Plugins

Conecta dsh a un entorno de ejecución local de SandBase Harness a través de stdio MCP para gestionar agentes y sesiones, transmitir turnos, inspeccionar artefactos y cancelar tareas.

Las capacidades de DeepWatch, instalables en un perfil de DeepSeek Harness existente.

Observador de solo lectura del recorrido de trabajo de la sesión: agrupa los turnos en resúmenes de etapa, ejecución, duración y tok/s, y luego expande ramas paralelas, resultados de herramientas y razonamiento visible para el proveedor.

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.

Panel de gestión de solo lectura para el cliente MCP oficial de DSH: estado de conexión, herramientas registradas, errores y recuento de reconexiones a través del comando /mcp y una pestaña de Ajustes, con visualización depurada y sugerencias de parches para activar/desactivar.

Trace Compare & Live Maze: dibuja la exploración real del agente —ruta principal, desvíos fallidos o sin salida, retrocesos y ramas de subagentes— en una única línea temporal de reloj de pared; sube 1–2 registros de sesión para una comparación en el mismo eje u observa su crecimiento en vivo en una pestaña de sesión.

Convierte eventos del ciclo de vida de sesión, bucle de agente, LLM y herramientas en trazas y métricas GenAI de OpenTelemetry, exportadas mediante OTLP/HTTP estándar a cualquier backend compatible, con la captura de contenido desactivada por defecto.

Exporta el flujo de eventos de la sesión a OpenTelemetry OTLP y Langfuse como trazas y métricas saneadas y tamponadas, desactivado por defecto.

Observabilidad de tokens local-first en cuatro cubos: paneles persistentes por sesión/proveedor/modelo/día, tendencias, señales de presupuesto y anomalías, estimaciones de tarifas públicas, exportaciones agregadas seguras, y análisis de uso o trayectoria de sesión mediante consentimiento explícito.

Niveles de uso y tarjetas de estadísticas compartibles: 🐟→🐳 clasificaciones por consumo mensual de tokens con percentil estimado calculado localmente, precios precisos para 46 modelos de 6 proveedores (incluidos precios chinos por nivel de tamaño), relleno de sesiones preinstalación y comparación antiguo vs. nuevo tras el cambio de tarifas del 2026-08-17. Solo local, sin telemetría.

Exporta el bucle del agente a GreptimeDB como trazas, métricas y registros OpenTelemetry, con siete paneles de Grafana que cubren uso de tokens, coste, resultados de sesión y latencia por turno.

Operaciones conversacionales de Grafana: inspecciona los datos en vivo del panel en distintas fuentes con nombre y, a continuación, realiza cambios seguros y revisables en el panel con aprobación y comprobaciones de versión.

model router por paso: preajustes con nombre y reglas ordenadas de grupos de imagen/palabras clave que enrutan cada paso del agente a través de cada proveedor y modelo montado, añadiendo flujos de colaboración para transcripción de imágenes, un protector de imagen, un panel de cuotas multiplan y observabilidad de decisiones por paso.

Interfaz de gestión del ciclo de vida para el proveedor de modelos llm-pi-ai: cree, edite, elimine, active y desactive proveedores con encabezados personalizados y claves API cifradas con AES-GCM; restauración segura ante desinstalación de proveedores aparcados, descubrimiento de modelos remotos con escritura por lotes, enrutamiento inteligente con cinco estrategias, compuestos de unión/intersección, pruebas de conectividad por modelo y observabilidad de solicitudes.

Revisión de trayectoria de solo lectura en una barra lateral de conversación redimensionable, con análisis de reglas, explicaciones opcionales del modelo, navegación por evidencias y comparación de ejecuciones del mismo rango.

Memoria markdown de largo plazo entre sesiones con estructura LLM-Wiki y persona SOUL.md, inyectada al inicio de la sesión (por defecto solo tras el primer mensaje del usuario y solo en la sesión activa); flujos remember/recall/consolidate/forget, skill de memoria integrada, herramientas de migración pack/unpack y un aviso de recuerdo en primera persona en tiempos de inactividad. Añade: presupuesto de boot-block por archivo, sellado automático de last_access, panel de salud, compilador de índice (las páginas declaran summary:), grafo de memoria interactivo, consultas estructuradas por etiqueta/tipo/relevancia, sugerencias de enlaces cruzados e informe `checkup` con acciones priorizadas.

Informes de deriva de comportamiento para sesiones de DSH: compara dos registros de sesión e informa de la alineación de secuencias de herramientas, la mezcla de herramientas, el volumen de razonamiento, los tiempos, los reintentos y los archivos objetivo, con una puerta opcional de umbral en CI. Cero dependencias.

Observabilidad de Conversation Flow para enjambres de DeepSeek Harness, con topología, inspección de mensajes enrutados, pausas HITL, seguimiento en vivo y navegación a sesiones hijas.

Panel de información de solo lectura para un perfil: cinco vistas sobre los mismos datos — capas de configuración, árbol de plugins, servicios, nombres de herramientas y modelos — cada entrada muestra qué capa la insertó o desactivó y si está en ejecución.

Transmite sesiones, mensajes, actividad de herramientas y resultados de turnos de DeepSeek Harness a un tablero de JARVIS Mission Control con estado de las tareas y revisión humana.

Telemetría de ejecución sin intervención para DSH: cada sesión escribe automáticamente tarea, nivel de modelo, herramientas, fallos, duración y estado en un diario legible con una sección de estadísticas (puro observador: sin herramientas, sin llamadas a LLM, sin inyección).

Muestra el saldo de DeepSeek y el gasto diario estimado, fusiona registros JSONL de llamadas de visión externas, y añade un panel por sesión con estadísticas de modelo, TTFT, tasa de caché, registros de llamadas, estimaciones de costo, filtros y exportación CSV.

Analítica de ejecución de sesión: pasos, llamadas a herramientas, fallos, acciones repetidas, uso de tokens y señales de verificación, presentados como informes en texto/Markdown/JSON.

Perfilado de capacidades por modelo para DSH: convierte el historial de sesiones local en paneles por modelo que muestran recuentos de sesiones, uso de herramientas, tasas de error y principales firmas de error, con filtros por rango temporal y comparación entre múltiples modelos.