Plugins

Mebular: memória compartilhada e colaboração em tarefas entre agentes e dispositivos, oferecidas por um plugin nativo do DSH. O plugin se conecta a um app ou runtime CLI Mebular existente; se não houver, o painel pode instalar o runtime compartilhado sob demanda. Nunca inicia nem baixa o Mebular silenciosamente.

Memória causal para dsh: uma ponte MCP stdio sem dependências que monta as 17 ferramentas do servidor causal-memory com nomes simples (sem prefixo mcp__) — arestas decisão → resultado com relações tipadas (caused / enabled / prevented) numa loja SQLite local que sobrevive à compactação — mais uma secção de prompt de sistema fixada. Requer o binário do servidor causal-memory no PATH (pip install causal-memory ou uma versão pré-compilada).

Execuções de codificação agendadas em sessões de agente novas, com histórico auditável.

Cole um link; o agente lê. Xiaohongshu, Douyin, Bilibili, WeChat, artigos, PDFs e áudio viram Markdown citável para wiki/base de conhecimento. A/B exploratório de 60 turnos (limites de tempo diferentes, sem revisão humana da correção): leitura concluída 22%→92% (+70 pontos), timeouts 68%→0%, respostas com fato real da fonte 23%→82%. Em 123 links reais, 80% foram utilizáveis (93% das páginas que responderam); link inacessível é reportado em 26 s. Compatível com Codex, Claude Code e DSH.

Veja e gerencie ferramentas e skills de um agente em um menu visual. Defina cada capacidade como Resident, On-demand ou Disabled; agentes podem encontrar e usar capacidades sob demanda enquanto reduzem o uso de contexto.

Conecta ao DSH qualquer agente compatível com ACP e usa o DSH como ponto único de entrada para conversas e tarefas. Modelos, níveis de raciocínio e modos de permissão vêm do próprio agente. Chamadas de ferramentas aparecem no chat principal, diffs em uma página NTR dedicada e pedidos de aprovação no compositor. Requer um CLI de agente compatível com ACP instalado localmente.

Console de governança de ativos para infraestrutura de IA auto-hospedada. Registra servidores MCP, skills, agentes, apps de IA, canais de modelos, conectores SaaS e armazenamento NAS em um ledger, com máquina de estados do ciclo de vida, pontos RBAC por ferramenta, atribuição de custos departamento × agente × skill, topologia de dependências e trilha de auditoria append-only. Auto-hospedada, MIT, sem plano hospedado ou contrato de nuvem.

Base de conhecimento para DeepSeek Harness: reúne evidências do ContextWindow na consulta dentro dos limites de títulos e tokens, com leitura adicional ao redor de cada resultado. Combina buscas BM25/vetorial com RRF ponderado, MMR e reordenação local/remota opcional. Inclui injeção automática de evidências, painel para baixar e verificar modelos locais de embedding/reordenação/OCR, busca por palavras-chave sem baixar modelos e nova varredura de diretórios importados.

Um painel de gerenciamento de plugins: ativação/desativação com um clique para plugins instalados, além de um marketplace dsh-plugin do GitHub com detalhes e instalação com um clique.

Labirinto de execução para sessões DSH: o caminho real do agente — avanço principal, desvios fracassados ou sem saída, retrocessos, novas tentativas de requisição e ramificações de subagentes — desenhado em uma única línea do tempo de relógio; com três trilhas sob cada faixa compartilhando esse eixo (densidade de chamadas de ferramenta, pulso de tokens, pressão de contexto) e um painel analítico determinístico abaixo (matriz de resultados de ferramentas, cadeias de falha-recuperação, distribuição de duração); acompanhe ao vivo em uma aba de sessão ou envie até 5 logs de sessão para comparar no mesmo eixo.

Ponte compatível com OpenAI para usar no Midscene os modelos configurados no DeepSeek Harness. Em 127.0.0.1 (porta padrão 8787; escolhe uma livre se ocupada), encaminha chat completions com ou sem streaming à camada de modelos do host. Compatível com routing oficial DeepSeek, CodeBuddy, Codex e endpoints OpenAI/Anthropic personalizados. Credenciais ficam nos plugins provider; a ponte não as acessa. /v1/midscene-env cria quatro linhas MIDSCENE_MODEL_* inferindo a família. Registra sete skills de navegador, desktop, Android, iOS, HarmonyOS, E2E Vitest e referência Midscene; sem npx skills add. npm: dsh plugin --profile web add @tnnevol/dsh-midscene

Alternativas de palavras e preenchimentos ativados por sublinhado no composer. Termine uma linha com _ e ela é preenchida; erros de ortografia são sinalizados enquanto você digita. Passa pelo modelo já configurado no dsh, portanto não precisa de chave de API.

Compactação reversível de contexto para DeepSeek Harness: recodificação tabular sem perdas em estilo TOON de arrays JSON uniformes, janelas de tabela amostradas por stride com números de linha e deduplicação entre turnos para saídas de ferramenta repetidas; cada substituição passa por um limite bytes+tokens (≤72% de bytes, estritamente menos tokens estimados) e o original é gravado em disco atrás de um aviso `[save-token #id]`, recuperável numa única chamada via a ferramenta `save_token_expand`, com contagem de tokens facturados e evitados num painel de definições.

Plugin de agente de fluxo de trabalho de engenharia harness/loop orientado por habilidades.

Leitura aprofundada de livros e artigos em cinco modos (rápido, profundo, mapa de conhecimento, Feynman, livro completo) com relatórios de afirmação-evidência-dados, mapas mentais Mermaid/XMind, comparação em lote, verificação prévia de orçamento, progresso transparente de tarefas em segundo plano e exportações em MD/HTML a partir de URLs, arquivos ou texto colado.

Adapter de terceiros que registra o servidor MCP upstream REA (Reverse Engineer Anything) no DeepSeek Harness como ferramentas mcp__rea__*. A versão 2.x fornece runtime próprio (Node, REA CLI, JDK, Ghidra) em <DSH_HOME>/plugins/rea-bundle e inicia REA por shim; após uma configuração, funciona mesmo sem pré-instalação. A 1.x (branch v1, npm 1.0.6) só configura e espera REA/Ghidra já instalados. A análise é do upstream: binários nativos (Hopper/Ghidra/IDA), apps JavaScript/Electron, assemblies .NET, sites, APK Android e dispositivos adb, firmware e capturas de processos.

Configuração de esforço de raciocínio e modalidade de entrada por modelo para provedores terceiros: sugestões fundidas de uma base de conhecimento de modelos e evidência bruta do endpoint /models com rótulos de confiança, editadas dentro do card oficial da página Models.

Registra uma ponte local compatível com OpenAI como provedor nativo de modelos do DSH, reutilizando os modelos já autenticados no aplicativo desktop desta máquina. Gerencia a ponte e o processo do painel local e adiciona cinco ferramentas, o comando `/workbuddy` e configurações com nove abas. Exige o aplicativo instalado e conectado no mesmo computador; a ponte escuta somente em 127.0.0.1.

Mantém um servidor local de modelos TinyTitan acessível a partir do harness: atualiza a rota llm-pi-ai a partir dos modelos instalados e monta um backend de compaction que não pensa.

A base de conhecimento de desenvolvimento de plugins DSH como habilidade de agente sob demanda: restrições oficiais, fluxos de trabalho de tarefas, referência de API e armadilhas da comunidade, instalada com o pacote para que o agente possa consultar enquanto constrói um plugin.

Página host para a configuração de plugins kit no DSH Web GUI: registra uma seção "Plugin configuration" em Settings — irmã da seção integrada General — através do slot oficial settings.section e declara um slot filho settings.kit.item, no qual os plugins do dsh-plugin-kit renderizam seus próprios cartões de configuração. Instalado sozinho, mostra uma página vazia; os cartões aparecem conforme plugins kit que registram slots são instalados.

Memória de longo prazo entre sessões em um banco SQLite local: dois escopos (usuário e projeto por origem Git), recuperação híbrida FTS5 + vetores locais combinada por RRF, uma etapa de evidências que exige uma avaliação explícita de suficiência, cadeias de auditoria de proveniência, revisão espaçada SM-2, destilação de consolidação e esquecimento por decaimento, além do painel Memory Palace com nove visões. 22 ferramentas de parâmetros restritos, sem serviço externo, API key ou Docker.

Suporte a espaços de trabalho WSL para o DeepSeek Harness: uma experiência de espaço de trabalho WSL fluida, sem precisar instalar o dsh dentro do WSL. Depois de instalar este plugin, você pode adicionar um espaço de trabalho WSL diretamente na GUI.

Pipeline de QA como 10 agent skills: análise de requisitos, estratégia de teste, escrita e revisão de casos, automação E2E (Playwright) e API, exploratório, escopo de regressão e análise de bugs, respaldado por uma base de conhecimento compartilhada com regras de formato, modelo de risco e validadores de schema.