UltraRAG 由清华大学 THUNLP 实验室、东北大学 NEUIR 实验室、OpenBMB 与 AI9Stars 联合推出，是首个基于 Model Context Protocol (MCP) 架构设计的 RAG 框架。研究者只需通过编写 YAML 文件，即可声明串行、循环与条件分支等逻辑，以极低代码量构建多阶段推理与检索生成系统。

UltraRAG 2.0 框架示意图：

UltraRAG 2.1 近日已正式发布，本次更新围绕原生多模态支持、知识接入与语料构建自动化、统一构建与评估的 RAG 工作流三大方向带来了核心增强：

• 原生多模态支持：统一 Retriever、Generation 与 Evaluation 模块，全面支持多模态检索与生成；新增 VisRAG Pipeline，实现从本地 PDF 建库到多模态检索与生成的完整闭环。

• 知识接入与语料构建自动化：支持多格式文档解析与分块建库，无缝集成 MinerU，轻松构建个人化知识库。

• 统一构建与评估的 RAG 工作流：适配多种检索与生成推理引擎，提供标准化的评估体系，支持全链路可视化分析，实现从模型调用到结果验证的统一流程。

🔗 代码仓库：https://github.com/OpenBMB/UltraRAG
🔗 教程文档：https://ultrarag.openbmb.cn/
🔗 开源数据集：https://modelscope.cn/datasets/UltraRAG/UltraRAG_Benchmark