Plugins

Mebular : mémoire partagée et collaboration sur les tâches entre agents, sur plusieurs appareils et agents, via un plugin natif DSH. Le plugin se connecte à une app ou un runtime CLI Mebular existant ; son panneau propose d’installer le runtime partagé à la demande s’il manque. Il ne démarre ni ne télécharge jamais Mebular silencieusement.

Mémoire causale pour dsh : un pont stdio MCP à dépendance zéro qui monte les 17 outils du serveur de mémoire causale sous des noms propres (pas de préfixe mcp__) - décision → bords de résultat avec des relations typées (causées / activées / empêchées) dans un magasin SQLite local qui survit au compactage - plus une section d'invite système épinglée. Nécessite le binaire du serveur de mémoire causale sur PATH (pip install causal-memory ou une version prédéfinie).

Exécutions de code planifiées dans des sessions d'agent neuves, avec un historique auditable.

Collez un lien, l’agent le lit. Xiaohongshu, Douyin, Bilibili, WeChat, articles, PDF et audio deviennent du Markdown sourcé pour wiki/base de connaissances. A/B exploratoire sur 60 tours (limites de temps différentes, exactitude non vérifiée par un humain) : lecture terminée 22%→92% (+70 points), délais dépassés 68%→0%, réponses citant un fait réel de la source 23%→82%. Sur 123 liens réels, 80% utilisables (93% des pages ayant répondu) ; un lien inaccessible est signalé en 26 s. Compatible Codex, Claude Code, DSH.

Affiche et gère les outils et skills d’un agent dans un menu visuel. Réglez chaque capacité sur Resident, On-demand ou Disabled ; les agents peuvent trouver et utiliser les capacités à la demande tout en réduisant le contexte.

Connecte à DSH tout agent compatible ACP et en fait le point d’entrée unique des conversations et tâches. Modèles, niveaux de raisonnement et modes d’autorisation viennent de l’agent. Les appels d’outils apparaissent dans le chat principal, les diff sur une page NTR dédiée et les demandes d’approbation dans le composeur. Nécessite un CLI d’agent compatible ACP installé localement.

Base de connaissances pour DeepSeek Harness : rassemble à la requête les éléments ContextWindow dans les limites de titres et de tokens, avec lecture complémentaire autour de chaque résultat. Combine recherche BM25/vectorielle, RRF pondéré, MMR et reclassement local/distant facultatif. Inclut l’injection automatique des sources, un panneau pour télécharger et vérifier les modèles locaux d’embedding/reclassement/OCR, la recherche par mots-clés sans téléchargement de modèle et le nouveau scan des dossiers importés.

Un panneau de gestion des plugins : activation/désactivation en un clic des plugins installés, plus un marché de plugins GitHub dsh-plugin avec détails et installations en un clic.

Labyrinthe d'exécution pour les sessions DSH : le vrai trajet de l'agent — progression principale, détours échoués ou en cul-de-sac, retours en arrière, nouvelles tentatives de requête et branches de sous-agent — tracé sur une seule chronologie horodatée, avec trois pistes sous chaque couloir partageant cet axe (densité des tool-calls, impulsion de tokens, pression du contexte) et un panneau d'analyse déterministe en dessous (matrice des résultats d'outils, chaînes échec-récupération, distribution des durées) ; observez-le grandir en direct dans un onglet de session, ou téléversez jusqu'à 5 journaux de session pour une comparaison sur le même axe.

Pont compatible OpenAI pour utiliser dans Midscene les modèles configurés dans DeepSeek Harness. Sur 127.0.0.1 (port 8787 par défaut, choisit un port libre si occupé), relaie les chat completions avec ou sans streaming vers la couche modèle hôte. Compatible avec routage officiel DeepSeek, CodeBuddy, Codex et endpoints OpenAI/Anthropic personnalisés. Les identifiants restent dans les plugins provider, le pont n’y touche pas. /v1/midscene-env produit quatre lignes MIDSCENE_MODEL_* et déduit la famille. Sept skills navigateur, bureau, Android, iOS, HarmonyOS, E2E Vitest et référence Midscene ; pas de npx skills add. npm : dsh plugin --profile web add @tnnevol/dsh-midscene

Console de gouvernance des actifs pour infrastructure IA auto-hébergée. Registre dans un ledger unique serveurs MCP, skills, agents, applications IA, canaux de modèles, connecteurs SaaS et stockage NAS, avec machine d’état du cycle de vie, points RBAC par outil, attribution des coûts département × agent × skill, topologie des dépendances et audit append-only. Auto-hébergée, MIT, sans offre hébergée ni contrat cloud.

Alternatives de mots et remplissages déclenchés par un trait de soulignement dans le composer. Terminez une ligne par _ et elle est complétée ; les fautes d'orthographe sont signalées pendant la saisie. Passe par le modèle déjà configuré dans dsh, donc aucune clé API n'est nécessaire.

Allègement réversible du contexte pour DeepSeek Harness : réencodage tabulaire sans perte de tableaux JSON uniformes de style TOON, fenêtres de table échantillonnées par pas avec numéros de ligne, et déduplication inter-tours des sorties d'outil répétées ; chaque remplacement passe un seuil octets+jetons (≤72 % d'octets, strictement moins de jetons estimés) et l'original est écrit sur disque derrière un avis `[save-token #id]`, récupérable en un appel via l'outil `save_token_expand`, avec le comptage des jetons facturés et économisés dans un tableau de bord des paramètres.

Plugin d'agent de flux de travail d'ingénierie harness/loop guidé par des compétences.

Lecture approfondie de livres et d'articles selon cinq modes (rapide, approfondi, carte des connaissances, Feynman, livre complet) avec rapports affirmation-preuve-données, cartes mentales Mermaid/XMind, comparaison par lots, vérification préalable du budget, progression transparente des tâches en arrière-plan, et exports MD/HTML à partir d'URL, de fichiers ou de texte collé.

Adapter tiers qui enregistre le serveur MCP upstream REA (Reverse Engineer Anything) dans DeepSeek Harness comme outils mcp__rea__*. La 2.x fournit son runtime (Node, REA CLI, JDK, Ghidra) dans <DSH_HOME>/plugins/rea-bundle et lance REA via un shim : une machine sans prérequis fonctionne après une configuration. La 1.x (branch v1, npm 1.0.6) ne fait que la configuration et exige REA/Ghidra déjà installés. L’analyse relève de l’upstream : binaires natifs (Hopper/Ghidra/IDA), apps JavaScript/Electron, assemblies .NET, sites Web, APK Android et appareils adb, firmware et captures de processus.

Configuration par modèle de l'effort de raisonnement et de la modalité d'entrée pour les fournisseurs tiers : suggestions fusionnées depuis une base de connaissances de modèles et preuves brutes du endpoint /models, avec labels de confiance, éditées dans la carte officielle de la page Models.

Maintient un serveur de modèles TinyTitan local accessible depuis le harness : actualise la route llm-pi-ai à partir des modèles installés et monte un backend de compaction qui ne réfléchit pas.

La base de connaissances de développement de plugins DSH en tant que compétence d'agent à la demande : contraintes officielles, workflows de tâches, référence d'API et pièges de la communauté, installée avec le bundle pour que l'agent puisse consulter en construisant un plugin.

Mémoire à long terme intersession dans SQLite local : deux périmètres (utilisateur et projet par origine Git), recherche hybride FTS5 + vecteurs locaux fusionnée par RRF, contrôle exigeant un jugement explicite de suffisance des preuves, chaînes d’audit de provenance, révision espacée SM-2, distillation de consolidation et oubli par décroissance, plus un panneau Memory Palace à neuf vues. 22 outils à paramètres restreints ; aucun service externe, API key ni Docker.

Prise en charge des espaces de travail WSL pour DeepSeek Harness — profitez d'une expérience d'espace de travail WSL transparente sans avoir à installer dsh à l'intérieur de WSL. Une fois ce plugin installé, vous pouvez ajouter directement un espace de travail WSL depuis l'interface graphique.

Page hôte pour la configuration des plugins kit dans l'interface web DSH : enregistre une section « Configuration des plugins » dans les Paramètres — au même niveau que la section Général intégrée — via le slot officiel settings.section et déclare un slot enfant settings.kit.item, dans lequel les plugins dsh-plugin-kit affichent leurs propres cartes de configuration. Installé seul, il affiche une page vide ; les cartes apparaissent à mesure que des plugins kit enregistrant le slot sont installés.

Pipeline QA sous forme de 10 skills d'agent : analyse des exigences, stratégie de test, rédaction et revue de cas, automatisation E2E (Playwright) et API, exploratoire, périmètre de régression et analyse de bugs, soutenu par une base de connaissances partagée avec règles de format, modèle de risque et validateurs de schéma.

Organise la couche d’autorité des prompts du harness en un ensemble de correctifs révisable, écrit prompt-inject.md et permet un prompt par défaut différent pour chaque modèle. Indique les correctifs appliqués et si l’hôte actif charge app.asar ou un arbre décompressé ; quand le processus de bureau devient inactif, remplace l’installation scellée par l’arbre modifié. Comprend une page d’état et la CLI dsh-purge.