ragtime
Ragtime es una API RAG auto-alojada compatible con OpenAI que integra conocimiento local en clientes LLM existentes mediante servidor MCP, interfaz web integrada y soporte para múltiples proveedores de modelos.
Ficha actualizada 22 sept 2026, 17:38 · upstream 22 sept 2026, 17:32 · release sin release detectada
Qué es ragtime
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Ragtime se presenta como una solución todo-en-uno para RAG (Retrieval-Augmented Generation) que permite conectar fuentes de conocimiento locales con clientes de IA de lenguaje. El sistema proporciona una API compatible con OpenAI en el endpoint /v1/chat/completions, permitiendo integración directa con herramientas como OpenWebUI, Continue y cualquier cliente OpenAI estándar.
La arquitectura incluye un servidor MCP (Model Context Protocol) que expone herramientas a entornos de desarrollo como Claude Desktop, VS Code Copilot, Cursor y JetBrains IDEs. El sistema soporta múltiples proveedores de modelos incluyendo OpenAI, Anthropic, Ollama, llama.cpp y GitHub Copilot, con autenticación mediante claves API o flujos OAuth para suscripciones.
El almacenamiento vectorial es dual, permitiendo elegir entre FAISS o pgvector para índices de carga y Git, mientras que pgvector se utiliza para esquemas PDM y opcionalmente indexación de sistema de archivos. La interfaz web integrada incluye visualización de herramientas, gráficos interactivos, DataTables y componentes HTML aislados sin necesidad de clientes externos.
- Integrar conocimiento local en IDEs mediante servidor MCP para Claude Desktop, VS Code Copilot y JetBrains
- Desplegar API RAG compatible con OpenAI para conectar con OpenWebUI o Continue
- Ejecutar modelos locales (Ollama, llama.cpp) con almacenamiento vectorial FAISS o pgvector
- Gestionar múltiples proveedores de LLM en una sola interfaz con autenticación unificada
- API compatible OpenAI con streaming nativo en /v1/chat/completions
- Servidor MCP con transporte HTTP Streamable y stdio para IDEs modernos
- Almacenamiento vectorial dual: FAISS o pgvector según preferencia
- Interfaz web integrada con visualización de herramientas y gráficos interactivos
- Soporte para modelos locales (Ollama, llama.cpp) y suscripciones (Claude Code)
- Seguridad con prevención de SQL injection y listas blancas de patrones
- Requiere Docker Compose para despliegue estándar sin soporte Dockerfile nativo
- Configuración manual obligatoria del archivo .env para credenciales y puertos
- Dependencia de servicios externos como PostgreSQL/MySQL y S3/MinIO
- Certificados TLS auto-generados por defecto (necesario configurar propios para producción)
- Limitaciones de concurrencia en sesiones de runtime configurables manualmente
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Desplegar con Docker Compose usando docker-compose.yml. Crear archivo .env copiando .env.example y rellenando POSTGRES_PASSWORD, LOCAL_ADMIN_USER/PASSWORD y API_KEY (recomendado para no-local). Puertos por defecto: 8000 (API), 8080, 9000, 9001, 8090. Requiere 4 núcleos CPU, 8GB RAM y 30GB disco. Habilitar TLS con ENABLE_HTTPS=true o detrás de proxy HTTPS. Generar RUNTIME_AUTH_TOKEN con openssl rand -base64 32 para sesiones aisladas.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.