Plugins

MCP Connector para o DeepSeek Harness: um gerenciador de MCP com um painel único para conectar servidores, configurar autorização, buscar ferramentas entre conexões e diagnosticar falhas. Navegue por um catálogo atualizado continuamente com mais de cem conectores; filtre por conexão/servidor/status, inspecione parâmetros legíveis e o horário do último cache bem-sucedido, e redescubra ferramentas. Suporta OAuth 2.0 PKCE, chaves de API, stdio/HTTP e importação de JSON mcpServers. Mantido pela Qichacha/QCC.

Ferramentas read / edit / batch_edit / undo_last_edit ancoradas por hash: cada linha recebe um hash de conteúdo exclusivo de 3 caracteres, as edições visam hashes em vez de números de linha, e a verificação do estado servido rejeita intervalos obsoletos com âncoras atualizadas.

Tema Cyberpunk 2077 / Night City: identidade em amarelo NC e ciano neon, linhas de varredura CRT, mira de foco Kiroshi ao passar o mouse, HUD de estado de combate, efeitos sonoros sintetizados de máquina de escrever e mensagens, e easter eggs escondidos (relíquia / johnny)

Um tema "Vagalume" de Honkai: Star Rail com papéis de parede/fundos de vídeo, paleta neon verde-vagalume, animação de inicialização de transformação, partículas ambientais, BGM, efeitos sonoros de máquina de escrever e easter eggs de emotes contextuais.

Gera arte de jogo a partir de imagens de referência com a geração de imagens Seedream e o image-to-video da MiniMax, montando sprites de oito direções, quadros sequenciais e animações de esqueleto com chroma key local.

Um espelho somente leitura para plugins DeepSeek Harness instalados: inventário de capacidades com evidências, conflitos entre plugins e um diff do que mudou desde a última varredura.

OAuth de assinatura de codificação para SuperGrok/Grok Build, ChatGPT Plus Codex, Kimi Code e Claude Code, além de um gateway loopback OpenAI/Anthropic opcional: login local sem colar tokens, atualização e nova tentativa AUTH, grok-4.6 xhigh e coexistência de rotas de chaves API.

Classifica chamadas de ferramenta pendentes com o Jev (modelo de decisão não generativo da TypeSafe AI) em tools/pre-execute — chamadas de alto risco com alta confiança são negadas e as ambíguas escaladas para aprovação — e aprova automaticamente chamadas reversíveis claramente concedidas em approval/request, com gating de evidência de argumentos. Também cria subclasse do resolvedor de referências de sessão para que os snapshots mantenham mensagens pontuadas pelo Jev em vez de descartar as mais antigas primeiro. Degrada para o comportamento padrão em qualquer falha do provedor; modo shadow com o comando /jev-stats; endpoints TypeSafe ou OpenRouter; 64 testes.

Central de notificações de eventos de tarefas: 6 tipos de eventos (ask / approval / completion / subagent completion / error / turn end), dois canais (Notification do navegador + toast do sistema do host) além de canais de push Bark/Webhook (ntfy, Gotify, gateways auto-hospedados); horário silencioso com exceções urgentes, re-lembretes por timeout de aprovação, agregação de tempestades de conclusão e redação do texto das notificações.

Ponte de visão gratuita e geração de imagens para modelos somente texto: leitura de imagens coladas, failover entre os mecanismos GLM-4V-Flash e Gemini, evidência estruturada estilo ModLens, e uma rota de modelo de visão gratuita pré-configurada.

Infraestrutura de confiabilidade neutra em relação ao harness para agentes de codificação com IA: ações destrutivas reversíveis, redação antes da emissão, evidências de recuperação e um Decision Protocol compartilhado com adaptadores nativos opcionais.

Reprodutor de música, audiolivro, rádio e notícias para o DeepSeek Harness: transmite sua pasta local de música via HTTP, lê romances locais .txt/.epub em voz alta com vozes de IA, reproduz música online QQ/Kugou/Netease e rádio da internet (HLS suportado) e transmite resumos diários de notícias — tudo controlado pela UI ou dizendo ao agente por meio da ferramenta de modelo music_play.

Núcleo de órgãos do Agent-Body: plugins organizados como um único corpo. Cada comando vira um impulso nervoso que inerva de forma determinística o órgão competente e nomeia a capacidade a usar; um batimento de intervalo variável bombeia diretivas do operador, propriocepção e avisos de homeostase pelo sistema; arcos reflexos disparam sem chamada ao modelo; falhas seguem atribuição determinística (ferramenta, argumentos, permissão, timeout, rede), prescrição e laço de reverificação, e erros de argumento nunca são repetidos. Um órgão ausente é compensado pelo de maior sobreposição de capacidades, e os esquemas de ferramentas são filtrados pela intenção atual (redução medida de 84,7%, reproduzível no repositório). É o pacote de plugins do núcleo no repositório agent-body.

Skill Smart Charts: transforma arquivos de dados CSV/TSV/TXT/XLSX/XLS/JSON em HTML ECharts interativo e autônomo — 32 tipos de gráfico, inclusive mapas offline, 3 temas, sem CDN. Um perfil de dados --profile (dtype por coluna, cardinalidade, ausência de valores, amostras, estatísticas, granularidade de entidades, sinais de insight) permite ao agente ler os dados e escolher o gráfico sozinho; cada gráfico embute uma ficha técnica (plot_stats + data_preview) cujos números são os únicos valores citáveis. O código de transformação do LLM roda em sandbox restrito (blacklist + whitelist de AST + builtins seguros); --doctor autoverifica o ambiente Python. Totalmente offline, ECharts incluído.

Habilidade de memes de comentários em barragem destilada de 22.771 mensagens reais da sala de transmissão ao vivo 6657: brincadeiras ao estilo wanjiqi, memes cruzados de CS e DOTA, provocações a jogadores e comentários de transmissão.

Grafo de conhecimento de código local-first para agentes de codificação: 10 ferramentas MCP para compressão de contexto em camadas, planejamento DAG, indexação incremental de AST, flywheel de habilidades entre sessões, diagnósticos e importação/exportação de artefatos de grafo.

Uma aba de estudo com colunas de mapa de curso, tutor e quadro que transforma arquivos markdown, pastas locais ou repositórios do GitHub em cursos guiados, com desbloqueio de lições, acompanhamento de maestria, repetição espaçada e importação de cursos projetada por tutor.

Preset modo especialista DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): coordenador + 17 subagentes com delegação automática. Funções: taskboard (estados pending/ready/running/done/failed, DAG dependências, reivindicação atômica, retry, recuperação), portas qualidade (pipeline 5 etapas: requisitos, implementação, verificação, revisão, integração; 2 reelaborações), Five-Anchor (revisão/convergência/anti-deriva/colaboração/recursos), Near-distance (modelo identidade/tarefa/saída), divulgação progressiva (~28% economia tokens), persistência, barramento P2P, revisão cruzada, pool experiência, via rápida, auto-retry. 17 especialistas: dados, redação, jurídico, PM, frontend, UI/UX, arquiteto, social, growth, fin. quant., backend, DevOps, BD, QA, segurança.

Um tema web que recria a página inicial do DeepSeek Harness com um fundo fluido, uma grelha de ponteiros elástica, peixes animados e efeitos ajustáveis.

Camada de integração nativa DSH para o motor de memória Minta: compõe a linha oficial dsh-mcp-client, registra a skill minta-memory-governance além de um preaquecimento de memória no início da sessão, e envia um preset de agente Minta; requer o motor Minta implantado separadamente (Python/Docker) para fornecer as 19 ferramentas MCP — não utilizável sem ele.

REPL persistente de TypeScript vinculado à sessão para o modo DSH PTC: bindings e imports permanecem ativos entre chamadas run_code, edit_run_code substitui uma linha sem reenviar o bloco, a sintaxe de import/export de módulos é adaptada por reescrita de AST, e bindings duráveis são restaurados do diário da sessão após uma reinicialização a frio.

Controle remoto móvel via Telegram que conecta o telefone a uma sessão web ao vivo do DeepSeek Harness: seletor de workspace e depois sessão (/sessions), /last para a pergunta/resposta anterior, /model para trocar de modelo, e respostas nativas em mensagem rica.

Deixe qualquer projeto pronto para agentes de IA com um único comando. Detecção adaptativa de stack tecnológica (7 linguagens × 14 frameworks × 61 componentes), geração automática de AGENTS.md, esqueleto de documentação, CI/CD e infraestrutura de testes. Em uma frase: dê a qualquer projeto capacidade de desenvolvimento com IA.

Sete modos predefinidos de agente para DeepSeek Harness, cada um com uma fronteira fixa de ferramentas, roteamento de modelo por modo e camadas rápidas/profundas de delegação omd_task, além de um loop plano-para-executar (/mode, /start-work, /ulw apoiado em objetivo) e uma página de configurações que remapeia modelos por modo e por camada.