Плагины

Заменяет провайдеры файловой системы и bash на виртуальное рабочее пространство mirage: файловые инструменты и команды оболочки выполняются над подключёнными ресурсами (RAM, S3, Redis, Slack, Gmail, Notion, Postgres) вместо диска хоста, с режимами чтения/записи/выполнения для каждого подключения, маршрутизацией песочницы для каждой команды (monty, pyodide, quickjs — в процессе; docker, e2b, daytona — удалённо), а также установленными CLI (git, gh, slack, linear, ntn, gws или зарегистрированным вами) в качестве начальных слов виртуального терминала.

Постоянная память для AI-агентов под управлением LLM — графовое воспроизведение, знания между сессиями, единый бинарник. Работает с DeepSeek Harness, Claude Code, OpenClaw и любой другой средой выполнения агентов.

Развивайте навыки, агентов, промпты, код и плагины прямо внутри DeepSeek Harness вместе с AgentDescent.

Предоставляет бесплатные модели OpenCode Zen для DeepSeek Harness без API key.

Лабиринт исполнения для сессий DSH: реальный путь агента — основной прогресс, неудачные или тупиковые обходы, возвраты, повторы запросов и ветви подагентов — на одной временной шкале wall-clock, с тремя дорожками под каждой линией на той же оси (плотность tool-call, pulse токенов, давление контекста) и детерминированной панелью анализа ниже (матрица результатов инструментов, цепочки сбой-восстановление, распределение длительностей); наблюдайте, как он растёт в реальном времени во вкладке сессии, или загрузите до 5 логов сессий для сравнения на той же оси.

Каузальная память для dsh: MCP-мост stdio без зависимостей, монтирующий 17 инструментов сервера causal-memory под чистыми именами (без префикса mcp__) — связи решение → результат с типизированными отношениями (caused / enabled / prevented) в локальном хранилище SQLite, сохраняющемся после compaction, — а также закреплённая секция системного промпта. Требуется бинарный файл сервера causal-memory в PATH (pip install causal-memory или готовый релиз).

Автопамять в стиле Claude Code, нативно: типизированные файлы памяти (user/feedback/project/reference) с индексом MEMORY.md, автоматически внедряемым в системный промпт (нулевой след, пока пусто); memory_write/read/list/delete следуют правилам записи Claude Code (дедупликация с обновлением, абсолютные даты, перекрёстные ссылки); уровни в области workspace и пользователя, межпроцессная блокировка файлов с восстановлением осиротевших блокировок, обычный Markdown на диске, без внешних сервисов, без эмбеддингов.

Agent Context Editor — кросс-агентный плагин для ручного исключения, редактирования и выборочного сжатия контекста ИИ-диалогов. Также поддерживает поиск, фильтрацию, выбор, скрытие, восстановление и отмену изменений разговора с сохранением исходной сессии.

Trace Compare & Live Maze: рисует реальное исследование агента — основной путь, неудачные или тупиковые обходы, возвраты и ветви подагентов — на единой настенной временной шкале; загрузите 1–2 журнала сеансов для сравнения на одной оси или наблюдайте рост в реальном времени во вкладке сеанса.

Пакет DeepSeek Harness: ретранслятор AgentRouter как один маршрут pi-ai с переключателем внутреннего/зарубежного эндпоинта в настройках, а также совместимость исходящих запросов, требуемая ретранслятором.

Панель анатомии для органов Agent-Body: предоставляет живую панель показателей жизнедеятельности по адресу /anatomy внутри самого харнесса — органы, сердцебиение, журнал исцеления, счётчики самообучения и реальный поток пульса — считываемые напрямую из файлов среды выполнения, а не вводимые заново. Только хост, без клиентского бандла и без этапа сборки.

Движок контекста Zero-residence: большие полезные нагрузки инструментов вытесняются из активного контекста в доступное для запросов хранилище, и остаются только детерминированные указатели, поэтому число токенов запроса на каждый ход перестаёт расти вместе с транскриптом. Любое замаскированное содержимое восстанавливается дословно из журнала сессии по запросу — по идентификатору вызова инструмента или seq сессии.

Ядро органов Agent-Body: плагины как единое тело. Каждая команда становится нервным импульсом, который детерминированно активирует нужный орган и называет используемую способность; пульс с переменным интервалом (быстрее при тревоге, медленнее в покое) разносит директивы оператора, проприоцепцию и предупреждения гомеостаза по системе; рефлексы срабатывают без вызова модели; сбои идут через детерминированную атрибуцию (инструмент/аргументы/права/тайм-аут/сеть), предписание и цикл перепроверки, а ошибки аргументов никогда не повторяются сами. Отсутствующий орган компенсирует орган с наибольшим пересечением способностей, а схемы инструментов фильтруются по текущему намерению (измеренное сокращение 84,7 %, воспроизводимо в репозитории). Это ядерный пакет плагинов в репозитории agent-body.

Орган памяти Agent-Body: после 2 минут тишины он переходит в лёгкий сон, а через 5 минут — в глубокий, где детерминированные правила перегоняют реальный опыт в карточки памяти (подводные камни, плейбуки, горячие точки, нерешённые проблемы, факты). Входящие команды находят связанные карточки по ключевым словам и внедряют их в контекст; давно неиспользуемые карточки затухают по периоду полураспада и архивируются, а не удаляются. Также он убирает шум общесистемных предупреждений гомеостаза: повторы внутри окна считаются вместо повторной печати, а предупреждение, которое повторяется и не устраняется, сходится к известному смещению устойчивого состояния и замолкает. Консолидация и вспоминание не делают вызовов модели.

Слой координации плагинов: плагины объявляют свои возможности, команды маршрутизируются к плагину-владельцу без вызова модели, схемы инструментов загружаются по требованию, экономя токены промпта, история запусков консолидируется в долговременную память в простое, а сбои классифицируются до любого повтора.

Интеграционный слой DSH для механизма памяти Minta: компонует официальную строку dsh-mcp-client, регистрирует skill minta-memory-governance плюс предварительный прогрев памяти при старте сессии и поставляет пресет агента Minta; требует отдельно развёрнутый механизм Minta (Python/Docker) для предоставления 19 инструментов MCP — без него непригоден.

Сжатие контекста без потерь для DeepSeek Harness: самый старый фрагмент заменяется кратким изложением, а оригиналы остаются в журнале сессии.

Умная маршрутизация и эволюция subagent: привязывайте роли к любому provider/model, зарегистрированному в DSH, включая модели, предоставляемые плагинами-провайдерами Codex и Claude Code, с обучением на уровне рабочей области.

CLI self от Superself как инструменты, обращённые к модели (контекст проекта, рабочие единицы, отчёты, решения) плюс команда /self — межсессионное, межпроектное состояние проекта, хранящееся вне кодовой базы.

Swarm в стиле Kimi-Code: пакетно-параллельная диспетчеризация субагентов с адаптивным планированием, команда /swarm и живые строки прогресса в чате.

TypeSafe Jev (решающая модель System One) как инструмент jev_decide для DeepSeek Harness: вопросы noul, choice и score возвращают калиброванные вероятности; учётные данные переиспользуют credential-шов DSH; встроен повтор с backoff при 429/529.

Добавляет устойчивые контракты выполнения, рекурсивные графы работ, критические уточнения и шлюзы доказательств для длинных или недостаточно специфицированных задач Harness.

Объединяет контекст других сессий в текущем ходе: разрешение конфликтов с весами по доказательствам, отзыв утверждений, чьи посылки были отозваны, маркировка доверия, устойчивая к межсессионному внедрению промптов, и упаковка с ограничением по бюджету. Поставляется с бенчмарком.