플러그인

AI 에이전트를 위한 LLM 감독형 영구 메모리로, 그래프 기반 회상, 세션 간 지식 공유, 단일 바이너리를 특징으로 합니다. DeepSeek Harness, Claude Code, OpenClaw 등 모든 에이전트 런타임과 함께 작동합니다.

DSH를 위한 예측적 연상 기억. 고정 경계에서 프롬프트 없이 recall을 주입하고, 3층 자동 통합, skill 결정화, Astra 스타일의 컨텍스트 관리를 수행한다. 컨텍스트 창 전환을 넘어 유지되는 인수인계 장부와 PLAN 화이트보드, 모델 창을 자동 감지하는 수위 센싱을 갖춘다. 로컬 Markdown 저장, 모델 비종속, 의존성 0. 어휘 0GB 하한에 선택적 의미 계층을 추가할 수 있다.

dsh에 등록된 모델의 contextWindow를 구성하여, 긴 세션이 더 이상 컨텍스트 오버플로로 잘못 판단되지 않게 합니다.

웹 컴포저를 위한 터미널 스타일 입력 히스토리: 엣지 우선 화살표 키 회수로 초안/커서 위치를 정확히 복원, 브라우저 로컬에 저장되는 영구 히스토리, Ctrl+R 역방향 검색, 슬라이딩 컨텍스트 인식. 0.5.0에서는 스마트 입력 레이어를 추가——세션 간 스니펫(/save, /load), 변수가 있는 프롬프트 템플릿, 재사용 인사이트, 압축 요약 하이라이트.

Jev 판단을 세 가지 자동 동작으로 바꾸는 DeepSeek Harness 플러그인 — 요청과 관련된 세그먼트로 과대한 도구 출력을 잘라내고, 가져온 페이지에서 모델을 겨냥한 지시를 선별하고, 다음 단계에 맞는 스킬을 고릅니다 — 여기에 jev_ask와 jev_gate 도구, 재시작 후에도 남는 판단 원장, /jev-status 보고서를 더합니다. TypeSafe API 키가 필요하며, 키가 없으면 아무 동작도 하지 않고 아무것도 전송하지 않습니다.

DeepSeek Harness용 라운드별 thinking-level(reasoning_effort) 제어: Auto를 선택하면 최근 도구 호출 기록을 바탕으로 low/high/max를 스케줄하고, 아니면 wire level(off/on/minimal/low/medium/high/xhigh/max)을 수동으로 고정할 수 있다. 사용자 지정 wire 매핑, 모델 인지 capability guard, context-window 프리셋(64K–1M)을 제공하며, 모델별 capability card는 별도 플러그인인 [dsh-llm-openai-completions](https://github.com/drscrewdriver/dsh-llm-openai-completions)(dsh-market에서 설치 가능)과 짝을 이뤄, 사용자 지정 OpenAI 호환 게이트웨이(vLLM / LM Studio / 자체 호스팅)가 reasoning을 시험할 수 있게 한다 — card는 llm-pi-ai capabilities를 쓰고, adapter가 wire(compat.thinkingFormat)를 구동하며, 이 플러그인은 takeover list를 자동 유지한다.

점진적 공개 방식의 MCP 게이트웨이: `mcp_search`로 대규모 원격 카탈로그를 검색한 뒤, 지연 연결과 제한된 캐시로 `mcp_call`을 통해 정확한 스키마를 호출

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.

DeepSeek Harness의 모델 전환과 reasoning effort 제어: set_model / list_models 에이전트 도구로 작업 중에도 이유 필수, 제공자 허용 목록, 컨텍스트 창 토큰 압박 가드와 함께 제공자·모델·사고 깊이를 자율적으로 바꿉니다. 활성 모델은 런타임 컨텍스트에 주입되고, Plan Mode 자동 전환은 플랜 모드 진입 시 설정된 계획 모델로 바꾸고 종료 시 이전 실행 모델로 복원합니다.

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.

Context Mode용 DeepSeek Harness 어댑터: 샌드박스 코드 실행을 위한 인프로세스 ctx_* 도구와 FTS5 지식 베이스, 그리고 컨텍스트 윈도우 라우팅 가이드를 제공합니다.

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).

One MCP tool instead of every schema you own — a lazy capability broker that cuts resident tool context by a measured 94.4%. Search, inspect, enable and call MCP servers and skills on demand.

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

DeepSeek Harness용 Codex 스타일 컨텍스트 가시성: 라이브 컨텍스트 윈도우 점유, 구성 분석, KV-cache 적중률 및 GitHub 스타일 53주 사용 히트맵

Rapid-refill circuit breaker for DeepSeek Harness automatic compaction. It refuses a compaction that would be futile — the context refilled within fewer than N tool turns M times in a row, which the unbounded step-pressure trigger cannot detect — and instead of burning a summarization call on every step it reports the situation with advice, usually that a single read or tool output was too large. Shows state and re-arms through /compaction-breaker, and injects one prompt section so the model relays it to the user. Covers host-plane sessions through its profile bundle; ordinary sessions need one row replaced inside an agent preset.

Context occupancy and account balance for the DeepSeek Harness Web Client: a session-header readout, a balance capability seam, and a DeepSeek provider

Adds per-route context window and compaction threshold fields to the Models settings page and a vendor-aware thinking-effort picker to the composer, writing llm-pi-ai capacities, reasoningEfforts, and a compaction-basic patch row.

会话注入门控：给 DeepSeek Harness (dsh) 加一个会话级上下文裁剪闸门，按会话取消/恢复插件贡献的 skill、tool、系统提示词段落——3 条影子通道、5 条本地路由、零依赖零配置。Per-session injection gate for DeepSeek Harness (dsh): trim skills, tools and prompt sections per session. Zero-config, zero dependencies.

Context-window attribution for DSH Web: a Mini Utility Dock panel that ranks the user messages, assistant turns, reasoning blocks and tool results of a session by the tokens each one occupies, so it is clear which entries hold the window. It also shows the share by entry type, the heaviest entries across the live sessions of the host, and, where the host provides them, provider usage and the estimated system/tools/messages composition. The panel is read-only: it does not estimate cost, modify a session, or trigger compaction.