RocketRide — открытая среда для сборки AI-пайплайнов прямо в IDE

RocketRide — это открытая среда для разработки AI-приложений. Она живёт прямо в редакторе кода: вы ставите расширение для VS Code, собираете пайплайн мышкой на холсте и запускаете его. Всё, что вы собрали, сохраняется в обычный JSON-файл, который можно положить в Git.

Внутри проекта — многопоточный движок на C++. Он выполняет пайплайны, а сами шаги пайплайна вы пишете на Python. Есть готовые SDK для TypeScript и Python, есть MCP-сервер, есть запуск в Docker, на своём железе и в облаке. Лицензия — MIT, весь движок открыт.

Что это такое на самом деле

Разработчики называют RocketRide сокращённо AIDE — это AI Development Environment, среда для разработки с ИИ. Название обычное для этого класса инструментов: рядом живут DLE и DPE, а тут акцент на том, что ИИ помогает прямо во время работы над кодом.

Главная идея простая. Обычный бэкенд — это маршрут, который принимает запрос, прогоняет его через несколько middleware и отдаёт ответ. В RocketRide ровно то же самое, только в другом виде:

То есть переход с backend-мышления на RocketRide получается почти без усилий. Схема не меняется, меняются только слова.

Возможности

Возможности проекта авторы собрали в такую таблицу:

Один узел — это один шаг обработки: провайдер, инструмент, хранилище или парсер. Большинство узлов написаны на Python, вы можете их открыть и прочитать. Новый узел — это небольшой Python-пакет в каталоге nodes/src/nodes/, инструкция по добавлению лежит в документации.

Словарь терминов

Проект объясняет свои термины прямо в README, и это стоит пересказать:

Быстрый старт

Запуск состоит из трёх шагов, и ни на одном из них не нужны ключи к API.

Первый шаг — поставить расширение. Найдите RocketRide в маркетплейсе расширений и откройте его в редакторе. Дальше расширение спросит, где запускать сервер:

• Local — сервер скачивается прямо в вашу IDE, никакой дополнительной настройки.
• On-Premises — сервер работает на вашем железе, образ можно забрать из Docker или собрать из исходников.

Второй шаг — открыть готовый пример. В репозитории лежит файл examples/document-processor.pipe. Он принимает PDF или картинку, достаёт текст, в том числе текст внутри картинки, находит имена, адреса и другие персональные данные и отдаёт очищенную копию. Модели работают локально, поэтому данные не покидают вашу машину. Запустите узел-источник кнопкой ▶ на холсте.

Третий шаг — вызвать пайплайн из кода. Расширение записывает параметры подключения движка в файл .env в той папке, которую вы открыли. Дальше SDK читает их сам:

pip install rocketride

import asyncio
from rocketride import RocketRideClient


async def main():
    async with RocketRideClient() as client:
        run = await client.use(filepath='examples/document-processor.pipe')
        out = await client.send(
            run['token'],
            'Alice Smith, 12 Elm St, Springfield.',
            objinfo={'name': 'note.txt'},
            mimetype='text/plain'
        )
        print(out)
        await client.terminate(run['token'])


asyncio.run(main())

Для TypeScript всё устроено так же, пакет ставится через npm install rocketride.

Дальше пайплайн можно расширять по одному шагу. Добавить модель — поставьте между источником и ответом узел из семейства llm_* и добавьте один ключ. Добавить поиск по смыслу — возьмите готовый пример examples/rag-pipeline.pipe, ему нужен один ключ от LLM и векторная база, например Qdrant, который умеет работать локально. Добавить инструменты — посмотрите пример examples/agent-workflow.pipe.

Как устроен файл пайплайна

Все пайплайны лежат в файлах с расширением .pipe. Это обычный JSON, поэтому он читается, диффается и ревьюится как код. Визуальный редактор просто рисует этот же файл.

Несколько правил, без которых не заработает:

1. Каждый пайплайн начинается с узла-источника: webhook, chat или dropper.
2. Входы и выходы соединяются по типам, иначе граф не соберётся.
3. Узлы-агенты и узлы-модели можно вызывать как инструменты из родительского узла.
4. Запуск идёт с холста кнопкой ▶ на узле-источнике или из панели подключений.

Запуск и наблюдение

Запустить пайплайн можно тремя способами.

Локально в IDE — самый быстрый путь для разработки. Отдельный процесс — движок скачивается со страницы Deploy в панели подключений и живёт сам по себе. И, наконец, в Docker:

docker pull ghcr.io/rocketride-org/rocketride-engine:latest
docker create --name rocketride-engine -p 5565:5565 ghcr.io/rocketride-org/rocketride-engine:latest

Запуск на своём железе бесплатный и под лицензией MIT. Данные и вызовы моделей не покидают вашу инфраструктуру, движок может стоять за файрволом или вообще без доступа в интернет. Когда нужно больше производительности, на Helm-чарте пайплайны разворачивают в кластер. Облако RocketRide работает на том же самом C++-движке, переключение между своим сервером и облаком не требует переписывать пайплайн — достаточно поменять адрес:

ROCKETRIDE_URI=ws://localhost:5565

Наблюдать за работающим пайплайном можно прямо в редакторе. По клику на запущенный пайплайн открывается разбор: дерево вызовов, расход токенов, потребление памяти. Это удобно, когда нужно понять, какой узел съедает бюджет.

Документация

Сайт документации собирается прямо из каталога docs в этом же репозитории. Что где искать:

Как участвовать

Проект приглашает контрибьюторов и заранее подсказывает, с чего начать. Написать /assign в любой открытой задаче — и она ваша, никаких прав и членства не нужно. Задачи для новичков помечены лейблом good first issue, а help wanted ставится на более крупные. Добавить узел — тоже хороший первый вклад: это небольшой Python-пакет. Список таких задач есть среди открытых issue.

Порядок работы такой: делаете форк, называете ветку по шаблону <type>/RR-<issue>-<short-description>, открываете pull request в ветку develop и указываете номер задачи. Подробности — в CONTRIBUTING.md.

Сборка идёт одним скриптом: ./builder сам ставит тулчейн C++, окружения Python и Java с Tika. Клонировали, запустили, работаете. Общие правила для всего репозитория лежат в AGENTS.md, вопросы задают в Discussions или в Discord.

Что стоит учесть

На момент публикации у проекта около 17,8 тысяч звёзд и 7,8 тысяч форков. Лицензия MIT, разработка идёт открыто, платную редакцию для движка не продают. Облако RocketRide — отдельный коммерческий продукт тех же авторов, но движок и пайплайны от него не зависят.

Один момент, в котором репозиторий сам себе противоречит: короткое описание проекта говорит про 50+ узлов, 13+ провайдеров моделей и 8+ векторных баз, а основной текст README — про 100+ узлов, 15+ провайдеров и 9 баз. Разница, скорее всего, просто рассинхрон между оформлением страницы и текстом README. Ориентируйтесь на текущий каталог узлов в репозитории, а не на цифры в описании.

Лицензия MIT лежит в репозитории отдельным файлом: LICENSE. Правообладателем указан Aparavi Software AG.