플러그인

Mnemon 기반의 DeepSeek Harness(DSH)용 크로스 에이전트, 로컬 우선 영구 기억 플러그인. Mnemon 지원 에이전트 간에 장기 기억을 공유하며 런타임 메모리, 검색 가능한 프로젝트 문서, 시맨틱 리콜, 지식 그래프, 사이드바 UI를 추가합니다.

니모닉 레이어입니다.

DeepSeek Harness용 3계층 메모리 제어 평면: 영구 런타임 컨텍스트, 검색 가능한 프로젝트 문서, 플러그 가능한 장기 메모리, 스마트 라우팅, 감독된 에이전트 워크플로, WebUI 및 헤드리스 도구.

DeepSeek Harness를 위한 모델 주도 컨텍스트 압축(Active Context Pruning): 언제 무엇을 압축할지 모델이 스스로 결정합니다.

꿈을 꾸는 기억 — DeepSeek Harness를 위한 세션 간 메모리입니다. 세션을 넘나들며 기억을 불러오고, 잠자는 동안 자동 통합하며(autoDream), 충돌하는 기억을 동결해 검토로 넘기고, 재생 가능한 감사 추적을 유지합니다. SQLite 기반의 오프라인 우선 로컬 시맨틱 검색, 사람이 편집할 수 있는 Markdown 미러, 엔티티 그래프, 대화형 메모리 패널에 더해 외부 API와 CLI를 제공합니다.

꿈꾸는 메모리 — DeepSeek Harness의 세션 간 메모리: 세션을 넘나들며 기억하고, 잠자는 동안 자동 통합(autoDream)하며, 충돌하는 기억을 검토용으로 동결하고, 재생 가능한 감사 기록을 유지합니다. SQLite 기반 오프라인 우선 로컬 시맨틱 검색, 사람이 편집할 수 있는 Markdown 미러, 엔터티 그래프, 인터랙티브 메모리 패널, 외부 API와 CLI를 제공합니다.

Agent Context Editor는 AI 대화 컨텍스트를 수동으로 제외, 편집 및 선택적으로 압축하는 에이전트 간 플러그인입니다. 원본 세션을 보존하면서 변경 사항 검색, 필터링, 선택, 숨기기, 복원 및 실행 취소도 지원합니다.

메인 세션은 그대로 두고 완료된 답변에서 모든 깊이로 분기를 계속 이어갑니다.

커밋된 DSH 응답에서 텍스트를 선택하여 소스 세션 증거와 프로젝트 파일에 바인딩된 독립적이고 영구적인 읽기 전용 멀티턴 Topic을 열고, 소스 Agent는 계속 실행됩니다.

Oh My DSH(OMD)는 원문 소스 재호출을 지원하는 컨텍스트 요약, 작업 연동 검증, 프롬프트 최적화, CodeGraph 코드 탐색, OpenCU 컴퓨터 제어, 레이아웃·사이드바·설정을 아우르는 4가지 테마를 추가합니다.

DeepSeek Harness용 토큰 비용 파이프라인: 압력 인식 계층형 압축(컨텍스트 압력 40% 미만에서는 무손실 프로젝션, 그 이상에서는 LLM 요약), 에이전트별 도구 허용 목록, 장문 텍스트→이미지 변환 후 비전 요약, 그리고 압력·단계·절약된 토큰을 추적하는 /token-status 명령.

DeepSeek Harness용 무손실 컨텍스트 폴딩입니다. 가장 오래된 구간이 요약 브리프로 대체되고 원본은 세션 로그에 그대로 남습니다.

작업을 명명된 태스크로 감싸고, 태스크가 닫히면 다음 단계 경계에서 전체 메시지 범위를 하나의 요약으로 접습니다. 원본 내용은 요청 시 복원할 수 있습니다.

에이전트의 MCP 서버·스킬·도구를 관리 — 컨텍스트 내 실제 상태(로드/잘림/축출)와 세션별 전환 스위치를 보여줍니다.

내장된 DSH 압축 요약기를 5개 섹션 핸드오프 요약으로 대체하고, 가려진 모든 메시지를 세그먼트 디렉터리에서 읽을 수 있게 유지합니다.

DeepSeek Harness용 모델 주도 컨텍스트 윈도 롤오버 번들입니다. 새로운 작업 컨텍스트, 모델이 관리하는 지속적 노트, 최근 대화의 짧은 원문 꼬리, 표적화된 이력 복구를 제공하며 요약은 사용하지 않습니다.

DeepSeek Harness용 망각 곡선 인플레이스 대화 압축: 최근 턴은 그대로 유지, 중간 턴은 구조적으로 탈수(LLM 미사용), 오래된 턴은 경계 요약 쌍으로 접힘 — 경계 메모리 예산에서의 무경계 대화.

장기 또는 명세가 불충분한 Harness 작업을 위해 지속적인 실행 계약, 재귀적 작업 그래프, 핵심 확인, 증거 게이트를 추가한다.

Windowed, reversible context management for DeepSeek Harness; replaces Basic compaction.

Fronts stdio MCP servers with three router tools (list_capabilities, describe_tool, call_tool) so schemas load on demand instead of riding every request; shapes every tool result through a deterministic output ladder that archives the original first (retrieve_spill reads it back); prices tool groups in tokens and can hide built-in groups per agent. Bridges to a standard-library Python router, so Python 3.9+ is required.

Compaction fallback for compaction-basic: when its LLM summary throws, comes back empty or cannot fit the window, the span is compiled deterministically with a seq pointer on every line (vendored dsh-compaction-instant compiler). Adds recall and search tools, /recall and /context commands, an idle trigger at 45% of the window and an on-disk span archive. The engine mounts as one row in the agent preset (docs/dsh-integration.md).

DeepSeek Harness를 위한 적응형 가역 컨텍스트(Adaptive Reversible Context, ARC) — 프로바이더 인식, 캐시 고려 컨텍스트 거버넌스와 가역 복구.

DeepSeek Harness 동적 컨텍스트 관리 플러그인(Dynamic Context Pruning for dsh)으로, opencode-dcp를 참고했습니다.

Lets the model trigger compaction itself at a safe point via a compact_now tool (works mid-turn), plus a context_status tool reporting real token usage against the session's actual context window.