플러그인

위쪽의 간결한 도구 모음, 제목 없는 세션용 받은 편지함, 아래쪽의 Working/Settled 선반으로 구성됩니다. 기본 메뉴, 검색 강조 표시, 키보드 탐색, 메타데이터 백업, 원래 레이아웃 전환을 지원합니다. macOS에서 검증됨. 중국어 UI.

DeepSeek Harness에 OKX 무기한 선물 가격 대시보드를 추가합니다. BTC/ETH 1m/3m/15m/1h/4h/1D 캔들, EMA 오버레이, 선·피보나치·자 도구, 데스크톱 알림·소리·이메일을 통한 종가선 알림(이메일 전송에는 dsh-qq-email 플러그인도 필요), 패널 내 백테스터를 제공합니다. 시세는 OKX 공개 엔드포인트에서 가져오며 API 키는 필요하지 않습니다.

DeepSeek Harness용 Namecheap MCP 커넥터입니다. 도메인, DNS 레코드, 네임서버와 연락처를 에이전트의 기본 도구로 제공합니다.

DeepSeek Harness에서 본인의 Chrome(또는 Edge/Brave/Vivaldi/Opera)을 제어합니다. OpenAI Codex `chrome` 플러그인의 브라우저 런타임을 재사용해 탭, 로그인된 세션, 접근성 트리, 스크린샷과 입력을 다루며 native DSH MCP 도구로 제공합니다.

DSH 플러그인: 원격 연결과 리버스 분석(REA / Ghidra).

이식 가능한 DSH 플러그인 개발 어시스턴트입니다. 네이티브 OpenSpec과 baseline 기준 전달 도구를 제공합니다.

DSH 플러그인입니다. 사이드바 행 메뉴/hover 버튼, slash 명령, agent 도구에서 세션을 삭제합니다. 먼저 Trash로 보내며 workspace 집계를 고려합니다.

DeepSeek Harness용 WeChat DevTools(wechatide) MCP bridge입니다. IDE 자체 MCP server(`wechatide mcp` over stdio)를 제어해 프로젝트 열기/가져오기, 컴파일, 미리보기/업로드, 시뮬레이터 스크린샷, console/network log, 페이지 자동화, CloudBase를 지원합니다.

web_search 제공자를 등록하고 설정 카드를 제공하는 key chain 본체입니다. source→key→quota 3계층에서 key별 사용량 계산, gate, 자동 비활성화를 수행합니다. `dsh-websearch-tavily-keys-select`의 의존성이며 보통 단독 설치하지 않습니다.

DeepSeek Harness용 Skill Forge입니다. 대화 또는 붙여넣은 context를 재사용 가능한 `SKILL.md`로 정리해 다음에 비슷한 질문이 오면 다시 답을 도출하는 대신 skill을 활용합니다. 모델 도구 4개와 Web GUI 패널을 포함합니다.

DSH 슬래시 명령 `/rea`: 역공학 요청을 `reverse-engineer-anything` skill과 REA MCP 도구에 전달합니다. slash 메뉴에 제목과 glyph가 있는 행을 추가합니다.

DeepSeek Harness용 Tavily 웹 검색입니다. `ctx.web` 검색 제공자와 `tavily_search`、`tavily_extract`、`tavily_crawl`、`tavily_map`、`tavily_research` 도구를 제공하고 설정 UI는 플러그인 상세 페이지에 있습니다.

DSML tool-call 마크업이 reasoning에 새어 나와 멈춘 턴을 자동으로 계속합니다.

大肥鱼 세션용 QQ 그룹/개인 채팅 도구입니다. 그룹 목록/기록 보기/인용 및 @ 전송, 이모지 전송, SnowLuma 즐겨찾기 이모지, 친구/DM 기록, DM 전송 및 깨우기, 그룹 멤버, poke 감지/응답, 아바타 변경, 친구 관리(프로필/메모/그룹/삭제/명함 좋아요/친구 신청), QQ空间 게시물(목록/상세/게시/댓글/좋아요/권한), 대화 선택 마운트를 지원합니다. 도구 그룹 11개와 설정 컴포넌트 1개를 제공하며 plugin 페이지에서 각각 켜고 끌 수 있습니다.

DeepSeek Harness용 스페인어 연습 패널입니다. 6가지 로컬 채점 드릴(11개 시제 동사 활용, 명사 성, 복수형, 어휘 인식, 문장 빈칸 채우기, ser/estar 및 접속법 문법 항목), 모델 채점 시나리오 작문 탭, 8단계 간격 반복, agent 도구 4개를 제공합니다. 답을 플러그인 내부에서 계산하고 채점하므로 모델은 지도와 설명에만 사용됩니다.

하나의 계정 저장소를 공유하는 두 기능입니다. 왼쪽 패널의 GitHub 저장소 뷰어는 구조상 읽기 전용입니다(GET endpoint 3개, 모든 비-GET 요청은 라우팅 전 405로 거부, request body는 읽지 않으며 token은 호스트를 떠나지 않음). github-manager skill은 github_accounts와 github_api 두 도구만 제공해 agent가 쓰기를 수행합니다. GitHub Device Flow로 로그인하고 mtime 변경 시 저장소를 무효화하므로 나중에 추가한 token도 재시작 없이 반영됩니다.

DSH 위임 preset 두 가지를 제공합니다. 8자리 고정 crew 또는 관례에 따라 일당제 임시 인력 최대 3명입니다. 호출 시점 guard가 반대 형태의 위임 도구를 거부합니다. 8자리 preset은 profile의 dsh.profile.bundles에 @deepseek-ai/dsh-experimental-agent-team-profile도 필요하며 없으면 team tools가 없어지고 단독 작업으로 축소됩니다.

DSH Web UI에 Cursor 스타일 모드 전환을 추가합니다. plan mode에는 위임 gate, multitask mode에는 tool-call quota가 있으며 create_plan/request_more_edits/list_running_agent 도구를 제공합니다. Build 버튼이 있는 plan card를 추가하고 하위 에이전트 드롭다운은 실행 중 항목만 표시합니다.

이벤트 기반 trigger 플러그인(dsh-proactive 알람시계 옆의 초인종)입니다. 규칙별 debounce 창과 glob filter가 있는 재귀 fs watcher, 규칙별 token이 있는 loopback 전용 webhook endpoint, host agents service로 대상 session을 깨우는 fire rule을 제공합니다. 활성 session은 직접 후속 메시지를 받고, 비활성 session은 먼저 재개합니다. paths/count/payload 템플릿 변수를 렌더링한 prompt를 주입합니다. DSH 재시작 없이 규칙 파일을 hot-reload하고 모든 trigger를 감사 가능한 JSONL 기록에 추가하며 trigger_list/trigger_history로 조회합니다. loopback health route에서 설치 및 실행 상태를 확인합니다. 다운로드 폴더 자동 정리, 로컬 스크립트가 보낸 CI/모니터링 경보 진단, 로그 오류 감시에 활용할 수 있습니다. Pure JS, 빌드 단계 없음, MIT.

DeepSeek Harness의 하위 에이전트와 Agent Teams 팀원을 관리합니다. 실행 중인 인스턴스를 멈춘 다음 카탈로그와 roster 기록을 순번 보존 로그 tombstone으로 은퇴시키고 세션 디렉터리를 복구 가능한 휴지통으로 옮겨 실제 제거합니다. model tools, 대화 헤더 패널, 오프라인 CLI를 제공합니다.

DSH profile에서 제공하는 skill을 그룹별로 켜고 끄는 스위치입니다. 실제 적용 집합은 켜진 그룹의 합집합입니다. Harness 기본 제공 스킬을 카탈로그에서 그룹화하고 composer 패널과 agent용 skill_toggles_* 도구를 제공합니다.

트리거 단어로 설치된 skill 카탈로그를 검색하고 모든 후보에 대해 use/skip 결정을 요구합니다. 선택한 skill을 모두 불러올 때까지 다른 도구를 차단합니다.

DSH 사이드바용 PDF 도구 2개를 한 번 설치로 제공합니다. 원하는 페이지로 이동하고 로컬 렌더링 페이지와 썸네일로 문서 전체를 탐색하거나 DSH 기본 미리보기로 PDF를 열 수 있습니다. /pdf 명령도 포함합니다.

deep-read 논문 라이브러리와 paper-deepread-html skill을 포함합니다. 사이드바에서 대화형 읽기 보고서를 탐색하고 PDF를 관리형 라이브러리에 업로드해 에이전트(또는 선택적 사이트 자동 읽기 worker)로 심층 분석하며 라이브러리를 관리하거나 다시 빌드합니다. model tool은 paper_deepread, paper_deepread_uploads, paper_deepread_reports입니다. 심층 읽기/가져오기/보고서 빌드에는 Python 3이 필요합니다(번들 skill이 첫 사용 시 PyMuPDF venv 준비, 색인 재빌드는 plain python3로 대체).