メインコンテンツへスキップ
PromptQuorum人のために設計。 AI向けに構造化。
ホーム/ローカルLLM活用
RAG & Document Chat

OpenRAGレビュー：オープンソースのエージェント型RAGプラットフォーム

·7分で読めるHans Kuepper 著 · PromptQuorum創設者 · オープンウェイト／オープンソースAIの発見エンジン

OpenRAG（バージョン0.8.0、2026年10月1日公開）は、Langflow・OpenSearch・Doclingを束ね、文書をアップロードしてWebインターフェースでチャットできる、Apache-2.0の無料プラットフォームです。ターミナルから起動するコンテナで動作するため、ダブルクリックで使うアプリではなく開発者向けのツールです。PromptQuorumはインストールもテストもしておらず、記載はすべてプロジェクト自身のドキュメントに基づきます。

重要なポイント

  • 保守状況：v0.8.0は2026年10月1日に公開され、リポジトリは2026年10月23日にも更新されているため、更新停止の警告は不要です。
  • ライセンス：Apache-2.0。ソースコードはGitHubのlangflow-ai組織で公開されています。
  • 費用：パッケージ自体に価格はなく、かかるのはハードウェアと、接続するモデルAPIの料金です。
  • Windows：Windows Subsystem for Linux内でのみ対応しています。
  • 重さ：コンテナ前提でディスク容量も大きく必要なため、軽量ノートPCより開発用マシンやサーバー向きです。

📍 一文で説明

OpenRAGは、uvxコマンド1つで文書向けの完成済みRAG基盤を起動できる、Apache-2.0のパッケージです。

💬 簡潔に説明

ターミナルでインストーラーを実行すると複数のコンテナが起動し、あとはファイルをアップロードして、ブラウザのチャットで質問します。

📌補足: このレビューは、2026年10月23日に確認したOpenRAGのドキュメント、公式サイト、GitHubのリリースページに基づきます。PromptQuorumはソフトウェアのインストール、テスト、ベンチマークを行っていません。

言語を選択:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

OpenRAGは、Langflow・OpenSearch・Doclingをつなぎ、文書のアップロード、検索、ブラウザ上でのチャットを可能にするオープンソースのパッケージです。ターミナルから起動し、コンテナで動作するため、開発者向けです。このレビューは、2026年10月23日に確認したドキュメント、公式サイト、GitHubのリリースページに基づきます。

OpenRAGレビュー：オープンソースのエージェント型RAGプラットフォーム

OpenRAGとは

OpenRAGは、ナレッジベースに文書を追加し、チャット画面でAIエージェントに質問できる検索拡張生成（RAG）プラットフォームです。プロジェクトはこれを、エージェント型RAGシステムを構築するためのオープンソースのパッケージと説明しており、既存の3つのプロジェクトを組み合わせています。エージェントのフローにLangflow、文書とベクトルの保存にOpenSearch、ファイルの解析と分割にDoclingを使います。

開発はlangflow-ai/openragリポジトリで行われ、バックエンドはFastAPI、フロントエンドはNext.jsです。ドキュメントはdocs.openr.agにあります。

入手方法

OpenRAGはダウンロードして使うデスクトップアプリではなく、ターミナルからuvでインストールし、独自のコンテナを起動する形です。

方法
入手先
クイックスタート（macOS、Linux）空のフォルダでuvx --python 3.13 openragを実行
Windows同じコマンドをWSL内でのみ実行（動作要件を参照）
Pythonプロジェクトインストールオプションに従い、uvで依存関係として追加
セルフマネージドDockerガイドに従い、DockerまたはPodmanと自前の.envファイルで運用
公式サイトopenr.ag
ドキュメントdocs.openr.ag
ソースコードgithub.com/langflow-ai/openrag
プライバシーポリシーOpenRAG固有のページは見つからず。ドキュメントの同意設定はIBMのプライバシーステートメントを参照

確認したバージョン：v0.8.0。GitHubのリリースページによれば2026年10月1日公開で、リポジトリ自体は2026年10月23日に最後に更新されています。リリースにはPythonのwheelとソースアーカイブしかなく、インストーラーやデスクトップ版はないため、ターミナルと開発環境が必要です。

動作要件

ドキュメントが求めるのは、コンテナ実行環境、8 GBのRAM、50 GBを超える空きディスクです。

項目
ドキュメントの記載
PythonとuvクイックスタートではPython 3.13とuv
コンテナ実行環境DockerまたはPodmanとcomposeツール。なければuvxが導入
RAM推奨される最小値は8 GB
ディスク初期設定と取り込みに50 GB超の空き
WindowsWSL内のみ。Windows VM上のWSLディストリビューションは不可
ローカルモデルOllamaのgpt-oss:20bは16 GB以上のRAMが必要

確認したページには、OpenRAG自体のGPU要件の記載はなく、GPUを使うにはOllamaをGPU対応コンテナで動かす必要がある、とあるのみです。

始め方

手順はプロジェクトのクイックスタートに沿っています。PromptQuorumは実行していません。

  1. 1
    作業フォルダを作る
    Why it matters: openrag-workspaceのような空のディレクトリを作り、そこでターミナルを開きます。
  2. 2
    インストーラーを起動する
    Why it matters: uvx --python 3.13 openragを実行すると、ターミナル画面が開きます。
  3. 3
    管理者パスワードを設定する
    Why it matters: OpenSearchとLangflowの管理者パスワードは自動生成か手入力にし、ほかの質問はスキップして初期値のままにします。
  4. 4
    サービスを起動する
    Why it matters: 「Start services now?」にYと答え、「Services are running」と表示されるのを待ってから、ブラウザでOpenRAGを開きます。
  5. 5
    オンボーディングを完了する
    Why it matters: モデルプロバイダーを選び、APIキーを入力してCompleteをクリックします。クイックスタートではOpenAIを使います。
  6. 6
    ナレッジを追加してチャットする
    Why it matters: ファイルやフォルダをアップロードし、チャット画面で質問します。

情報源で確認できた機能

以下の項目はすべて、プロジェクトのドキュメントまたはREADMEに基づきます。

  • 編集できるフロー。組み込みのエージェントフローは、内蔵のLangflowエディタで編集でき、モデルやコンポーネントの差し替えも可能です。独自のLangflowコンポーネントやMCPサーバーにも対応します。
  • 文書の取り込み。ファイルはローカルのファイルシステム、またはOAuthで認可したクラウドストレージのコネクタから取り込み、Docling Serveが解析・分割します。
  • 検索。OpenSearchが文書と埋め込みを保存し、ハイブリッド検索とマルチテナントを提供します。
  • SDKとAPI。公式のPython／TypeScript SDKがopenrag-sdkとして公開され、ドキュメントにはAPIリファレンスもあります。
  • 可観測性。LangfuseへのトレースとIBM Instanaトレーサーは任意で、初期状態ではオフです。

データの流れとアクセス

ドキュメントによれば、文書はDocling Serveがローカルで処理し、OpenSearchの自分のナレッジベースに保存されます。クラウドのデータは、自分が認可したコネクタ経由でのみ読み込まれます。構成はコンテナで、バックエンド、Langflow、Docling Serve、コネクタ、フロントエンドからなります。

既定のモデルプロバイダーはOpenAIで、使う場合はプロンプトと取得した文書の抜粋が、OpenAIのポリシーのもとでOpenAIに送られます。設定リファレンスにはAnthropic、Ollama、IBM watsonx.aiも挙げられており、ローカルのOllamaエンドポイントに向けることもできます。Langflowのスーパーユーザーのパスワードを設定しないと、Langflowは認証なしで起動するため、ドキュメントは設定を勧めています。

📌補足: ローカル処理に関する記述はプロジェクト自身の説明です。PromptQuorumはコンテナやそのネットワーク通信を監査していません。ターミナルのアップグレード確認は、イメージレジストリを変更しない限りDocker Hub APIに問い合わせます。

向いている人

  • 配線済みのRAG基盤がほしい開発者。Langflow、OpenSearch、Doclingを自分で組み合わせる手間を省けます。
  • すでにコンテナを運用しているチーム。自分のファイルに対して、マルチテナント対応のハイブリッド検索を使いたい場合に向きます。
  • APIやSDKが必要な開発者。文書検索エージェントを自作アプリから呼び出せます。

確認できなかった点

  • 実際の品質。PromptQuorumはソフトウェアを実行していないため、回答の質、引用の正確さ、取り込み速度、安定性は評価していません。
  • テレメトリ。確認したページには、コンテナの利用状況分析やオプトアウト設定の記載がありません。
  • プライバシーポリシー。OpenRAG固有のポリシーページは見つからず、ドキュメントはIBMの一般的なプライバシーステートメントを参照するのみです。
  • 完全ローカル運用。ドキュメントにOllama対応の記載はありますが、クイックスタートはOpenAIでしか説明されておらず、完全オフラインの構成は未検証です。

競合と代替ツール

Langflow

対応プラットフォーム:
Web
価格／ライセンス:
無料／MIT
主な違い:
OpenRAGが内蔵するビジュアルフロービルダー。同梱の検索基盤は含まない
Langflowに関する記事（3件）

その他の言及:

RAGFlow

対応プラットフォーム:
Linux、Web
価格／ライセンス:
無料／Apache 2.0
主な違い:
深い文書理解と引用を重視するRAGエンジン
RAGFlowに関する記事（5件）

その他の言及:

AnythingLLM

対応プラットフォーム:
Windows、macOS、Linux、Web
価格／ライセンス:
無料／MIT
主な違い:
ベクトルストア内蔵でコンテナ不要のインストール型デスクトップアプリ
AnythingLLMに関する記事（10件）

さらに31件（非表示）

Dify

対応プラットフォーム:
Web、Linux
価格／ライセンス:
フリーミアム／改変Apache 2.0
主な違い:
RAGは一部にすぎない、より広範なAIワークフロー／エージェント構築ツール
Difyに関する記事（8件）

その他の言及:

さらに3件（非表示）

競合の情報は頻繁に変わります。価格、ライセンス、対応プラットフォームは各アプリの掲載ページでご確認ください。

ディレクトリで比較する

よくある質問

OpenRAGはどのOllamaモデルを推奨していますか？

ドキュメントでは、言語モデルにgpt-oss:20bまたはmistral-nemo:12b、埋め込みにnomic-embed-text、mxbai-embed-large、embeddinggemmaを挙げています。チャットモデルはツール呼び出しに対応している必要があり、すべてのOllamaモデルが動作するとは保証されていません。

どのポートを使いますか？

既定では、フロントエンドが3000、Langflowが7860、バックエンドが8000、OpenSearchが9200、OpenSearch Dashboardsが5601、Doclingが5001です。フロントエンドとLangflowのポートは.envファイルで変更できます。

どのクラウドストレージから取り込めますか？

設定リファレンスには、Google OAuth経由のGoogle Drive、Microsoft Graphのアプリ登録経由のSharePointとOneDrive、アクセスキー経由のAWS S3が記載されています。

自作コードから呼び出すにはどうしますか？

Python SDKはpip install openrag-sdk、TypeScript SDKはnpm install openrag-sdkでインストールします。以前の単体パッケージopenrag-mcpは非推奨です。

総評

OpenRAGは、ドキュメントによれば、Langflow・OpenSearch・Doclingを接続済みで同梱するApache-2.0の無料RAG基盤で、2026年10月初めのリリースと10月23日までの更新があり、活発に保守されています。一方で、動かすには重く、WindowsはWSL経由のみ、既定はOpenAIで、品質、テレメトリ、完全オフラインでの利用はPromptQuorumでは確認できませんでした。すぐ使えて手を入れやすいRAGバックエンドがほしい開発者に向いています。インストール型のアプリが好みならAnythingLLM、フロービルダーだけならLangflowも比べてみてください。

情報源

← ローカルLLM活用 に戻る

MCP