veritasgraph

VeritasGraph — ガバナンスに対応したオンプレミス向け GraphRAG ＆ エージェントフレームワーク

無計画なチャンク分割はやめましょう。ツリー検索の構造とナレッジグラフの推論を組み合わせ、ガバナンスに対応した AI エージェントに組み込みます。100％ローカルまたはクラウドで動作します。

🎯 従来の RAG は類似性に基づいて推測します。VeritasGraph は構造に基づいて推論します。 文書を見つけるだけではなく、つながりを理解し、ガバナンスに対応したエージェントで活用しましょう。

🌐 サイトを見る · ⭐ スターを付ける · 🍴 フォークする · 💬 議論する · 🐛 バグを報告する

python -m veritasgraph_mcp     # from repo root (needs local Ollama for ingest/query)

▶️️ YouTube で講演とライブデモを見る（27 分）

ベクトル RAG がディープリサーチで機能しない理由

• 出典の帰属はプロンプトではなくデータモデルです： 書き込み時に出典情報を保存することで、読み取り時の幻覚による引用を防ぎます。
• 決定論的な検索： グラフのトラバーサルは完全に再現可能であり、事実を示す証拠の追跡と、確率的な LLM 生成を切り分けます。
• 明示的な回答保留： エージェントはグラフ内で不足しているエッジを特定し、推測するのではなく「証拠が不十分です」と返します。

📚 おすすめガイド — オンプレミスでガバナンス対応 AI エージェントを構築する

自社のインフラストラクチャ上だけで、ガバナンスに対応した AI エージェントを設計、構築、公開するための完全なガイドです。

📄 ガイドを読む：オンプレミスでガバナンス対応 AI エージェントを構築する（PDF）

▶️ YouTube で解説を見る

🚀 クイックスタート（2行、GPU不要）

pip install veritasgraph
veritasgraph demo --mode=lite

これで完了です。クラウド API（OpenAI/Anthropic）を使用するインタラクティブなデモで、ローカルモデルは必要ありません。

export OPENAI_API_KEY="sk-..."        # Lite: cloud APIs, zero setup
veritasgraph demo --mode=lite

veritasgraph demo --mode=local --model=llama3.2   # 100% offline with Ollama
veritasgraph start --mode=full                    # full GraphRAG pipeline

便利なリンク： ⚡ ライブドキュメント · 🎮 ライブデモ · 📖 記事 · 📄 研究論文

🏥 実装例 — MedTrust Agent

MedTrust Agent は、VeritasGraph のガバナンス付きエージェントアーキテクチャを医療および製薬のワークフローに適用した、完全で再現可能な実装例です。ゼロトラストで可観測な LLM エージェントフレームワーク（NEECON 2026 論文）です。

• ゼロトラストのコントロールプレーン： 最小権限の IAM と段階的な認可を備え、認可が成功するまではツールを実行しません。
• ガバナンス付きの回答： [doc#chunk] による引用が必須です。引用のない回答は保留されるか、人間によるレビューに回されます。
• 改ざんを検知できる監査： 公開されたアンカーを備えた、鍵付きのハッシュチェーン型監査ログです。
• 誠実な評価： セキュリティは実行中のコードから直接測定します（未認可のアクションを100％ブロック、Wilson 95% CI）。回答品質は参考値として明確に表示します。69件のテスト、バージョン管理された40シナリオのテストスイート、ワンコマンドの再現スクリプトを備えています。

python -m medtrust.demo    # end-to-end governed demo, 100% offline

📄 詳細な説明を読む： MedTrust Agent README

🧩 VeritasGraph を利用して構築

エンタープライズ向け GraphRAG、エージェントオーケストレーション、ファクトチェック、ガバナンス付き推論のために、VeritasGraph を基盤とするプロジェクトのエコシステムが拡大しています。

コミュニティのプロジェクトとインテグレーション

• MeAkash77 / VeritasGraph-Enterprise-GraphRAG-Verifiable-AI-Platform — エンタープライズ向けGraphRAGアダプターと、検証可能なAIプラットフォームのパターンです。
• PTP063 / veritas-graph — VeritasGraphのコンセプトを活用した派生プロジェクトおよび稼働中のデプロイです。
• RahulSagar2005 / multi-hop-rag — マルチホップ検索と推論のワークフローです。
• lukehungngo / agentwall — エージェントのセキュリティとガバナンスを重視した推論フローです。
• gajanan229 / Fact-checker-Agent — 証拠を重視したファクトチェックと説明のパターンです。
• Minh-Tam-Solution / EndiorBot — グラフを活用した推論を基盤とする、エンタープライズ向けチャットボットおよびAIエージェントのインテグレーションです。
• NistorDorinGabriel / Proiect_Licenta — VeritasGraphに着想を得たグラフ推論技術を拡張する、学術論文のプロジェクトです。

VeritasGraphを使って開発していて、ここで紹介されたい場合は、PRを送るか、リポジトリの概要と使用方法を簡潔に添えてご連絡ください。

� ライブデモ — Floorplan-KG の数量拾いデモ

建築図面に VeritasGraph を適用した、セットアップ不要のホスト型デモです。平面図の PDF をアップロードする（または同梱のサンプルを選ぶ）と、エンジンが部屋、寸法、開口部、設備、表を抽出し、知識グラフと数量拾いを作成します。これらはすべてクエリでき、元の図面シートまで追跡できる検証可能な来歴が付与されます。

🏗️ Floorplan-KG のデモを試す — 無料、ログイン不要。PyMuPDF/pdfplumber によるライブ抽出パイプラインを実行します。

• デモの内容： PDF → 構造化された部屋／寸法／表 → 知識グラフ → CSV/XLSX 形式の数量拾いエクスポート。抽出されたグラフについて、根拠に基づく Q&A を行う VeritasGraph アシストパネルも備えています。
• 重要な理由： ドキュメント RAG を支えるのと同じ、統制された帰属モデルをジオメトリにも適用します。測定された数量は推測値ではなく、それぞれ特定の図面シートと要素までたどれます。
• 出力例： 1 枚の住宅平面図から、200 ms 未満で約 17 室、約 2,400 平方フィートを取得します。

Studio はローカルのエージェント構築ワークスペース（FastAPI + シングルページ UI）です。独自のドキュメントから知識グラフを構築し、ツール、メモリ、データログ、ガードレール、headroom 方式のコンテキスト予算管理とともにエージェントに組み込むことができます。さらに、エージェントとライブでチャットし、オーケストレーションパイプラインの各段階を確認できます。すべてOllamaを使用して100％ローカルで実行されます。

🎮 Studio Live を試す — 実行中の最新 Studio トンネルに常にリダイレクトされる固定 URL です。

実行方法：

pip install -r requirements.txt
ollama serve & ollama pull qwen3:latest          # any local chat model
STUDIO_DATA_DIR="$PWD/studio_api/data" \
  uvicorn studio_api.main:app --host 127.0.0.1 --port 8200 --log-level warning
# Studio UI → http://localhost:8200/studio   ·   API docs → /docs

ワンコマンドのエンドツーエンドデモ（グラフを構築し、グラフ推論、メモリの呼び出し、PII の編集、ガードレールによるブロックを含む、完全に構成されたエージェントを実行します）：

python3 demos/agent-studio/sample_pipeline.py --model qwen3:latest

# Backend (FastAPI on :8300)
cd clinical-kg/backend
pip install -r requirements.txt
python run.py

# Frontend (Next.js dashboard on :3200)
cd clinical-kg/frontend
npm install && npm run dev

cd municipality-incident-chatbot
pip install -r requirements.txt

# Interactive CLI
python cli.py
#   you> trash overflowing near the market | photo=garbage_overflow.jpg | zone=downtown

# Test suite
python -m pytest -q

エンタープライズシナリオ — Northwind Bank のコンプライアンステスト手順書に従い、現実的な金融サービスデータを使ったガイド付きの手順を実施してください。

API レベルの例と curl のレシピについては、studio_api/README.md を参照してください。

🌳 + 🔗 グラフ + ツリー：究極の検索

なぜ選ぶのか？ VeritasGraph は、PageIndex の階層的な「目次」ナビゲーションに加え、ナレッジグラフの意味的推論も備えています。

Document Root
├── [1] Introduction
│   ├── [1.1] Background ←── Tree Navigation
│   └── [1.2] Objectives
├── [2] Methodology ←───────── Graph Links
│   └── relates_to ──────────→ [3.1] Findings
└── [3] Results

📊 機能比較

🎬 動作を見る

💡 表示されている内容： クエリによって、ナレッジグラフ全体にわたるマルチホップ推論が実行されます。つながりが見つかるたびにノードが点灯し、回答が見つかった内容だけでなく、方法も正確に示されます。

🔌 MCP サーバー — IDEエージェントをVeritasGraphに接続

VeritasGraphには、専用の**Model Context Protocol サーバー**が付属しています。これは、MCP向けの、ゼロトラストかつエアギャップ対応の初のエンタープライズGraphRAGサーバーです。 Claude Desktop、Cursor、VS Code、Windsurf、Cline、またはContinueを、JSON-RPC 2.0 stdio経由でGraphRAGエンジンに直接接続でき、外部へのデータ送信は一切ありません。

python -m veritasgraph_mcp     # from repo root (needs local Ollama for ingest/query)

ツール：veritasgraph_ingest_document、veritasgraph_query（[doc#chunk]形式の引用を含むマルチホップ回答）、veritasgraph_search_entities、veritasgraph_get_graph、veritasgraph_clear_graph。IDEへの登録方法を記載したコード例については、veritasgraph_mcp/README.mdをご覧ください。

🏥 VeritasGraph-MCP のユースケース — Azure 上の本番環境向け医療 AI

実環境へのデプロイ： Azure AI Foundry と連携する Azure Functions 上で稼働する VeritasGraph MCP サーバーです。検証可能な引用とコンプライアンスに対応したアーキテクチャを備えた、GraphRAG を活用する臨床意思決定支援を提供します。

Foundry Agent / MCP client
   → Identity (Entra ID + function key)
      → Azure Functions (Flex Consumption, 4 mcpToolTrigger tools)
         → veritasgraph-mcp + graphrag_engine
            → Azure OpenAI (extraction + reasoning)
            → Knowledge Graph
         → Durable Azure Files mount (externalized state)
         → Storage + App Insights (observability)

{
  "question": "Should we adjust warfarin for patient 4471 on amiodarone?",
  "answer": "Reduce the warfarin dose because amiodarone inhibits CYP2C9...",
  "citations": ["doc_warfarin_note#0", "doc_warfarin_note#1"],
  "reasoning_path": ["Amiodarone → CYP2C9", "CYP2C9 → Warfarin", "Warfarin → Bleeding Risk"]
}

📖 Python API

from veritasgraph import VisionRAGPipeline

pipeline = VisionRAGPipeline()                 # auto-detects available models
doc = pipeline.ingest_pdf("document.pdf")
result = pipeline.query("What are the key findings?")
print(result.answer)

from veritasgraph import VisionRAGPipeline

pipeline = VisionRAGPipeline()
doc = pipeline.ingest_pdf("report.pdf")

# View the document's hierarchical structure (like a Table of Contents)
print(pipeline.get_document_tree())
# Document Root
# ├── [1] Introduction (pp. 1-5)
# │   ├── [1.1] Background (pp. 1-2)
# │   └── [1.2] Objectives (pp. 3-5)
# └── [2] Methodology (pp. 6-15)

# Navigate to a specific section (tree-based retrieval)
section = pipeline.navigate_to_section("Methodology")
print(section['breadcrumb'])   # ['Document Root', 'Methodology']

# Or use graph-based semantic search
result = pipeline.query("What methodology was used?")
# → answer with section context: "📍 Location: Document > Methodology > Analysis Framework"

from veritasgraph import VisionRAGPipeline, VisionRAGConfig

config = VisionRAGConfig(ingest_mode="document-centric")  # tables stay intact!
pipeline = VisionRAGPipeline(config)
doc = pipeline.ingest_pdf("annual_report.pdf")

CLI

veritasgraph --version                                    # show version
veritasgraph info                                         # check dependencies
veritasgraph init my_project                              # initialize a project
veritasgraph ingest document.pdf --ingest-mode=document-centric   # Don't Chunk. Graph.
veritasgraph ingest https://youtube.com/watch?v=xxx       # auto-extract transcript
veritasgraph ingest https://example.com/article           # extract web article

インストール方法

pip install veritasgraph            # basic (includes lite mode)
pip install veritasgraph[web]       # Gradio UI + visualization
pip install veritasgraph[graphrag]  # Microsoft GraphRAG integration
pip install veritasgraph[ingest]    # YouTube & web-article ingestion
pip install veritasgraph[all]       # everything

🏛️ エンタープライズコンプライアンス — VeritasGraph + VeritasReason

GraphRAGは、ドキュメントに書かれている内容を説明するのに優れています。しかし、「前四半期に職務分掌ポリシーに違反した発注書はどれですか？」のようなエンタープライズの質問は、類似性検索ではなく、構造化レコードに対するルール評価の問題です。

このような用途向けに、VeritasGraphには姉妹モジュールの VeritasReason が用意されています。これは決定論的推論エンジン（前向き連鎖＋Rete＋SPARQL）で、トリプレットストアに対してポリシールールを適用し、W3C PROV-Oの来歴情報を含む監査可能な回答を返します。

 Policy PDFs ─┐                        ┌─ ingest_structured.py (SQL → triples + text)
              ▼                        ▼
      VeritasGraph GraphRAG      VeritasReason (TripletStore + RuleSet
      (quotes policy text)       + ForwardChainer + PROV-O)
              └──────────┬───────────────┘
                         ▼
             Compliance answer + violators table + clause citations

30秒でできるスモークテスト（インストール不要、標準ライブラリのみ）

python tests/test_policy_compliance_demo.py

小規模なインメモリのトリプルストアにダミーのERPデータを登録し、rules/sod_policy.yaml に定義された4つの職務分掌ルールを評価して、違反者とその引用を表示します。

✓ Reasoner fired. Detected 4 violation(s):
  po:PO-2204 SOD-01   Approved & paid by emp:E118
  po:PO-2301 SOD-02   Requested & approved by emp:E091
  po:PO-2317 SOD-03   $48,750.00 approved by emp:E091 (role:Manager, not Director)
  po:PO-2402 SOD-04   Vendor vendor:V77 related to approver emp:E140

または、パッケージ化されたデモをインストールして実行します。

pip install veritas-reason
veritasreason-policy-demo

同じパターンは、休暇ポリシー違反（HRIS勤怠データ）、経費報告書の不正（台帳＋領収書）、臨床プロトコル違反（EHR＋ガイドライン）、KYC/AML（取引＋監視リスト）にも適用できます。ingest_structured.py でSQLからトリプルへのマッピングを定義し、rules/*.yaml にルールを記述して、自然な英語で質問します。詳しい手順については、veritas-reason/plan.md を参照してください。

🔗 インタラクティブなグラフの可視化

VeritasGraphには、エンティティと関係をリアルタイムで可視化するインタラクティブな2Dナレッジグラフエクスプローラー（PyVis）が含まれています。

⚙️ プロバイダーのサポート（OpenAI互換）

VeritasGraphは、OpenAI互換APIならどれでも使用でき、クラウドとローカルを自由に組み合わせられます。

Azure OpenAI、OpenRouter、Anyscale、LocalAI、vLLMもサポートされています。

cd graphrag-ollama-config
cp settings_openai.yaml settings.yaml
cp .env.openai.example .env       # edit with your provider settings
python -m graphrag.index --root . --config settings_openai.yaml
python app.py

⚠️ 埋め込みモデルはインデックス作成時と同じものを使用してください。 nomic-embed-text（768次元）でインデックスを作成した場合、クエリにも同じモデルを使用する必要があります。埋め込みモデルを切り替えるには、再インデックス作成が必要です。詳しくはOPENAI_COMPATIBLE_API.mdを参照してください。

🐳 デプロイ

5分でできるマジックオンボーディング（Docker）

1つのコマンドでフルスタック（Ollama + Neo4j + Gradio）を実行します：

cd docker/five-minute-magic-onboarding
# set your Neo4j password in .env, then:
docker compose up --build

サービス：Gradio UI → http://127.0.0.1:7860 · Neo4j → http://localhost:7474 · Ollama → http://localhost:11434。詳細は docker/five-minute-magic-onboarding/README.md をご覧ください。

チームと共有（無料）

*無料プランにはいくつかの制限があります。

🏗️ アーキテクチャ

graph TD
    subgraph "Indexing Pipeline (one-time)"
        A[Source Documents] --> B{Document Chunking};
        B --> C{"LLM Extraction<br/>(Entities & Relationships)"};
        C --> D[Vector Index];
        C --> E[Knowledge Graph];
    end
    subgraph "Query Pipeline (real-time)"
        F[User Query] --> G{Hybrid Retrieval Engine};
        G -- "1. Vector search for entry points" --> D;
        G -- "2. Multi-hop graph traversal" --> E;
        G --> H{Pruning & Re-ranking};
        H -- "Rich context" --> I{LoRA-Tuned LLM Core};
        I -- "Answer + provenance" --> J{Attribution Layer};
        J --> K[Attributed Answer];
    end
    style A fill:#f2f2f2,stroke:#333,stroke-width:2px
    style F fill:#e6f7ff,stroke:#333,stroke-width:2px
    style K fill:#e6ffe6,stroke:#333,stroke-width:2px

4つのステージ：

1. ナレッジグラフの自動構築 — ドキュメントを TextUnits に分割し、(head, relation, tail) のトリプレットを抽出して、グラフ DB（Neo4j など）にノードとエッジを構築します。
2. ハイブリッド検索エンジン — ベクトル検索で起点ノードを見つけ、マルチホップ走査で隠れた関係を明らかにし、枝刈りと再ランキングで最も関連性の高い事実を残します。
3. LoRA チューニング済み推論コア — ローカルでホストされた LoRA チューニング済みのオープンモデルが、推論と出典帰属に向けた効率的なファインチューニングにより、出典を明示した回答を生成します。
4. 出典帰属と来歴のレイヤー — ソース ID、チャンク、グラフノードを、構造化され追跡可能な JSON 出力に引き継ぎます。

VeritasGraph を選ぶ理由

• ✅ 完全なオンプレミス環境で安全 — データとモデルを100%管理できます。
• ✅ 検証可能な出典帰属 — すべての主張を出典までたどれます。
• ✅ 高度なグラフ推論 — 複雑なマルチホップの質問に回答します。
• ✅ 階層型ツリー + グラフ — PageIndex 形式の目次ナビゲーションとグラフの柔軟性を両立します。
• ✅ ガバナンスされたエージェント — Studio でガードレール、メモリ、ツール、コンテキストの予算管理を連携します。
• ✅ オープンソースで主権を確保 — MIT ライセンスで、ベンダーロックインはありません。

対象ユーザー： エンタープライズ検索、コンプライアンスアシスタント、リサーチコパイロット、科学文献の探索ツール、エージェントのメモリシステムを構築するエンジニアです。「答え」が、事実同士がベクトルインデックス内で近くに現れるかどうかだけでなく、事実同士がどのように つながっているか に左右されるあらゆる場面で活用できます。

🙌 謝辞

HopRAG、Microsoft GraphRAG、LangChain & LlamaIndex、Neo4j の基盤となる取り組みを活用しています。

🏆 受賞・引用

International Conference on Applied Science and Future Technology (ICASF 2025) で発表されました — 📄 感謝状。

@article{VeritasGraph2025,
  title={VeritasGraph: A Sovereign GraphRAG Framework for Enterprise-Grade AI with Verifiable Attribution},
  author={Bibin Prathap},
  journal={International Conference on Applied Science and Future Technology (ICASF)},
  year={2025}
}

スター履歴

MIT ライセンスのもとで公開されています。 ⭐ オープンソースのガバナンスされた GraphRAG のロードマップをチェックするには、リポジトリにスターを付けてください。