Plugins

Un port ligero de Headroom: comprime la salida de herramientas, recorta hasta el 20% del contexto, sin afectar a la caché de contexto del modelo ni al rendimiento del agente.

Perfilado de rendimiento y diagnósticos de caché LLM para DeepSeek Harness — ingeniería de contexto, perfilado de latencia e informes sobre el comportamiento de la caché.

Exporta eventos de turno, modelo, herramienta, aprobación, reintento y error de DSH (solo metadatos) a Tuning Engines para trazas gobernadas, evaluación de políticas, análisis de costos y revisión de Work Session, con una cola de reintentos respaldada en disco.

Localización al chino de DeepSeek Harness: traduce en tiempo de ejecución todos los prompts del sistema, descripciones de herramientas y contextos de ejecución al chino mediante la cascada system-prompt/assemble (1788 entradas, sin modificar el código fuente, al desinstalar se restaura el inglés).

Puente de memoria Honcho: sincroniza automáticamente cada turno de conversación con un servicio Honcho autoalojado, con herramientas de recall/search/remember/context/status, inyección de contexto al iniciar sesión y un panel de configuración visual.

Proveedor LLM NewAPI (pasarela compatible con OpenAI): registra una ruta `newapi` con descubrimiento de modelos solo de chat, autocompleta los parámetros del modelo (ventana de contexto, esfuerzo de razonamiento) desde models.dev y añade una sección de configuración web para la URL base y la clave de API.

Plugin gestor de servidores MCP para DeepSeek Harness: página Ajustes → MCP, autenticación OAuth (PKCE + registro dinámico de clientes) o por token estático, herramientas registradas como mcp__<nombre>__*

Instalador y verificador de servidores MCP para DeepSeek Harness: la init interactiva escribe entradas de parche reales en un perfil, list y validate las inspeccionan, y un verificador forzado por CI se conecta a todos los servidores curados.

Sustituye el resumidor de compactación integrado de DSH por un resumen de traspaso de cinco secciones y mantiene legible cada mensaje ocultado en un directorio de segmentos.

Tablero Kanban de tareas para sesiones de DeepSeek Harness: el agente principal despacha tareas de programación a subagentes worker/verifier de un solo uso, con planificación de dependencias, niveles de pipeline, manejo de escalado e inyección de contexto de archivos/notas.

Mejora de prompts para el compositor: el botón «✨ Enhance» reescribe el borrador con una versión más clara y estructurada, aplicando el pensamiento de primeros principios y basándose en el contexto de la sesión, la memoria y la conversación reciente; hace preguntas de aclaración en una tarjeta cuando falta información clave y muestra una vista previa antes de aplicarlo al campo de entrada.

Mascota de escritorio interactiva estilo chica-ballena para DeepSeek Harness: saldo/uso/ocupación de contexto en vivo, tiro con tirachinas, burbujas de huevo de pascua, modo eco. Paquete de 346 KB, cero procesos extra.

Carril de widgets del lado derecho para DeepSeek Harness Web UI: estadísticas de sesión en vivo, widgets de tarea/contexto/mapa de calor/cita, cuota de OpenCode Go, diseños de cuadrícula de varias columnas (1/2/4 columnas) con mosaicos largos 2x4, una onda de magnificación continua y dimensionamiento por instancia; los widgets se pueden instalar, reordenar y redimensionar desde Configuración > Componentes.

Hooks de ciclo de vida impulsados por configuración, incluida la inyección de contexto: declare event, handler y outcome en YAML, donde handler es una herramienta in-harness (MCP incluido), un comando shell o un endpoint HTTP, y outcome es model-visible context, un denied tool call o fire-and-forget.

Medidor local-first de uso y coste para la interfaz web de DSH: botón de composer con coste de sesión y saldo en vivo; panel con un gráfico diario/de 7 días por modelo apilado, tarificado por intervalos efectivos de precio de lista (la página oficial de precios se sincroniza a diario), niveles de uso mensuales con una tarjeta para compartir en canvas, avisos de presión de contexto al 30/50/85% con /compact de un clic, alertas de presupuesto y una comprobación de actualización de npm dentro del panel con actualización de un clic.

Un plugin de memoria tipo wiki para LLM supersimplificado: un documento índice (cargado automáticamente) + un archivo markdown por tema (leído solo cuando hace falta): sin volcar todo en el contexto ni quemar tokens. Sencillo y ligero, instalar/desinstalar sin dolor, y editable libremente como quieras.

Herramientas nativas para una bóveda wiki de Obsidian: wiki_query, wiki_write, wiki_rename, wiki_scaffold, wiki_archive y wiki_lint cubren búsqueda BM25 con contexto de grafo de enlaces, escrituras de contabilidad con seguimiento de fuentes sha256, renombrados en toda la bóveda, scaffolds de modos, archivado de fuentes y comprobaciones de estado — con bloqueos entre procesos y git auto-commit opcional.

Adaptador de chat nativo de Ollama Cloud: traducción NDJSON directa del formato de cable /api/chat de Ollama, descubrimiento de modelos con ventanas de contexto y capacidades, y proveedores de búsqueda/obtención web bajo el id ollama-cloud, además de una tarjeta de ajustes Web.

Búsqueda web compatible con Grok con paginación de fuentes conservada, consulta de documentación de Context7 y Exa, extracción de páginas acotada, mapeo de sitios, planificación de investigación offline y diagnósticos de solo lectura.

TypeSafe Jev como servicio Cordis de primera clase y tres herramientas visibles para el modelo en DeepSeek Harness: offline por defecto, egreso declarado, nunca activado por defecto.

Contexto de red de conocimiento empresarial para DeepSeek Harness: vincula una sesión a una red de conocimiento OpenBKN, consulta sus objetos y métricas mediante herramientas MCP gestionadas y abre procedencia respaldada por trazas (hechos de ejecución y un grafo de negocio) para cada respuesta. Se distribuye con OpenBKN Runtime; las vistas de procedencia requieren una licencia empresarial de OpenBKN.

Muestra qué índice de graft está sirviendo una sesión de dsh y si todavía coincide con el código, y ofrece al modelo graft_ask, graft_grep, graft_callers, graft_skeleton y graft_map como herramientas nativas.

Supervisa un proceso local de la pasarela workbuddy2api y expone sus modelos como proveedor LLM, leyendo las ventanas de contexto y los niveles de esfuerzo de razonamiento desde el propio endpoint de modelos de la pasarela.

Capa de adaptación de dsh-ecolink para DSH: lectura directa del grupo de memoria local, inyección en pre-step (puntuación + presupuesto + deduplicación por sesión) y filtrado por #nombre-de-memoria, para conectar con el ecosistema de memoria del lado web.