAG) with production-ready features. Built around a RESTful API, R2R offers multimodal content ingestion, hybrid search, knowledge graphs, and comprehensive document management.

R2R also includes a Deep Research API, a multi-step reasoning system that fetches relevant data from your knowledgebase and/or the internet to deliver richer, context-aware answers for complex queries.

Basic search

results = client.retrieval.search(query="What is DeepSeek R1?")

RAG with citations

response = client.retrieval.rag(query="What is DeepSeek R1?")

Deep Research RAG Agent

response = client.retrieval.agent(
message={"role":"user", "content": "What does deepseek r1 imply? Think about market, societal implications, and more."},
rag_generation_config={
"model": "anthropic/claude-3-7-sonnet-20250219",
"extended_thinking": True,
"thinking_budget": 4096,
"temperature": 1,
"top_p": None,
"max_tokens_to_sample": 16000,
},
)

Quick install and run in light mode

pip install r2r
export OPENAI_API_KEY=sk-...
python -m r2r.serve

Or run in full mode with Docker

# git clone git@github.com:SciPhi-AI/R2R.git && cd R2R
# export R2R_CONFIG_NAME=full OPENAI_API_KEY=sk-...
# docker compose -f compose.full.yaml --profile postgres up -d

For detailed self-hosting instructions, see the self-hosting docs.

demo_2x_comp.mp4

Install SDK

pip install r2r # Python
# or
npm i r2r-js # JavaScript

Python Example:

from r2r import R2RClient
client = R2RClient(base_url="http://localhost:7272")
# Ingest sample or your own document
client.documents.create(file_path="/path/to/file")
# List documents
client.documents.list()

JavaScript Example:

const { r2rClient } = require('r2r-js');
const client = new r2rClient("http://localhost:7272");
# Ingest sample or your own document
client.documents.create(file_path="/path/to/file")
# List documents
client.documents.list()
  • 📁 Multimodal Ingestion: Parse .txt, .pdf, .json, .png, .mp3, and more
  • 🔍 Hybrid Search: Semantic + keyword search with reciprocal rank fusion
  • 🔗 Knowledge Graphs: Automatic entity & relationship extraction
  • 🤖 Agentic RAG: Reasoning agent integrated with retrieval
  • 🔐 User & Access Management: Complete authentication & collection system

AI 자동 생성 콘텐츠

본 콘텐츠는 HN AI Engineering의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.

원문 바로가기
3

댓글

0