OpenCrust

เฟรมเวิร์ค AI Agent แบบ open-source ที่ปลอดภัยและเบาที่สุด

เริ่มต้นใช้งาน · ทำไมต้อง OpenCrust? · ฟีเจอร์ · ความปลอดภัย · สถาปัตยกรรม · ย้ายจาก OpenClaw · การมีส่วนร่วม

🇺🇸 English · 🇹🇭 ไทย · 🇨🇳 简体中文 · 🇮🇳 हिन्दी

` · `/clear` · `/exit` binary สำหรับ Linux (x86_64, aarch64), macOS (Intel, Apple Silicon) และ Windows (x86_64) ดาวน์โหลดได้ที่ [GitHub Releases](https://github.com/opencrust-org/opencrust/releases) ## ทำไมต้อง OpenCrust? | | | |---|---| | **ขนาด binary** | 16 MB single binary | | **RAM ขณะ idle** | 13 MB | | **Cold start** | 3 ms | | **เก็บ credential** | vault เข้ารหัส AES-256-GCM | | **Auth ค่าเริ่มต้น** | เปิดใช้ (WebSocket pairing) | | **Scheduling** | Cron, interval, one-shot | | **Multi-agent routing** | ใช่ (named agents) | | **Session orchestration** | ใช่ | | **MCP support** | Stdio + HTTP | | **ช่องทาง** | 9 | | **LLM provider** | 15 | | **Pre-compiled binary** | ใช่ | | **Config hot-reload** | ใช่ | | **Plugin system** | WASM (sandboxed) | | **Self-update** | ใช่ (`opencrust update`) | | **Security scan** | ✅ ตรวจ prompt-injection ทุก skill ก่อนติดตั้ง | | **Self-improvement** | ✅ cross-session patterns, skill lifecycle, confidence gate | *วัดผลบน DigitalOcean droplet 1 vCPU, 1 GB RAM [ทดสอบเองได้](../bench/)* ## ความปลอดภัย OpenCrust ถูกออกแบบสำหรับ AI agent ที่ทำงานตลอดเวลาและเข้าถึงข้อมูลส่วนตัว - **Encrypted credential vault** - API key และ token จัดเก็บด้วย AES-256-GCM ที่ `~/.opencrust/credentials/vault.json` ไม่มี plaintext บนดิสก์ - **Authentication ค่าเริ่มต้น** - WebSocket gateway ต้องใช้ pairing code ไม่มีการเข้าถึงโดยไม่ผ่านการยืนยันตัวตน - **User allowlist** - allowlist แยกตามช่องทางควบคุมว่าใครสามารถโต้ตอบกับ agent ได้ ข้อความที่ไม่ได้รับอนุญาตจะถูกละทิ้งโดยไม่แจ้ง - **Per-channel authorization policies** - DM policy (open, pairing, allowlist) และ group policy (open, mention-only, disabled) แยกตามช่องทาง ข้อความที่ไม่ได้รับอนุญาตจะถูกละทิ้งโดยไม่แจ้ง - **ตรวจจับ prompt injection** - ตรวจสอบและ sanitize input ก่อนส่งถึง LLM - **Rate limiting** - จำกัดจำนวน message ต่อผู้ใช้แบบ sliding-window พร้อม cooldown ป้องกันการใช้งานเกินขีดจำกัด - **Token budgets** - กำหนด token สูงสุดต่อ session, ต่อวัน และต่อเดือน เพื่อควบคุมต้นทุน LLM ต่อผู้ใช้ - **Tool allowlists** - จำกัด tool ที่ agent เรียกใช้ได้ต่อ session พร้อมกำหนดจำนวนครั้งสูงสุด - **Log secret redaction** - API key และ token ถูก redact จาก log output อัตโนมัติ - **WASM sandboxing** - sandbox plugin แบบ optional ผ่าน WebAssembly runtime (compile ด้วย `--features plugins`) - **Bind เฉพาะ localhost** - gateway bind กับ `127.0.0.1` ค่าเริ่มต้น ไม่ใช่ `0.0.0.0` ## ฟีเจอร์ ### LLM Provider **Native providers:** - **Anthropic Claude** - streaming (SSE), tool use - **OpenAI** - GPT-4o, Azure, รองรับ endpoint แบบ OpenAI-compatible ผ่าน `base_url` - **Ollama** - โมเดลในเครื่องพร้อม streaming **OpenAI-compatible providers:** - **Sansa** - regional LLM ผ่าน [sansaml.com](https://sansaml.com) - **DeepSeek** - DeepSeek Chat - **Mistral** - Mistral Large - **Gemini** - Google Gemini ผ่าน OpenAI-compatible API - **Falcon** - TII Falcon 180B (AI71) - **Jais** - Core42 Jais 70B - **Qwen** - Alibaba Qwen Plus - **Yi** - 01.AI Yi Large - **Cohere** - Command R Plus - **MiniMax** - MiniMax Text 01 - **Moonshot** - Kimi K2 - **vLLM** - โมเดล self-hosted ผ่าน vLLM's OpenAI-compatible server ### เสียง I/O - **TTS (Text-to-Speech)** — Kokoro (self-hosted ผ่าน kokoro-fastapi), OpenAI TTS (`tts-1`, `tts-1-hd`), รองรับ endpoint แบบ OpenAI-compatible - **STT (Speech-to-Text)** — Whisper ในเครื่อง (faster-whisper-server), OpenAI Whisper API - `auto_reply_voice: true` แปลงทุกข้อความตอบกลับเป็นเสียงอัตโนมัติ - `tts_max_chars` จำกัดความยาวข้อความที่ส่งสังเคราะห์เสียง ตัดและแจ้งเตือนเมื่อเกินกำหนด - ส่งแยกตามช่องทาง: Discord (ไฟล์แนบ), WeChat (Customer Service voice API), Telegram/LINE (เสียงแบบ native), Slack (ตกสำรองเป็นข้อความ) ### ช่องทาง - **Telegram** - streaming responses, MarkdownV2, bot commands, typing indicators, user allowlist พร้อม pairing code, รองรับรูปภาพ/vision, voice message (Whisper STT), TTS ตอบกลับอัตโนมัติ, จัดการไฟล์/เอกสาร - **Discord** - slash commands, event-driven message handling, session management, voice response (ไฟล์แนบ TTS) - **Slack** - Socket Mode, streaming responses, allowlist/pairing - **WhatsApp** - Meta Cloud API webhooks, allowlist/pairing - **WhatsApp Web** - QR code pairing ผ่าน Baileys Node.js sidecar, ไม่ต้องมี Meta Business account, บันทึกสถานะ auth - **LINE** - Messaging API webhooks, reply/push fallback, รองรับกลุ่ม/ห้องแชท, allowlist/pairing, voice response (TTS ตกสำรองเป็นข้อความ) - **WeChat** - Official Account Platform webhooks, ตรวจสอบลายเซ็น SHA-1, ตอบกลับ XML แบบ synchronous, รองรับรูปภาพ/เสียง/วิดีโอ/ตำแหน่ง, Customer Service API push, voice message (TTS), allowlist/pairing - **iMessage** - macOS native ผ่าน chat.db polling, group chat, AppleScript sending ([คู่มือตั้งค่า](../docs/imessage-setup.md)) - **MQTT** - MQTT broker client แบบ native (Mosquitto, EMQX, HiveMQ), Mode A (plain text ต่อช่องทาง) และ Mode B (JSON `{"user_id","text"}` แยก session ต่ออุปกรณ์), auto-detect, reconnect backoff, QoS 0/1/2, รองรับ TLS (`mqtts://`) ### MCP (Model Context Protocol) - เชื่อมต่อ MCP server ใดก็ได้ (filesystem, GitHub, databases, web search) - รองรับทั้ง stdio และ HTTP transport - tool ปรากฏเป็น native agent tool พร้อม namespace (`server.tool`) - รองรับ resource tool และ server instructions - ตั้งค่าใน `config.yml` หรือ `~/.opencrust/mcp.json` (รองรับ Claude Desktop) - CLI: `opencrust mcp list`, `opencrust mcp inspect ` ### Personality (DNA) - เมื่อได้รับข้อความแรก agent จะแนะนำตัวและถามคำถามเพื่อเรียนรู้ความชอบ - เขียน `~/.opencrust/dna.md` พร้อมชื่อ รูปแบบการสื่อสาร แนวทาง และ identity ของ bot - ไม่ต้องแก้ config file หรือกรอก wizard — แค่พูดคุย - Hot-reload เมื่อแก้ไข — เปลี่ยน `dna.md` แล้ว agent ปรับตัวทันที - ย้ายจาก OpenClaw? `opencrust migrate openclaw` นำเข้า `SOUL.md` ที่มีอยู่ ### Agent Runtime - Tool execution loop — bash, file_read, file_write, web_fetch, web_search (Brave หรือ Google Custom Search), doc_search, handoff, schedule_heartbeat, cancel_heartbeat, list_heartbeats, mcp_resources (สูงสุด 10 รอบ) - หน่วยความจำบทสนทนาบน SQLite พร้อม vector search (sqlite-vec + Cohere embeddings) - จัดการ context window — สรุปบทสนทนาแบบ rolling ที่ 75% ของ context window - Scheduled task — cron, interval และ one-shot scheduling ### Document RAG นำเข้าเอกสารเข้าสู่ฐานความรู้ของ agent — agent จะดึงและอ้างอิงตอนที่เกี่ยวข้องโดยอัตโนมัติเมื่อตอบคำถาม โดยไม่ต้องสั่งเพิ่มเติม **นำเข้าเอกสาร:** ส่งไฟล์ไปยัง channel ใดก็ได้ แล้วพิมพ์ `!ingest` เพื่อบันทึก ใช้ `!ingest replace` เพื่อแทนที่เวอร์ชันที่มีอยู่ ```bash # ผ่าน REST API curl -X POST http://localhost:8080/api/ingest \ -F "file=@report.pdf" \ -F "session_id=default" ``` **ประเภทไฟล์ที่รองรับ:** PDF, Markdown, plain text, CSV, JSON, HTML และ source code (`.rs`, `.py`, `.js`, `.ts`, `.go`, `.java`, `.toml`, `.yaml`) **การทำงาน:** 1. เอกสารถูกแบ่งเป็น chunk และเก็บใน SQLite (`~/.opencrust/data/documents.db`) 2. แต่ละ chunk ถูก embed ผ่าน embedding provider ที่ตั้งค่าไว้ (Cohere เป็นค่าเริ่มต้น) 3. ทุกข้อความ จะมีการค้นหาแบบ **hybrid** (vector + keyword, top 3 chunk, similarity threshold 0.42) อัตโนมัติ 4. Chunk ที่ตรงจะถูก inject เข้าในข้อความของผู้ใช้ก่อนที่ LLM จะเห็น 5. Agent อ้างอิงชื่อเอกสารต้นทางและ relevance score ในคำตอบ **ค้นหาด้วยตัวเอง:** ใช้ tool `doc_search` โดยตรง: `doc_search("annual report revenue")` **Embedding provider (ไม่บังคับ):** หากไม่มี embedding provider RAG จะ fallback เป็นการค้นหาแบบ keyword อย่างเดียว เพิ่ม Cohere ใน `config.yml` เพื่อใช้ semantic (vector) retrieval: ```yaml embeddings: provider: cohere api_key: your-cohere-key ``` ### Skills - กำหนด agent skill เป็นไฟล์ Markdown (SKILL.md) พร้อม YAML frontmatter - auto-discovery จาก `~/.opencrust/skills/` — inject เข้า system prompt อัตโนมัติ - Hot-reload — skill พร้อมใช้ทันทีหลัง `create_skill` หรือ `skill install` โดยไม่ต้อง restart - CLI: `opencrust skill list`, `opencrust skill install `, `opencrust skill remove ` - **Self-learning & self-improvement** — agent ติดตาม tool-call pattern ข้ามหลาย session; เมื่อ workflow ซ้ำกัน 5 ครั้งขึ้นไปจะ save เป็น skill อัตโนมัติ (rate-limited เพื่อลด noise); เมื่อนำ skill ที่มีอยู่มาใช้ agent จะประเมินตัวเองและ patch อัตโนมัติหากพบช่องว่าง (ต้องผ่าน confidence gate ก่อน patch; version จะ bump และ CHANGELOG.md อัพเดตทุกครั้งที่ patch) - **Automatic skill lifecycle** — skill ที่ไม่ได้ใช้งานนานกว่า 30 วันจะถูก archive อัตโนมัติ (เปลี่ยนชื่อเป็น `.archived`); ข้อมูล trajectory ที่เก่ากว่า 90 วันจะถูก compress ทุกวันโดย LLM โดยยังเก็บ skill candidate ไว้สำหรับ pattern detection ต่อไป - ปิดได้ด้วย `agent.self_learning: false` ใน `config.yml` - Quality control 3 ชั้น: prompt guidance, mechanical limits (สูงสุด 30 skills, min body length, duplicate guard) และ `rationale` บังคับที่เก็บไว้ใน skill file เพื่อตรวจสอบได้ - **รองรับ [agentskills.io](https://agentskills.io)** — ติดตั้ง community skill จาก hub สาธารณะใดก็ได้ด้วย `opencrust skill install ` รองรับทั้ง flat (`skill-name.md`) และ folder (`skill-name/SKILL.md`) layout พร้อมกันโดยไม่ต้อง migrate - **Security scan** — ทุก skill ถูกตรวจหา prompt-injection ก่อน install ไม่ว่าจะมาจาก URL, ไฟล์ local หรือ agent สร้างเอง - **Agent แก้ไข skill ได้** — agent สามารถ `patch` skill ที่มีอยู่ (แก้ body, description หรือ triggers) และ `write_file` เพื่อเพิ่มไฟล์ `.md` เสริมใน skill folder ### Multi-Agent Orchestration กำหนด named agents ใน `config.yml` แล้วส่งงานระหว่าง agent ด้วย `handoff` tool ในตัว: ```yaml agents: router: provider: main # ใช้ llm: key ไหน system_prompt: | วิเคราะห์คำขอแล้ว delegate ด้วย handoff tool: - handoff(agent_id='coder') สำหรับโค้ด, สคริปต์, โปรแกรมมิ่ง - handoff(agent_id='assistant') สำหรับคำถามทั่วไป ใช้ handoff เสมอ — ห้ามตอบโดยตรง coder: provider: main system_prompt: คุณเป็น specialist coding agent ตอบสั้นและตรงประเด็น tools: [bash, file_read, file_write] # จำกัด tool ที่ agent นี้เรียกได้ dna_file: dna-coder.md # ไฟล์ persona เฉพาะ agent นี้ (optional) skills_dir: skills/coder/ # โฟลเดอร์ skills เฉพาะ agent นี้ (optional) assistant: provider: main system_prompt: คุณเป็น general-purpose assistant ที่มีประโยชน์ max_tokens: 2048 max_context_tokens: 32000 ``` **ฟิลด์ `agents:`:** | ฟิลด์ | ประเภท | คำอธิบาย | |---|---|---| | `provider` | string | `llm:` key ที่จะใช้ (เช่น `main`, `claude`) ค่าเริ่มต้นคือ provider แรกที่ลงทะเบียน | | `model` | string | Override model เฉพาะ agent นี้ | | `system_prompt` | string | System prompt เฉพาะ agent นี้ (แทนที่ global) | | `max_tokens` | int | จำนวน token สูงสุดของ response | | `max_context_tokens` | int | ขีดจำกัด context window | | `tools` | list | Allowlist ของ tool ว่างเปล่า = อนุญาตทุก tool | | `dna_file` | path | ไฟล์ DNA/persona เฉพาะ agent (แทนที่ global `dna.md`) | | `skills_dir` | path | โฟลเดอร์ skills เฉพาะ agent (แทนที่ global `skills/`) | **Handoff tool:** `handoff` tool พร้อมใช้งานอัตโนมัติสำหรับทุก agent เมื่อเรียก จะรัน target agent ใน ephemeral session แยกต่างหากแล้วส่งผลลัพธ์กลับมา: ``` handoff(agent_id="coder", message="เขียน fibonacci function ใน Python") # → "[coder]: นี่คือ implementation…" ``` - Depth limit 3 ชั้น ป้องกัน loop ไม่สิ้นสุด A→B→A - แต่ละ handoff session แยกอิสระ — ไม่มี history รั่วข้าม agent - Target agent ได้รับ tools, DNA และ skills overrides ของตัวเอง **การใช้งานผ่าน API:** สร้าง session ผูกกับ agent เฉพาะ แล้ว message ถัดไปจะใช้ agent นั้นโดยอัตโนมัติ: ```bash # สร้าง session ผูกกับ "router" agent SESSION=$(curl -s -X POST http://localhost:3888/api/sessions \ -H "X-API-Key: your-key" \ -H "Content-Type: application/json" \ -d '{"agent_id": "router"}' | jq -r '.session_id') # ทุก message ใน session นี้ผ่าน router อัตโนมัติ curl -X POST "http://localhost:3888/api/sessions/$SESSION/messages" \ -H "X-API-Key: your-key" \ -H "Content-Type: application/json" \ -d '{"content": "เขียน hello world ใน Python"}' # Override ต่อ message ได้ถ้าต้องการ curl -X POST "http://localhost:3888/api/sessions/$SESSION/messages" \ -H "X-API-Key: your-key" \ -H "Content-Type: application/json" \ -d '{"content": "...", "agent_id": "coder"}' ``` ### Infrastructure - **Config hot-reload** - แก้ `config.yml` แล้วการเปลี่ยนแปลงมีผลทันทีโดยไม่ต้อง restart - **Daemonization** - `opencrust start --daemon` พร้อม PID management - **Self-update** - `opencrust update` ดาวน์โหลด release ล่าสุดพร้อมตรวจสอบ SHA-256, `opencrust rollback` เพื่อย้อนกลับ - **Restart** - `opencrust restart` หยุดและเริ่มใหม่แบบ graceful - **Runtime provider switching** - เพิ่มหรือเปลี่ยน LLM provider ผ่าน webchat UI หรือ REST API โดยไม่ต้อง restart - **Migration tool** - `opencrust migrate openclaw` นำเข้า skills, channels และ credentials - **Conversation summarization** - rolling summary ที่ 75% context window, บันทึก session summary ข้ามการ restart - **Interactive setup** - wizard `opencrust init` สำหรับตั้งค่า provider และช่องทาง - **Diagnostics** - `opencrust doctor` ตรวจสอบ config, data directory, credential vault, ความสามารถเข้าถึง LLM provider, credentials ของ channel, ความสามารถเชื่อมต่อ MCP server และ database integrity ## ย้ายจาก OpenClaw? คำสั่งเดียวนำเข้า skills, channel config, credentials (เข้ารหัสเข้า vault) และ personality (`SOUL.md` เป็น `dna.md`): ```bash opencrust migrate openclaw ``` ใช้ `--dry-run` เพื่อดูตัวอย่างก่อน commit ใช้ `--source /path/to/openclaw` เพื่อระบุ directory config ของ OpenClaw ## การตั้งค่า OpenCrust อ่าน config จาก `~/.opencrust/config.yml`: ```yaml gateway: host: "127.0.0.1" port: 3888 # api_key: "your-secret-key" # ไม่บังคับ: ป้องกัน /api/* เมื่อเปิดให้เข้าถึงสาธารณะ # สร้างด้วย: openssl rand -hex 32 llm: claude: provider: anthropic model: claude-sonnet-4-5-20250929 # api_key อ่านจาก: vault > config > ANTHROPIC_API_KEY env var ollama-local: provider: ollama model: llama3.1 base_url: "http://localhost:11434" channels: telegram: type: telegram enabled: true bot_token: "your-bot-token" # หรือ TELEGRAM_BOT_TOKEN env var line: type: line enabled: true channel_access_token: "your-access-token" # หรือ LINE_CHANNEL_ACCESS_TOKEN env var channel_secret: "your-secret" # หรือ LINE_CHANNEL_SECRET env var dm_policy: pairing # open | pairing | allowlist (default: pairing) group_policy: mention # open | mention | disabled (default: open) agent: # Personality ตั้งค่าผ่าน ~/.opencrust/dna.md (สร้างอัตโนมัติเมื่อได้รับข้อความแรก) max_tokens: 4096 max_context_tokens: 100000 guardrails: max_input_chars: 16000 # ปฏิเสธ message ที่ยาวเกิน (default: 16000) max_output_chars: 32000 # ตัด response ที่ยาวเกิน (default: 32000) token_budget_session: 10000 # tokens สูงสุดต่อ session token_budget_user_daily: 100000 # tokens สูงสุดต่อผู้ใช้ต่อวัน token_budget_user_monthly: 500000 # tokens สูงสุดต่อผู้ใช้ต่อเดือน allowed_tools: # null = ทุก tool; [] = ห้ามใช้ tool - web_search - file_read session_tool_call_budget: 15 # จำนวนครั้ง tool call สูงสุดต่อ session gateway: rate_limit: per_user_per_minute: 10 # จำกัด message ต่อผู้ใช้ต่อนาที cooldown_secs: 30 # cooldown หลังเกินขีดจำกัด memory: enabled: true # MCP server สำหรับ external tools mcp: filesystem: command: npx args: ["-y", "@modelcontextprotocol/server-filesystem", "/tmp"] ``` ดู [full configuration reference](../docs/) สำหรับ options ทั้งหมด รวมถึง Discord, Slack, WhatsApp, iMessage, embeddings และ MCP server ## สถาปัตยกรรม ``` crates/ opencrust-cli/ # CLI, init wizard, daemon management opencrust-gateway/ # WebSocket gateway, HTTP API, sessions opencrust-config/ # YAML/TOML loading, hot-reload, MCP config opencrust-channels/ # Discord, Telegram, Slack, WhatsApp, WhatsApp Web, iMessage, LINE, WeChat, MQTT opencrust-agents/ # LLM providers, tools, MCP client, agent runtime opencrust-db/ # SQLite memory, vector search (sqlite-vec) opencrust-plugins/ # WASM plugin sandbox (wasmtime) opencrust-media/ # TTS (Kokoro, OpenAI), STT (Whisper), การประมวลผลสื่อ opencrust-security/ # Credential vault, allowlists, pairing, validation opencrust-skills/ # SKILL.md parser, scanner, installer opencrust-common/ # Shared types, errors, utilities ``` | Component | สถานะ | |-----------|--------| | Gateway (WebSocket, HTTP, sessions) | ใช้งานได้ | | Telegram (streaming, commands, pairing, photos, voice, documents) | ใช้งานได้ | | Discord (slash commands, sessions) | ใช้งานได้ | | Slack (Socket Mode, streaming) | ใช้งานได้ | | WhatsApp (webhooks) | ใช้งานได้ | | WhatsApp Web (QR code, Baileys sidecar) | ใช้งานได้ | | LINE (webhooks, reply/push fallback) | ใช้งานได้ | | WeChat (Official Account webhooks, media dispatch) | ใช้งานได้ | | iMessage (macOS, group chats) | ใช้งานได้ | | MQTT (broker client, Mode A/B auto-detect, reconnect, QoS 0/1/2) | ใช้งานได้ | | LLM providers (15: Anthropic, OpenAI, Ollama + 12 OpenAI-compatible) | ใช้งานได้ | | Agent tools (bash, file_read, file_write, web_fetch, web_search, doc_search, schedule_heartbeat, cancel_heartbeat, list_heartbeats, mcp_resources) | ใช้งานได้ | | MCP client (stdio, HTTP, tool bridging, resources, instructions) | ใช้งานได้ | | A2A protocol (Agent-to-Agent) | ใช้งานได้ | | Multi-agent routing (named agents) | ใช้งานได้ | | Skills (SKILL.md, auto-discovery) | ใช้งานได้ | | Config (YAML/TOML, hot-reload) | ใช้งานได้ | | Personality (DNA bootstrap, hot-reload) | ใช้งานได้ | | Memory (SQLite, vector search, summarization) | ใช้งานได้ | | Security (vault, allowlist, pairing, per-channel policies, log redaction) | ใช้งานได้ | | Scheduling (cron, interval, one-shot) | ใช้งานได้ | | CLI (init, start/stop/restart, update, migrate, mcp, skills, doctor) | ใช้งานได้ | | Plugin system (WASM sandbox) | Scaffolded | | TTS (Kokoro, OpenAI) + STT (Whisper, OpenAI) | ใช้งานได้ | ## การมีส่วนร่วม OpenCrust เป็น open source ภายใต้ MIT license เข้าร่วม [Discord](https://discord.gg/97jTJEUz4) เพื่อพูดคุยกับผู้ร่วมพัฒนา ถามคำถาม หรือแชร์สิ่งที่คุณกำลังสร้าง ดู [CONTRIBUTING.md](../CONTRIBUTING.md) สำหรับคำแนะนำการตั้งค่า แนวทางการเขียนโค้ด และ crate overview ### ลำดับความสำคัญปัจจุบัน | ลำดับ | Issue | คำอธิบาย | |-------|-------|-----------| | **P0** | [#99](https://github.com/opencrust-org/opencrust/issues/99) | Brand facelift: logo, images, visual identity | | **P1** | [#150](https://github.com/opencrust-org/opencrust/issues/150) | Fallback model chain: auto-retry with backup providers | | **P1** | [#152](https://github.com/opencrust-org/opencrust/issues/152) | Token usage tracking and cost reporting | | **P1** | [#153](https://github.com/opencrust-org/opencrust/issues/153) | `opencrust doctor` diagnostic command | | **P1** | [#146](https://github.com/opencrust-org/opencrust/issues/146) | Guardrails: safety, rate limits, and cost controls | | **P2** | [#185](https://github.com/opencrust-org/opencrust/issues/185) | MCP: Apps support (interactive HTML interfaces) | | **P2** | [#158](https://github.com/opencrust-org/opencrust/issues/158) | Auto-backup config files before changes | | **P2** | [#142](https://github.com/opencrust-org/opencrust/issues/142) | Web-based setup wizard at /setup | ดู [issues ทั้งหมด](https://github.com/opencrust-org/opencrust/issues) หรือกรองด้วย [`good-first-issue`](https://github.com/opencrust-org/opencrust/issues?q=label%3Agood-first-issue+is%3Aopen) เพื่อหาจุดเริ่มต้น ## ผู้มีส่วนร่วม ## License MIT