Plugins

Mebular ofrece memoria compartida y colaboración en tareas para agentes. Este plugin nativo de DSH permite compartir memoria entre dispositivos y agentes y usar grafos de tareas. Se conecta a una app o runtime CLI de Mebular existente; si no existe, el panel instala el runtime compartido bajo demanda. Nunca inicia ni descarga Mebular en silencio.

Memoria causal para dsh: un puente MCP stdio sin dependencias que monta las 17 herramientas del servidor causal-memory bajo nombres limpios (sin prefijo mcp__) — aristas decisión → resultado con relaciones tipadas (caused / enabled / prevented) en un almacén SQLite local que sobrevive a la compactación — más una sección de prompt del sistema fijada. Requiere el binario del servidor causal-memory en PATH (pip install causal-memory o una versión precompilada).

Ejecuciones de codificación programadas en sesiones de agente nuevas, con historial auditable.

Pega un enlace y el agente lo lee. Convierte Xiaohongshu, Douyin, Bilibili, WeChat, artículos, PDF y audio en Markdown con citas para wiki o base de conocimiento. A/B exploratoria de 60 turnos (con límites de tiempo distintos y sin revisión humana de la corrección): lectura completada 22%→92% (+70 puntos), tiempos agotados 68%→0%, respuestas con un hecho real de la fuente 23%→82%. En 123 enlaces reales, 80% resultó utilizable (93% de las páginas que respondieron); un enlace inaccesible se informa en 26 s. Compatible con Codex, Claude Code y DSH.

Permite ver y administrar las herramientas y skills de un agente en un menú visual. Configura cada capacidad como Resident, On-demand o Disabled; los agentes pueden encontrar y usar capacidades bajo demanda mientras reducen el uso de contexto.

Conecta a DSH cualquier agente compatible con ACP y úsalo como punto único para conversaciones y tareas. El propio agente determina modelos, niveles de razonamiento y permisos. Las llamadas a herramientas aparecen en el chat principal, los diff en una página NTR y las aprobaciones en el compositor. Requiere tener instalado localmente un CLI de agente compatible con ACP.

Base de conocimiento para DeepSeek Harness: reúne evidencia de ContextWindow al consultar, respetando límites de encabezados y tokens, y amplía la lectura alrededor de cada resultado. Combina búsqueda BM25/vectorial con RRF ponderado, MMR y reordenación local/remota opcional. Incluye inyección automática de evidencia, panel para descargar modelos locales de embeddings/reordenación/OCR y comprobar su estado, búsqueda por palabras clave sin descargar modelos y nuevos escaneos de directorios importados.

Un panel de gestión de plugins: activación/desactivación con un clic para los plugins instalados, además de un mercado de plugins dsh-plugin de GitHub con detalles e instalación con un clic.

Laberinto de ejecución para sesiones DSH: el recorrido real del agente — avance principal, desvíos fallidos o sin salida, retrocesos, reintentos de solicitud y ramas de subagentes — dibujado en una sola línea temporal de reloj; con tres trazas bajo cada carril que comparten ese eje (densidad de llamadas a herramientas, pulso de tokens, presión de contexto) y un panel de análisis determinista debajo (matriz de resultados de herramientas, cadenas de recuperación ante fallos, distribución de duración); míralo crecer en vivo en una pestaña de sesión, o sube hasta 5 registros de sesión para una comparación en el mismo eje.

Puente compatible con OpenAI para usar en Midscene los modelos configurados en DeepSeek Harness. En 127.0.0.1 (puerto predeterminado 8787; elige otro libre si está ocupado) reenvía chat completions con o sin streaming a la capa del host. Admite routing oficial de DeepSeek, CodeBuddy, Codex y endpoints OpenAI/Anthropic personalizados. Las credenciales quedan en plugins provider; el puente no las toca. /v1/midscene-env genera cuatro líneas MIDSCENE_MODEL_* e infiere la familia. Registra 7 skills: navegador, escritorio, Android, iOS, HarmonyOS, E2E Vitest y referencia Midscene; no requiere npx skills add. npm: dsh plugin --profile web add @tnnevol/dsh-midscene

Consola de gobernanza de activos para infraestructura de IA autohospedada. Registra en un único ledger servidores MCP, skills, agents, apps de IA, canales de modelos, conectores SaaS y almacenamiento NAS, con máquina de estados del ciclo de vida, puntos RBAC por herramienta, atribución de costes departamento × agente × skill, topología de dependencias y auditoría append-only. Autohospedada, MIT, sin servicio alojado ni contrato en la nube.

Alternativas de palabras y autocompletados activados con guion bajo en el compositor. Termina una línea con _ y se completa; los errores ortográficos se marcan mientras escribes. Pasa por el modelo ya configurado en dsh, por lo que no necesita clave de API.

Adelgazamiento reversible del contexto para DeepSeek Harness: recodificación tabular sin pérdida estilo TOON de arrays JSON uniformes, ventanas de tablas muestreadas por stride con números de línea y deduplicación entre turnos para salidas repetidas de herramientas; cada reemplazo pasa por una compuerta de bytes+tokens (≤72% de bytes, estrictamente menos tokens estimados) y el original se vuelca a disco detrás de un aviso `[save-token #id]`, recuperable en una sola llamada mediante la herramienta `save_token_expand`, con medición de tokens facturados y ahorrados en un panel de configuración.

Complemento de agente de flujo de trabajo de ingeniería harness/loop impulsado por habilidades.

Lectura profunda de libros y artículos en cinco modos (rápido, profundo, mapa de conocimiento, Feynman, libro completo) con informes de afirmación-evidencia-datos, mapas mentales Mermaid/XMind, comparación por lotes, comprobación previa del presupuesto, progreso transparente de tareas en segundo plano y exportación a MD/HTML desde URLs, archivos o texto pegado.

Adapter de terceros que registra el servidor MCP upstream REA (Reverse Engineer Anything) en DeepSeek Harness como herramientas mcp__rea__*. 2.x instala su propio runtime (Node, REA CLI, JDK, Ghidra) en <DSH_HOME>/plugins/rea-bundle y lanza REA mediante un shim; tras una configuración inicial funciona aunque nada estuviera instalado. 1.x (branch v1, npm 1.0.6) solo configura y requiere REA y Ghidra ya instalados. El análisis es del upstream: binarios nativos (Hopper/Ghidra/IDA), apps JavaScript/Electron, ensamblados .NET, sitios web, Android APK y dispositivos adb, firmware y capturas de procesos.

Configuración por modelo de reasoning-effort y modalidad de entrada para proveedores de terceros: sugerencias fusionadas desde una base de conocimiento de modelos y evidencia cruda del endpoint /models con etiquetas de confianza, editadas dentro de la tarjeta oficial de la página Models.

Mantiene un servidor local de modelos TinyTitan accesible desde el harness: actualiza la ruta llm-pi-ai a partir de los modelos instalados y monta un backend de compactación que no razona.

La base de conocimiento de desarrollo de complementos DSH como habilidad de agente bajo demanda: restricciones oficiales, flujos de trabajo de tareas, referencia de API y trucos de la comunidad, instalada con el paquete para que el agente pueda consultar mientras construye un complemento.

Memoria a largo plazo entre sesiones en una base SQLite local: dos ámbitos (usuario y proyecto por origen Git), recuperación híbrida FTS5 + vectores locales combinada con RRF, una puerta de evidencias que exige juzgar explícitamente si son suficientes, cadenas de auditoría de procedencia, repaso espaciado SM-2, destilación de consolidación y olvido por decaimiento, además de un panel lateral Memory Palace con nueve vistas. Incluye 22 herramientas de parámetros acotados, sin servicio externo, API key ni Docker.

Compatibilidad con espacios de trabajo WSL para DeepSeek Harness: disfruta de una experiencia de espacio de trabajo WSL fluida sin necesidad de instalar dsh dentro de WSL. Una vez instalado este complemento, puedes añadir un espacio de trabajo WSL directamente desde la GUI.

Página host para la configuración de plugins kit en la GUI Web de DSH: registra una sección «Configuración de plugins» en Ajustes — al mismo nivel que la sección General integrada — mediante el slot oficial settings.section y declara un slot hijo settings.kit.item, en el que los plugins de dsh-plugin-kit renderizan sus propias tarjetas de configuración. Instalarlo solo muestra una página vacía; las tarjetas aparecen a medida que se instalan plugins kit que registran el slot.

Pipeline de QA como 10 agent skills: análisis de requisitos, estrategia de pruebas, redacción y revisión de casos, automatización E2E (Playwright) y de API, exploratoria, alcance de regresión y análisis de bugs, respaldado por una base de conocimiento compartida con reglas de formato, modelo de riesgo y validadores de esquema.

Organiza la capa de autoridad de prompts del harness en un conjunto de parches revisable, escribe prompt-inject.md y permite un prompt predeterminado distinto por modelo. Informa qué parches se aplicaron y si el host en ejecución carga app.asar o un árbol desempaquetado; cuando el proceso de escritorio queda inactivo, cambia la instalación sellada por el árbol parcheado. Incluye página de estado y CLI dsh-purge.