在人工智能研究与工程实践中，检索增强生成系统（RAG）正经历一场深刻变革：从早期“检索+生成”的简单拼接，进化为融合自适应知识组织、多轮推理、动态检索的复杂知识系统（典型代表如 DeepResearch、Search‑o1）。然而，复杂度的提升也使研究者面临高昂的工程实现成本——复现方法、快速迭代新想法变得异常困难。现在，清华团队推出的 UltraRAG 2.0 通过 YAML 配置 + MCP 协议 彻底改变了这一局面，让开发者只需“拼乐高”般编写少量代码，即可搭建高性能的复杂 RAG 系统。

核心亮点一览

• 代码量减少 80%：得益于 YAML 配置实现复杂逻辑编排，传统近 900 行的 Pipeline 逻辑现在只需约 50 行。
• MCP 协议标准化组件接口：支持模块化复用与灵活扩展，新模块可“热插拔”。
• 性能提升 12%：在复杂多跳问题上验证，同时大幅降低开发门槛与工程成本。

为什么我们需要 UltraRAG 2.0？

传统 RAG 系统（如 IRCoT）严重依赖手动编写的长流程代码。例如，仅 Pipeline 部分就需要 近 900 行手写逻辑；即使使用标杆级框架（如 FlashRAG），也仍需 超过 110 行代码。这意味着研究者的许多精力被浪费在冗长的工程实现上，而非实验设计与算法创新。

UltraRAG 2.0 基于 Model Context Protocol (MCP) 架构设计，核心思路极为清晰：

• 组件化封装：将 RAG 的核心组件（检索、生成、评测等）封装为标准化的独立 MCP Server。
• 灵活调用与扩展：提供函数级 Tool 接口，支持功能的灵活调用与扩展。
• 轻量流程编排：借助 MCP Client，建立自上而下的简洁化链路搭建 – 只需编写 YAML 文件，即可声明串行、循环、条件分支等复杂逻辑。