プラグイン

テキスト専用エージェント向けの無料ビジョン機能: キー不要の内蔵ビジョンチェーンとピクセルツール群（Q&A、グラウンディング、クロップ、ピクセル差分、カラー、OCR、SVG トレース、切り抜き、スクリーンショット）。画像を貼り付けるだけで使用可能。

テキスト専用モデル向けのビジョンタスク: 意図を汲む画像 Q&A、長尺スクリーンショット OCR、UI 再現、グラウンディング、ピクセル差分。

DeepSeek Harness 向け外部ビジョンプラグイン: クジラボタンの設定パネル、自動返信付き画像認識、エージェント用スクリーンショット/認識ツール。

HarmonyOS デバイスブリッジ: hdc によるスクリーンショット/インストール/ログ/クラッシュ/UI 自動化ループを read_image と共に提供。公式優先のバージョン管理された API 知識（SDK .d.ts + オフラインバンドルドキュメント）と DevEco CLI によるビルド/署名/lint フローを搭載。

DSH↔Godot エンジンのランタイムブリッジ: ゲーム内 TCP 対話サーバー経由で、実行中の Godot 4.x ゲームを起動・操作。シーン/UI 検査、GDScript の評価、入力シミュレーション、スクリーンショット、ヘッドレス静的操作、スクリプト検証の 8 種のツールを搭載。godot-mcp の代替。

DeepSeek Harness 向けの共有リアルブラウザ機能。人間が見て、必要なら操作を引き継げる可視ブラウザを、エージェントが CDP 経由(スナップショット/実行/コンテンツ取得/タブ管理)で操作します。ホスト側の機構、プロバイダー、browser_* 系ツールを含みます。

Android GUI エージェント: ADB スクリーンショット、コンパクトな UI 階層グラウンディング、検証付きの反復アクション、承認フロー、モバイル Web ビューを備える。

On-demand vision for text-only DSH sessions: images become markers, and a vision_describe tool sends only image + question to an OpenAI-compatible vision model

Zero-dependency browser control: drive a real headless Edge/Chrome over CDP with 8 `pilot_*` tools (navigate/click/type/keys/eval/screenshot) plus a live draggable cockpit panel in the Web GUI - text-first snapshots for text-only models, no Playwright, no API key.

DeepSeek Harness plugin that turns UI screenshots into implementation-grade web specs using OCR, deterministic geometry, scene graphs, assets, and render comparison.

CloakBrowser-powered native browser tools with per-agent isolated sessions, bounded snapshots, ref-based interaction, screenshots, and safe routing.

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.

Drive the user's real browser through the local Kimi WebBridge daemon: navigate, find-tab, snapshot, click, fill, evaluate, CDP, screenshot, network, upload, PDF export and tab-management tools that reuse existing login sessions.

Playwright MCP browser control for AI agents: drive a real, visible Chrome (navigate/click/type/snapshot + ~80 browser_* tools), with a live screenshot panel embedded in the GUI that refreshes after every action.

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).

Paper Design MCP bridge as a DeepSeek Harness bundle: paper_* tools, image screenshot support, design skills, OAuth auth, and Cursor-parity design guidance.

Standalone screen capture for DeepSeek Harness (dsh). Browser hotkeys for instant capture plus an agent-facing capture and read tool that lets the agent see and analyze any screen region.

DeepSeek Harness 向けのブラウザ自動化。Playwright を活用した open/click/type/screenshot/eval ツールにより、エージェントが実際の Web ページを操作できます。

DeepSeek Harness プラグイン。Cloudflare Browser Run を活用した Web ブラウジングツール(markdown / スクリーンショット / pdf)——JS レンダリング、ログインセッション、WebMCP に対応した本物のヘッドレス Chrome を使用します。

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.

WeChat Mini Program automated testing for DeepSeek Harness (dsh): selector-addressed actions, build-freshness gates, geometry-first assertions that work on text-only models, and screenshot image blocks on vision routes. 微信小程序自动化测试 dsh 插件：选择器寻址、构建新鲜度门、面向纯文

dsh plugin: launch the dsh-desktop Windows shell (region screenshot, tray, session manager) from the DSH conversation via a desktop_launch tool.

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.