Plugin

Ponte BrowserSkill per controllare le finestre Agent visibili di Chrome e Edge da DeepSeek Harness, con strumenti browser nativi, osservazioni di accessibilità e VOM, screenshot, controllo multi-sessione proprietario e un overlay Web UI live.

Vision gratuita per agenti solo testuali: catena di vision integrata senza chiave, più strumenti pixel (Q&A, grounding, ritaglio, confronto pixel, colori, OCR, tracciamento SVG, ritaglio silhouette, screenshot); incolla un'immagine per usarla.

Ponte runtime DSH↔Godot: avvia e controlla un gioco Godot 4.x in esecuzione tramite il suo server di interazione TCP integrato — 16 strumenti (controllo runtime tramite ~130 comandi di gioco, ispezione scena/UI, valutazione GDScript, simulazione input, screenshot, operazioni statiche headless, modifica del progetto, esportazione, validazione degli script, configurazione del percorso del motore), sostituisce godot-mcp.

Agente GUI per Android con screenshot via ADB, grounding compatto della gerarchia UI, azioni iterative verificate, approvazioni e una vista Mobile Web.

Toolset di debug ROS2 e analisi visiva dello stato del robot per DeepSeek Harness: enumerazione di node/topic/service/action/interface/TF, JSON della topologia dell'intero grafo, controlli rosdep, build con approvazione e scaffolding di messaggi personalizzati, screenshot GUI e osservazione visiva multimodale, più rendering offscreen headless RViz2 (mesh low-poly, lettura diretta dei pixel, passthrough GPU - rendering del movimento a 30Hz) con analisi VLM parallela in tempo reale.

Strumenti browser nativi basati su CloakBrowser con sessioni isolate per agente, istantanee delimitate, interazione basata su riferimenti, screenshot e instradamento sicuro.

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.