Skip to main content
Glama
yorikhu
by yorikhu

Phloem

Phloem ist eine unternehmenstaugliche, selbst gehostete Wissensbasis-Plattform, die auf RAGFlow aufbaut. Die Plattform stellt die Engine über ein typisiertes Node.js-API-Gateway und einen MCP-Server für eine nahtlose Integration in Agenten bereit.

Phloem (韧皮部) — das Leitgewebe, das Nährstoffe durch eine Pflanze transportiert. Wissen sollte auf die gleiche Weise fließen.

Warum Phloem

  • Selbst gehostet — deine Dokumente, deine Infrastruktur, deine Kontrolle. Keine Daten verlassen deine Umgebung.

  • Bereit für Agenten — stelle deine Wissensbasis über eine REST-API oder einen MCP-Server bereit, damit KI-Agenten fundierte, retrieval-gestützte Antworten erhalten.

  • Durchgängig typisiert — ein OpenAPI-Vertrag steuert Gateway-Routen, Client-SDK und Mock-Ebenen. Weniger Integrationsüberraschungen.

  • Austauschbares Backend — eine Adapterschicht isoliert RAGFlow; du kannst die Engine austauschen oder aktualisieren, ohne den Geschäftscode zu berühren.

  • Erweiterbar — eine Registry von Erweiterungspunkten (Middleware, Routen, MCP-Tools, Web-Module) unterstützt Anpassungen im Plugin-Stil, ohne einen Fork zu benötigen.

Related MCP server: Qurio MCP Server

Architektur

┌────────────┐   REST    ┌─────────────┐            ┌──────────────┐
│  Web UI    │──────────▶│   Gateway   │──adapter──▶│   RAGFlow    │
│  (Next.js) │           │  (NestJS)   │            │  (submodule) │
└────────────┘           └──────┬──────┘            └──────────────┘
                                │
                         ┌──────┴──────┐
                         │ MCP Server  │  ◀── Claude Desktop, Cursor, custom agents
                         └─────────────┘

Pakete

Paket

Beschreibung

@phloem/shared

Typen, Zod-Schemas, API-Verträge

@phloem/gateway

NestJS (Fastify)-API-Gateway mit Adapterschicht

@phloem/mcp

MCP-Server, der Wissens-Tools bereitstellt

@phloem/web

Next.js-15-App-Router-Konsole, statischer Export

@phloem/eslint-config

Gemeinsame ESLint-Flat-Config

Erste Schritte

Voraussetzungen

  • Node.js ≥ 22

  • pnpm ≥ 9

  • Docker (für das RAGFlow-Backend)

Installation

git clone --recurse-submodules https://github.com/phytul/phloem.git
cd phloem
pnpm install
cp deploy/docker/.env.example deploy/docker/.env

Ausführen (Entwicklung)

# Gateway
pnpm --filter @phloem/gateway dev

# Web console (Next.js dev server, port 5273)
pnpm --filter @phloem/web dev

Ausführen (mit RAGFlow)

# Build and start RAGFlow (Lite profile, Infinity engine)
docker compose -f deploy/docker/docker-compose.yml -f deploy/docker/docker-compose.lite.yml up -d

pnpm --filter @phloem/gateway dev
pnpm --filter @phloem/web dev

Überprüfen

curl http://localhost:3000/healthz

API

Der REST-Vertrag ist die maßgebliche Quelle: openapi.yaml.

Kernressourcen:

  • POST /v1/retrieval — Hybrid-Retrieval über Datensätze

  • GET/POST /v1/datasets — Verwaltung der Wissensbasis

  • POST /v1/datasets/{id}/documents — Dokument-Upload

  • GET /healthz — Liveness-Probe

MCP-Tools

Tool

Beschreibung

retrieve_knowledge

Hybrid-Retrieval über Wissensbasen

list_datasets

Vorhandene Wissensbasen auflisten

Entwicklung

pnpm run build        # build all packages
pnpm run typecheck    # strict TS check across the monorepo
pnpm run lint         # ESLint + Prettier

Commits folgen Conventional Commits. Hooks (lint-staged + commitlint) setzen das automatisch durch.

Lizenz

Apache-2.0

  • RAGFlow — die zugrunde liegende Engine

  • MCP — Model Context Protocol

Maintenance

ActivitySlowing
ResponsivenessNo issues

Related MCP Connectors

Related MCP Servers

  • F
    license
    A
    quality
    D
    maintenance
    Enables AI agents to query a local knowledge graph built from document collections using hybrid search (BM25 + vector fusion) and entity-relationship extraction. Supports privacy-first, offline operation with tools for semantic search, entity graph exploration, and corpus statistics.
    3
    -
  • A
    license
    Not graded
    quality
    D
    maintenance
    Enables AI coding assistants to search and retrieve information from a locally ingested knowledge base using hybrid search, grounded in user-curated documentation.
    17
    MIT
  • A
    license
    Not graded
    quality
    B
    maintenance
    Exposes knowledge base retrieval tools for AI agents via the Model Context Protocol, enabling hybrid search across datasets and dataset listing.
    0
    Apache 2.0