Plugins

BrowserSkill-Brücke zur Steuerung sichtbarer Chrome- und Edge-Agent-Fenster aus DeepSeek Harness, mit nativen Browser-Werkzeugen, Barrierefreiheits- und VOM-Beobachtungen, Screenshots, eigener Mehrfachsitzungssteuerung und einem Live-Web-UI-Overlay.

Kostenlose Vision für reine Textagenten: integrierte, schlüssellose Vision-Chain plus Pixel-Tools (Q&A, Grounding, Zuschneiden, Pixel-Diff, Farben, OCR, SVG-Trace, Freistellen, Screenshots); Bild einfügen zur Nutzung.

DSH↔Godot-Laufzeitbrücke: startet und steuert ein laufendes Godot-4.x-Spiel über dessen In-Game-TCP-Interaktionsserver — 16 Tools (Laufzeitsteuerung über ~130 Spielbefehle, Szenen-/UI-Inspektion, GDScript-Auswertung, Eingabesimulation, Screenshots, headless statische Operationen, Projektbearbeitung, Export, Skriptvalidierung, Engine-Pfad-Einrichtung), ersetzt godot-mcp.

Android-GUI-Agent mit ADB-Screenshots, kompaktem UI-Hierarchie-Grounding, verifizierten iterativen Aktionen, Freigaben und einer Mobile-Web-Ansicht.

ROS2-Debug-Werkzeugkasten und Roboterzustands-Bildanalyse für DeepSeek Harness: Aufzählung von Node/Topic/Service/Action/Interface/TF, Topologie-JSON des gesamten Graphen, rosdep-Prüfungen, genehmigungsgesteuerte Builds und Custom-Message-Gerüstbau, GUI-Screenshots und multimodale Visionsbeobachtung sowie Headless-RViz2-Offscreen-Rendering (Low-Poly-Meshes, direkter Pixel-Read, GPU-Passthrough – Bewegungsdarstellung mit 30 Hz) mit paralleler VLM-Echtzeitanalyse.

Von CloakBrowser betriebene native Browser-Tools mit pro Agent isolierten Sitzungen, begrenzten Snapshots, referenzbasierter Interaktion, Screenshots und sicherem Routing.

DeepSeek Harness plugin that turns UI screenshots into implementation-grade web specs using OCR, deterministic geometry, scene graphs, assets, and render comparison.

Screenshot feedback for DeepSeek Harness — let your coding agent SEE what it builds

Windows computer use for DeepSeek Harness: an MCP stdio server over a PowerShell UIA backend exposing 22 desktop tools (UIA tree, screenshots, typed input, OCR, window management, failsafe).

Combine text, vision, and image-generation APIs into one Mix model with automatic routing: text-only requests go to the chat model, user images and agent screenshots go to the vision model, follow-ups keep using the same session image, and agents can generate or edit images with session-scoped call history.

macOS desktop automation for DeepSeek Harness: control mouse/keyboard/scroll/apps/windows/screenshots via agent tools, with vision closed-loop (see + locate). GUI-session service, no boot autostart.

Model-agnostic visual-inspection pipeline for text-only agents: page-by-page HTML screenshots plus a ready-made vision-subagent briefing contract (gewu_prep), then source-code truth verification of every finding (gewu_locate); validated on mimo-v2.5 & qwen3.7-plus.

CDP bridge to an already-running Chrome/Edge for DSH: screenshots, pixel assertions, DOM/CSS checks, and page JS evaluation over HTTP + WebSocket, with zero child processes, zero npm dependencies, and zero per-use approval.

Headless-browser verification tools so the agent opens the page it just built, reads the rendered DOM and computed styles, checks the console, and screenshots the result; ships a frontend-verify skill.