プラグイン

テキスト専用モデルに視覚機能を追加：画像を貼り付けると、モデルがVision Toolkitバリアントに切り替わり、画像Q&A、複数画像比較、ロングスクリーンショットOCR、スクリーンショットからのUI再現、要素グラウンディング、ピクセル差分に対応します。デフォルトではAPIキー不要で、作者がホストする無料サービスにより1マシンあたり1日100枚まで処理可能。独自の_provider_への切り替えも設定できます。

会話の中にあるライブ iOS Simulator または USB 接続 iPhone: 起動、ビルド、アクセシビリティIDまたは OCR テキストで UI を操作、リスト行アクションと SwiftUI preview のホットリロード、さらにタップやドラッグできるストリーミングサイドバーパネルを備えた 22 の agent tools。

会話の中にあるライブ Android デバイス — エミュレータまたは USB 接続 phone を adb 経由で完全制御: ストリーミング、Gradle build/run、UI-tree または OCR での操作、logcat、process と memory、さらに 3 ボタンのナビゲーションパネルを含む 20 の agent tools。

アクセシビリティ優先の macOS コンピュータ操作: 最新の観測情報、古い状態の拒否、スコープ化された権限、安全な入力。

DeepSeek Harness のための AX 優先の macOS コンピュータ操作:安定した参照を持つアクセシビリティスナップショット、バックグラウンド入力、Unicode 入力、メニュー、アプリ、set-of-mark スクリーンショット、オンデバイス OCR、検証済みアクション、そしてオプションの Jev(TypeSafe System One)セマンティックガード——1

DeepSeek Harness 向けの AX 優先の macOS computer use：安定した参照を持つアクセシビリティスナップショット、バックグラウンド入力、Unicode 入力、メニューとアプリ、set-of-mark スクリーンショット、オンデバイス OCR、検証済みアクション——macos-cu CLI にブリッジされた 11 のツール。

DeepSeek Harness 向けの QA オーケストレータプラグイン：エージェントがアプリを探索して証拠を残し、その探索した経路が決定論的に再生されます。ブラウザ、macOS デスクトップ、iOS、Android のドライバーを操作します。

Codex、DeepSeek Harness、MCPクライアント向けのWindowsデスクトップUIコンテキストピッカー：ホバーハイライト、UI Automation、スクリーンショット、ローカルOCRを使ってウィンドウ、UI要素、画面領域を選択し、Markdown/JSONコンテキストを出力前に確認・承認します。

harmonyos-dev-mcp Python MCP サーバーを DSH に統合：HarmonyOS デバイス検出、ビルド／インストール／実行／アンインストール、UI 自動化（クリック／入力／キー／スワイプ／スクリーンショット）、E2E UI ツリー検査、ログ／クラッシュ解析を 18 個の mcp__harmonyos__* ツールとして提供。

DSH のテキスト専用モデル向けプラグインビジョン：画像理解と生成、GUI 自動化をネイティブに操作でき、階層化された証拠メモリとキャッシュを備えます。

A headless-first macOS Computer Use driver for DeepSeek Harness with AX-first observations, window-bound multimodal evidence, host-owned approval, and evidence-backed action receipts

Windows desktop control through UI Automation: nine tools that read a window control tree and drive elements by id through their own UI Automation patterns, with every write gated by an approval policy, an append-only action log and a settings panel.

Windows-native computer use for DeepSeek Harness: two tools drive and read any desktop app. One batch call runs find, click, type, key, read, wait and screenshot steps in a single engine pass, so a task whose steps are known up front costs one model round trip; reading returns window text rather than an image, and input and capture prefer UI Automation patterns, Win32 messages and offscreen PrintWindow so the user's focus and pointer stay untouched.

Run live iOS simulators and your real iPhone over USB inside DeepSeek Harness conversations with 22 agent tools, MJPEG previews, and SwiftUI hot reload.