Bagel Robotics MCP Server

比特化为原子。
原子化为比特。

如果你还留着一个名为 parse_bag_final_v7.py 的脚本，我们得聊聊。

Extelligence 推出的 Bagel，让你可以用日常语言询问机器人、无人机和 IoT 数据。 针对消息数据执行的所有计算都使用 DuckDB SQL，而不是依赖模型猜测；Bagel 还会展示查询语句，方便你审查。

我的 IMU 传感器是不是过热了？

Bagel 还配备了智能边缘数据缩减流水线：描述一个事件，Bagel 就会在机器人上运行检测，只保留重要的时间窗口，丢弃其余数据。MCP 服务让你可以通过大模型使用这一切：Claude Code、Gemini、 Cursor，或完全本地运行的模型。

Bagel 是首个为机器人数据提供真正分析工具包的 MCP 服务，它让大模型待在该待的位置：查看你的日志，而不是进入机器人的控制回路。

📦 安装

Bagel 已在 PyPI 上发布，包名为 bagel-mcp。分析录制的数据无需 Docker 或安装 ROS。

Claude Code，一行命令（需要 uv）：

claude mcp add bagel -- uvx --from "bagel-mcp[ros]" bagel-mcp --transport stdio

pip，安装到任意 Python 3.10 到 3.12 环境中：

pip install "bagel-mcp[ros]"

然后，将 MCP 客户端指向它安装的 bagel-mcp 命令（Claude Desktop、Cursor 和 Codex 的配置方法见快速入门）。 打开你的 Agent 并询问：

总结一下数据包 "~/logs/run_42.mcap"。

ros extra 可读取 ROS 1 和 ROS 2 数据包。飞行日志、CAN / MDF4、实时 MQTT 等也都可以通过额外组件安装。实时 ROS 机器人（rosbridge）以及机群/边缘流水线则通过 Docker 运行。

🥯 主要功能

• 用自然语言提问：无需深厚的领域专业知识。
• 计算过程透明：使用确定性的 SQL 查询，不靠黑盒大模型计算。
• 自然语言流水线：“在每次急刹车前后保留 10 秒，删除其余数据”： 一句话即可生成可审计的流水线：写入任何数据前先预览，然后可运行一次、应用于整个机群，或在边缘端持续运行。
• 广泛支持大模型：Claude Code、Gemini、Cursor、Codex 等。
• 按需安装：处理录制数据可使用 pip / uvx，处理实时机器人和边缘端数据可使用 Docker 镜像。
• 可扩展的能力：Bagel 可以学会新本领。
• 广泛支持多种格式：不支持你的数据格式？提交工单。

🥯 60 秒快速体验

无需 MCP 客户端、无需大模型、无需配置：对捆绑的示例日志运行同样的确定性检查，并直接在终端中查看机器人健康状况报告。

docker run -it --rm ghcr.io/extelligence-ai/bagel/px4:latest demo

sample.ulg - 41.5s, 2018 messages, 77 topics

Power      ⚠️  min 21.07V, largest drop 2.37V at ~t=+4.8s, end 23.45V (battery_status_0)
IMU        ✅  accel_z stddev 1.6x the log baseline at ~t=+36.8s (sensor_combined_0)
GPS        —  skipped: no GPS topic
Data gaps  ✅  no gap > 1.05x median interval (checked battery_status_0, sensor_combined_0)
...

ROS2 镜像（ros2-kilted、ros2-jazzy、ros2-iron、ros2-humble）也能以相同方式运行 demo，使用较精简的捆绑示例（只有随附飞行日志的 px4 示例足够丰富，能展示所有检查项）。使用 demo /path/to/log 指定你自己的日志（先用 -v 挂载），或者继续阅读下方的完整 MCP 配置说明。

⚡️ 快速入门

运行 Bagel 有两种方式，按数据类型选择：

你拥有的数据	运行 Bagel 的方式
录制数据：ROS 1 .bag 和 ROS 2 .db3 / .mcap 数据包、飞行日志（PX4、ArduPilot、Betaflight）、CAN / MDF4、CSV / JSON / Parquet、ROS 文本日志；实时 MQTT 机器人	uvx 或 pip，见下文：无需 Docker，也无需安装 ROS
实时 ROS 机器人（rosbridge）、机群和边缘部署	Docker，见下文：镜像内含 ROS 技术栈和持续运行流水线的运行时

🐍 使用 uvx 或 pip 安装（无需 Docker）

MCP 客户端会通过 stdio 自行启动服务，因此无需手动启动或保持运行。选择 uvx（无需管理：首次使用时会获取并缓存 Bagel）或 pip（由你控制的常规安装）。

使用 uvx。 安装 uv （在 macOS 和 Linux 上运行 curl -LsSf https://astral.sh/uv/install.sh | sh），然后：

Claude Code：

claude mcp add bagel -- uvx --from "bagel-mcp[ros]" bagel-mcp --transport stdio

适用于任何接受 JSON MCP 配置的客户端（Claude Desktop、Cursor、Codex 等）：

{
  "mcpServers": {
    "bagel": {
      "command": "uvx",
      "args": ["--from", "bagel-mcp[ros]", "bagel-mcp", "--transport", "stdio"]
    }
  }
}

使用 pip。 Python 3.10 至 3.12；使用虚拟环境可以保持整洁：

python3 -m venv ~/.bagel-venv
~/.bagel-venv/bin/pip install "bagel-mcp[ros]"
claude mcp add bagel -- ~/.bagel-venv/bin/bagel-mcp --transport stdio

对于 JSON 配置，将完整路径用作命令： "command": "/Users/you/.bagel-venv/bin/bagel-mcp", "args": ["--transport", "stdio"]。

**Apple Silicon Mac：**请使用 ARM 版 Python，而不是通过 Rosetta 运行的 Intel 版 Python。运行 python3 -c "import platform; print(platform.machine())" 检查；输出应为 arm64。如果输出为 x86_64，请创建单独的原生环境：

uv venv --seed --python cpython-3.12-macos-aarch64-none ~/.bagel-arm-venv
~/.bagel-arm-venv/bin/python -m pip install "bagel-mcp[ros]"
claude mcp add bagel -- ~/.bagel-arm-venv/bin/bagel-mcp --transport stdio

这样可以避免从源码构建 cryptography：上游已在版本 49 中移除对 Intel macOS 的支持。 目前，全新安装会选择 MCP 1.30.0，其依赖链为 bagel-mcp → mcp → pyjwt[crypto] → cryptography。这适用于基础包和 bagel-mcp[ros]，即使不安装 upload extra 也是如此。 在 Intel Mac 上，如果安装时构建 cryptography 失败，请使用下方的 Docker 方案。请勿降级 cryptography 来恢复旧版 wheel；旧版本缺少安全修复。

格式支持通过 extras 提供，因此 PX4 用户不会下载汽车解析器。请用逗号分隔列出所需项： uvx --from "bagel-mcp[ros,px4,automotive]" bagel-mcp --transport stdio，或 pip install "bagel-mcp[ros,px4,automotive]"。如果你请求的格式缺少对应 extra，Bagel 会在错误信息中给出添加它所需的确切命令。

Extra	添加内容
ros	ROS 1 .bag 和 ROS 2 .db3 包（读取，以及 reduce / snippet 写入器），使用纯 Python 实现
px4	PX4 .ulg
ardupilot	ArduPilot .bin
betaflight	Betaflight .bbl / .bfl
automotive	CAN 采集文件（.blf、.asc + DBC）和 ASAM MDF4
iot	实时 MQTT（包括 Sparkplug B）和 InfluxDB 数据源
viz	Rerun 导出
upload	GCS 和 Azure Blob 上传任务
cloudini	Cloudini 点云任务

MCAP、CSV / JSON / Parquet、ROS 文本日志、PlotJuggler / Lichtblick / LeRobot 导出和 S3 上传均无需 extra。

PX4 日志解析不需要 Git。Git 和网络访问仅用于获取可选的字段说明；在工具的 args 中传入 download_description: false 即可跳过获取这些说明。

升级时，请重复指定已安装的 extras，以便同时更新其依赖项。uvx 会自动获取新版本（使用 uvx --refresh --from "bagel-mcp[ros,px4]" bagel-mcp --help 强制刷新）；使用 pip 时，运行 pip install -U "bagel-mcp[ros,px4]"，并换成你自己的 extras 列表。

然后输入提示词，指向你自己的文件：

总结 MCAP 包 "~/logs/run_42.mcap" 的元数据。

说明

读取 bag 文件无需安装 ROS：ros extra 使用纯 Python rosbags 库进行读写 （支持 sqlite3 和 MCAP 存储、zstd / bz2 / lz4 压缩，以及来自 bag 本身或 Humble 及之后各发行版捆绑接口定义的消息类型）。实时 ROS 话题（rosbridge）以及 fleet / edge 运行时仍通过 Docker 提供。

🐳 使用 Docker 运行（实时机器人、fleet 和 edge、特定发行版的 ROS）

提示

**已经在使用 Claude Code？**只需粘贴此仓库的链接，并告诉 Claude 你需要的环境：

为 ROS2 Kilted 设置 https://github.com/Extelligence-ai/bagel。

Claude 会克隆仓库、启动 Docker，并为你配置 MCP 连接。

📋 前置条件

安装 Docker Desktop 和 Claude Code（或其他支持 MCP 的大模型）。

说明

**arm64 主机（Apple Silicon、Raspberry Pi、Jetson、Graviton）：**默认服务 ros2-kilted （也是 server.json 固定使用的服务）提供多架构镜像，因此 Docker 会拉取原生 arm64 构建版本。无需额外设置。

其他服务仅发布 amd64 版本。Docker Desktop 会自动进行模拟，因此它们也能在 Apple Silicon 上运行（速度较慢，但可用）。在使用纯 Docker Engine 的 arm64 Linux 上，默认不提供模拟功能，这些服务会立即因 exec format error 而失败——请先安装 QEMU/binfmt：

docker run --privileged --rm tonistiigi/binfmt --install amd64

1. 克隆并启动 Bagel

git clone https://github.com/Extelligence-ai/bagel.git && cd bagel
docker compose run --service-ports ros2-kilted

提示

端口 8000 已被占用？将 MCP_SERVER_PORT 设为其他值，例如 MCP_SERVER_PORT=8100 docker compose run --service-ports ros2-kilted，并在第 2 步使用 该端口。

选择与你的环境匹配的服务：

服务	用途
ros2-kilted	ROS2 Kilted（最新）
ros2-jazzy	ROS2 Jazzy
ros2-jazzy-jev	ROS2 Jazzy + 机器人端决策模型（GPU，测试版）
ros2-iron	ROS2 Iron
ros2-humble	ROS2 Humble
ros1-noetic	ROS1 Noetic
ros1-noetic-cv	ROS1 Noetic + CV
px4	PX4 飞行日志
ardupilot	ArduPilot 飞行日志
betaflight	Betaflight 飞行日志
iot	IoT / MQTT（实时）

-jev 镜像（测试版）添加了 PyTorch，用于在机器人上运行决策模型 （在异常检测门控中设置 backend: local）。其他服务也可以通过相同方式构建，只需使用 --build-arg JEV_MODE=true。仅使用 CPU 的机器人不需要此镜像：托管 Jev 后端可在所有镜像中使用。

提示

如需让 Bagel 访问本地文件，请在启动 Docker 前编辑 compose.yaml： 取消注释并更新所选服务下的 volumes 部分。

等待出现以下输出：

INFO:     Uvicorn running on http://0.0.0.0:8000 (Press CTRL+C to quit)

2. 连接 Claude Code

在新的终端中：

claude mcp add --transport sse bagel http://localhost:8000/sse

说明

出于安全考虑，MCP 端点仅绑定到 localhost（不会暴露在局域网中）。 如需与其他机器共享，请从 compose.yaml 中移除 127.0.0.1 前缀， 并在前面配置经过身份验证的代理：请参阅 SECURITY.md。

3. 提示词

claude

总结 ROS2 bag "./data/sample/ros2/mcap" 的元数据。

就是这样：现在你可以与数据对话了。

🔒 想要完全离线使用？

将第 2 步替换为本地模型：你的数据和大模型都留在本机上：

brew install ollama && ollama serve &                                  # or ollama.com
ollama pull qwen3:8b
uvx ollmcp --mcp-server-url http://localhost:8000/sse --model qwen3:8b

模型选择、预期情况和故障排除：参阅本地大模型指南。

📚 使用其他大模型？

Bagel 适用于任何支持 MCP 的大模型。以下是经过测试的替代方案设置指南：

• Claude Code（详细指南）
• Gemini CLI
• Codex
• Cursor
• Copilot

找不到你的大模型？提交工单。

## 🔌 Agent 插件（Claude Code 和 Codex）

Bagel 附带一个 Agent 插件：其中包含四项技能，教 Agent 何时以及如何驱动服务（日志分诊、管线编写、实时接收端、可视化导出），并自动配置 MCP 连接。Claude Code 和 OpenAI Codex 共用同一个 plugin/ 目录。

/plugin marketplace add Extelligence-ai/bagel
/plugin install bagel@bagel

Codex 和 ChatGPT 用户：从 OpenAI 插件目录一键安装 bagel，或克隆仓库并将其添加为插件市场（仓库中包含 .agents/plugins/marketplace.json）。从目录安装只会打包技能（该目录仅接受公开的 HTTPS MCP 服务，而 Bagel 运行在你的机器上），因此还需通过 codex mcp add bagel --url http://localhost:8000/mcp 连接一次服务，或者在 ~/.codex/config.toml 中配置：

[mcp_servers.bagel]
url = "http://localhost:8000/mcp"

从仓库市场和 Claude Code 安装时，会自动配置此连接。维护者可使用 uv run python scripts/package_codex_directory.py 构建目录 ZIP。

然后启动适用于你的数据格式的容器（参见 Quickstart）：插件默认连接到 http://localhost:8000/mcp。其他任何 MCP 客户端都可以通过 list_agent_capabilities 工具，在服务端发现相同的工作流。

留下重要数据，丢弃其余部分

机器人记录的数据远超你能负担得起的传输量。Bagel 将问题转化为检测器，在数据记录位置运行检测器，并且只传输真实事件周围的数据窗口。

下面是一次对话中的操作：

如果事先不知道事件是什么？异常门控 *（测试版）*会在机器人上学习正常状态，让 Jev为异常情况命名，并且只保留这些切片；每个切片都带有一个 JSON 标签，支持任意存储桶：S3、GCS、Azure、MinIO 或 R2。

上面的会话：一段 20 分钟（1,200 s）的录制，提示词为 “保留每次减速度超过 −10 m/s² 时前后各 10 秒的数据”。预览检测到 7 个事件，将它们合并为 4 个窗口，并从 1,200 s 中保留 92 s（7.6%）；运行后，2.1 GB 的 bag 缩减至 161 MB。这些数字是示例演示输出，并非实测基准：该比例为事件窗口时长与总时长之比，因此完全取决于你的工作负载。

✅ 支持的数据格式

行业	格式
机器人技术	ROS1、ROS2、MCAP（任意配置文件）、Copper（通过 MCAP 导出）、ROS 文本日志（~/.ros/log）
机器人学习	Gantry Bench 证据包——数据集判定的工作产物（每个片段的信号检查、机器人测试阶梯、发现项），以可查询的表格形式提供
无人机	PX4、ArduPilot、Betaflight
汽车	ASAM MDF4（.mf4）、CAN 记录（.blf/.asc + DBC） · 测试版
物联网	MQTT（实时、Sparkplug B）、PostgreSQL / TimescaleDB、InfluxDB 3
硬件状态	WaffleForm 快照（.waffleform.yaml），由 waffle-iron 自动检测 · 测试版

🆚 Bagel 与你已经在使用的工具

你已经有了 ros2 *、PlotJuggler 和 grep。Bagel 不会取代它们：它能回答那些需要你费力才能找到答案的问题，然后把结果交给它们：

你现在的做法	改为询问 Bagel
用 ros2 bag info 查看元数据	“总结这个 bag”：同一个提示词也适用于 PX4、ArduPilot、MCAP、MQTT、Postgres
用 ros2 topic echo /imu 查看原始数值	“/imu 中的 z 轴减速度峰值是多少？5 s 内的运行平均值呢？” · 底层使用真正的 SQL：峰值、运行平均值、百分位数、跨主题关联
在 PlotJuggler 时间线上来回拖动，寻找事件	“找出所有小于 −10 m/s² 的减速度，并截取前后各 30 s 的片段”：然后用 预设好视图的布局 在 PlotJuggler 中打开结果
使用 rqt_console，或 grep ~/.ros/log	“读取 ~/.ros/log 中的 ERROR，并告诉我出了什么问题”：包含回溯信息，无需 bag
在两个终端中分别查看两个主题，再用电子表格进行关联	“电流和电压之间的相关性是多少？”：所有主题都位于同一个 SQL 关系中，因此联接和 corr() 只需一个问题
使用 ros2 bag record -a，还得盯着磁盘空间	一个常驻边缘管道：持续录制，只保留事件窗口，丢弃其余数据
用 bash 循环处理 200 个 bag	“在文件夹中的每个 bag 上运行这个管道”：一个管道，覆盖整个机群，并生成一份汇总报告
编写 scp/aws s3 sync 脚本，将数据从机器人传出	将数据上传到 S3、GCS 或 Azure，作为管道步骤；对已存在的文件跳过校验和传输
每种格式都用不同的查看器：PX4 用 FlightPlot，ArduPilot 用 MAVExplorer，Betaflight 用 Blackbox Explorer	用同一段对话处理所有这些格式，还包括 ROS、MCAP、MQTT、Postgres、InfluxDB
每个问题都写一个临时的 pandas 脚本	直接提问；Bagel 会编写并运行查询

用一句通俗的话，就能获得一个答案，不必执行一连串命令，也不用编写一段明天就会删除的脚本。

💬 我可以提什么问题？

你几乎可以问 Bagel 任何问题。例如：

/spot/status/battery_states 主题中，电流和电压之间的相关性是多少？

我觉得机器人撞上了一个坑。能检查一下 z 轴是否出现突然减速来确认吗？

每当无人机的减速度大于 10 m/s² 时，保留前后各 10 秒。丢弃其余所有数据。

自上周以来，这台机器人有什么变化吗？

是时候让 Bagel 接受考验了：它能发现正在做横滚动作的无人机吗？剧透：🎉 完全可以。

## 💡 Bagel 的工作原理

当你提出问题时，Bagel 会分析数据源的元数据和主题，以建立高层次的理解。

根据你的提示词，如果需要进一步检查，Bagel 会找出最相关的主题，并解读其含义和结构。随后，Bagel 会将相关主题消息写入 Apache Arrow 文件，并使用 DuckDB 生成和执行查询。

根据需要重复这一过程，运行新的查询，直到 Bagel 找到问题的最佳答案。

大模型擅长语言，但不擅长数学。Bagel 通过生成确定性的 DuckDB SQL 查询来弥补这一不足。这些查询会显示出来供你审查，你也可以引导 Bagel 修正错误。

🐶 教 Bagel 新技能

Bagel 通过 POML 文件学习新能力：一组结构化指令，用于描述某项“技能”，例如计算延迟统计数据。

✍️ 创建 .poml 文件

例如，我们来定义 ./bagel_mcp/agent/examples/woof.poml。

<poml>
    <task>
        Count the topics in the data source.
        If the count is odd, say "woof", else say "meow".
    </task>

    <output-format>
        Return the sound, the topic count, and a few cute emojis. Nothing else.
    </output-format>
</poml>

🗣️ 使用该能力

向 Bagel 提示：

对 ROS2 包 "./data/sample/ros2/mcap" 运行 POML 能力 "./bagel_mcp/agent/examples/woof.poml"。

结果：

meow 🐱 4 topics 🐱💤🎯

教它你自己的技能（无需重新构建）

Bagel 会从 ~/.bagel/capabilities/ 中发现你自己的能力：

• 在对话中： 先执行一次工作流，然后说 “将它保存为名为 battery-triage 的能力” — Claude 会调用 save_agent_capability，之后便可在任何未来会话中重复使用。
• 作为文件： 将包含步骤的 Markdown 文件（如果需要参数化模板，也可以使用 POML 文件 — 房间内的格式示例请参见 bagel_mcp/agent/compose/pipeline.poml）放入 ~/.bagel/capabilities/。

无论哪种方式，它都会以 user/<name> 的形式显示在 list_agent_capabilities 中，并可通过 run_poml_capability 运行 — 无论是在 Claude Code、Claude Desktop 还是任何 MCP 客户端中。团队使用时：将该目录保存在自己的 git 仓库中，并同步到每台机器人；它只是一些文件。在 Linux 上，请在启动容器前运行一次 mkdir -p ~/.bagel/capabilities，这样挂载目录便归你所有，而不是 root。

📚 指南

• 自然语言流水线 · 模型：一种节奏、关卡和任务；预览 → 运行 → 保存 → 批处理 → 在边缘持续运行
• 事件驱动的数据精简 · 检测事件，保留事件前后的窗口（片段或一个精简包），跨设备群组批处理，然后上传到云端
• 使用 Jev 进行异常检测 (测试版) · 在机器人上学习正常状态，让 Jev 标记异常内容，并仅上传带有 JSON 标签的相应片段；preview_anomalies 会先试运行筛选
• 通过 rosbridge 连接实时 ROS2 机器人 · 分步教程
• ROS 文本日志 · 检查 ~/.ros/log 中的错误和警告，无需打开 bag
• MQTT · 实时 IoT 主题、Sparkplug B、边缘录制
• PostgreSQL / TimescaleDB · 每张表都是一个主题
• InfluxDB 3 · 每个测量项都是一个主题
• 汽车 MDF4 与 CAN (测试版) · 通道组和 DBC 消息都是主题；单位也会一并保留
• 本地大模型 · 使用 Ollama 完全离线运行：你的数据和模型永远不会离开本机

📦 集成

• Rerun · “在 Rerun 中显示该事件”：将任意时间窗口转换为可直接打开的录制文件
• Lichtblick / Foxglove · 将事件窗口转换为 MCAP，并为任一查看器预先配置布局
• PlotJuggler · 直接打开 Bagel 的 MCAP 输出；提供一句话即可生成预先配置的会话，并导出扁平化的 CSV/Parquet 文件
• Cloudini · 解码经过 cloudini 压缩的点云，或将 bag 中的 PointCloud2 主题压缩为 CompressedPointCloud2
• Slack · 流水线触发时会向你的运维频道发送消息：“🚨 {asset} 急刹车”
• LeRobot (测试版) · 将检测到的事件转换为训练回合：LeRobotDataset v3.0

🚧 限制

我们已知的一些不足，提前告知，免得你亲自踩坑：

• 两种格式仍处于 beta 阶段。 汽车领域的 MDF4/CAN 读取器已使用生成这些文件的同一批库（asammdf、python-can）进行验证；真实的 CANape/INCA/Vector 生成的记录尚未经过我们的测试。 LeRobot 导出文件已使用真实的 lerobot 软件包通过加载测试，但尚未使用 Bagel 导出文件训练过策略。
• Jev 集成处于 beta 阶段；在我们从真实部署中积累经验之前，它会一直保持 beta。 这包括 anomaly 和 decide 门控（记录日志和实时订阅）、preview_anomalies、机器人端的 local 后端以及 ros2-jazzy-jev 镜像。其 Jev 后端已在真实行驶过程中，通过 Vercel AI Gateway 对接实时 Jev 运行，也已针对合成故障日志和实时 MQTT 流运行；尚未测试直接使用 TypeSafe 密钥的情况，也尚未在包含已知事件的日志上评估检测质量。对于实时订阅，带标记的时间窗口会保存为 Parquet（write_topics_to_file）；MCAP/rosbag 片段需要使用记录日志，因此在此场景下会被拒绝。基线按每次运行学习，并会随进程重启，因此在屏幕模式下，每次运行开始后的几分钟内都不会标记异常。标签、设置和默认值可能会在不同版本间发生变化。
• 数据缩减比例取决于工作负载，且尚未经过基准测试。 比例为事件时间窗口时长除以总时长：安静的记录会大幅缩减，事件较多的记录缩减幅度则小得多。本 README 中的数值是演示输出示例，并非实测基准数据。
• MCP 端点没有身份验证。 按设计，它只绑定到 localhost；请像对待数据库套接字一样谨慎处理，并在将其共享到本机之外之前查看 SECURITY.md。
• 小型本地模型难以应对多步骤管道。 4-8B 模型可以处理工具选择和简单 SQL；事件时间窗口缩减和多主题联接则需要更大的模型。请参阅本地 LLM 指南。
• 实时数据库端到端测试在 CI 之外运行。 InfluxDB 和 Postgres 测试套件中的纯测试会在 CI 中运行；其实时端到端测试仅会针对你指定的实例执行。其他所有测试（包括 ROS 包写入路径）都会在 CI 中运行。

🫶 参与贡献

欢迎你来帮忙！支持本项目最简单的方式是在 GitHub 上点个 ⭐。

其他很棒的贡献方式：

• 请求新功能
• 报告错误
• 改进文档
• 添加新能力

贡献之前，请先查看指南。

欢迎加入我们的 Discord 服务器参与讨论。 我们经常在那里交流。

📄 许可证

Bagel 是基于 Apache License 2.0 开源的。

Agent 发现与可复现工作流

维护者请参阅：发现审查与评估、 列表维护以及 可复现的用户报告。