ai-rag-platform

Plataforma de RAG (Retrieval-Augmented Generation) em Python + FastAPI. Expoe ingestao de documentos, busca semantica em vector store e geracao aumentada por LLM, com um servidor MCP (Model Context Protocol) para disponibilizar tools e contexto a assistentes.

Modos de execucao

A plataforma tem dois backends selecionados por configuracao (DEMO_MODE):

• DEMO_MODE=true (padrao): roda sem credenciais, usando embeddings deterministicos e vector store em memoria. Serve para avaliar o fluxo completo de RAG localmente.
• DEMO_MODE=false: usa OpenAI para embeddings/LLM e Qdrant como vector store.

Stack

• Python 3.11+, FastAPI, Pydantic v2
• LangChain (orquestracao no modo produtivo)
• OpenAI (LLM e embeddings) e Qdrant (vector store) quando DEMO_MODE=false
• MCP (Model Context Protocol)
• Docker e docker-compose

Estrutura

app/
  main.py            # bootstrap FastAPI (init preguicoso do pipeline)
  config.py          # settings via Pydantic
  rag/
    pipeline.py      # orquestracao: ingest / query
    demo_backend.py  # embeddings + store em memoria (DEMO_MODE)
  vectorstore/
    store.py         # adapter Qdrant (modo produtivo)
  mcp/
    server.py        # servidor MCP
examples/
  demo.py            # demonstracao ponta a ponta em memoria
requirements.txt
docker-compose.yml

Rodando a demo (sem credenciais)

python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
python -m examples.demo

Rodando a API

uvicorn app.main:app --reload

API em http://localhost:8000, docs em http://localhost:8000/docs.

Endpoints: POST /ingest, POST /query, GET /health.

Modo produtivo

Defina DEMO_MODE=false e configure OPENAI_API_KEY e QDRANT_URL no .env, depois suba o Qdrant:

docker-compose up -d
uvicorn app.main:app --reload

Seguranca

Nunca faca commit da OPENAI_API_KEY ou outras credenciais. Use .env (ignorado pelo git).

Licenca

MIT

Sobre a publicação

Este projeto foi construído e publicado como referência de arquitetura para a comunidade, refletindo padrões e decisões técnicas aplicados na prática profissional (sem reproduzir código ou dados de projetos proprietários).