MIT ライセンスの DeepSeek Harness 向け視覚プラグイン。`dsh plugin add` で Web / Headless Profile にネイティブ導入し、10 の視覚ツールとプレイブック、内蔵の無料 Gemini 3.7 Flash サービスで画像 Q&A・OCR・UI 復元を実現します。
DSH 統合
ネイティブ実行
作者による申告
安全性監査
未監査
最終検証日
2026-08-21
ライセンス
MIT
01どんなタスクに使えるのか？
Complete high-value visual tasks in DeepSeek Harness: read long screenshots, rebuild a UI from a screenshot or sketch, restore graphics, or operate a GUI from screenshots
Markdown OCR output with chunks and audit info, rebuilt HTML/CSS pages, SVG / transparent-PNG graphics, and verified GUI states — produced by 10 composable tools guided by the bundled vision-skills playbooks
Developers running DeepSeek Harness who want text-only agents to do more than caption images — OCR, UI restoration, grounding and screenshot-driven GUI automation
Give a text-only DeepSeek Harness model a multimodal-style experience: paste an image and ask questions about it directly
Task-aware image answers with intent-focused evidence (e.g. where the error is, where the button is) instead of generic captions, with native thumbnails, session history and artifact previews kept intact
DeepSeek Harness Web users on text-only models who want to paste an image and ask directly, without changing models or copying paths
02DeepSeek Harness への導入方法
前提条件
- A running DeepSeek Harness environment with a Web, Headless, or Desktop profile
- Python 3.11+ is preferred; when none is found the plugin downloads a hash-verified standalone Python (about 35 MB) automatically on first use
インストール手順
- 01
Run `dsh plugin --profile web add @anionex/dsh-vision-toolkit` to install into a Web Profile
$ dsh plugin --profile web add @anionex/dsh-vision-toolkit
- 02
Optionally install into a Headless Profile with `dsh plugin --profile headless add @anionex/dsh-vision-toolkit`
$ dsh plugin --profile headless add @anionex/dsh-vision-toolkit
- 03
For DSH Desktop, open DSH Terminal from the tray and run `dsh plugin --profile desktop add @anionex/dsh-vision-toolkit`, then restart DSH Desktop (the Desktop 2.0.1 built-in marketplace has known installation issues; the terminal command is the reliable path)
$ dsh plugin --profile desktop add @anionex/dsh-vision-toolkit
- 04
Restart the running Web Profile
導入成功の確認
- Open Settings → Vision Toolkit; the free provider is already configured — run Test vision model to confirm it is reachable
03DSH 統合と能力の範囲
Native DeepSeek Harness plugin installed with the dsh CLI into Web / Headless / Desktop Profiles, exposing 10 vision tools, a bundled vision-skills Skill, Settings panel, Credentials, Artifacts and Web UI presentation
10 composable vision tools
images (pasted, in the session workspace, or long screenshots) plus a task-focused question→image Q&A, pixel coordinates and boxed previews, PNG/JPEG crops, SVG traces, pixel-diff heatmaps with JSON, long-screenshot Markdown OCR, transparent PNGs, palettes, and HTML screenshots
vision_html_screenshot renders local pages via Chrome/Chromium/Edgetool outputs write result files (crops, SVGs, heatmaps, JSON) into the workspacevision-skills Skill playbooks
a visual task prompt, e.g. `(Use vision-skills) Rebuild this image into HTML.`→agent workflows for long-screenshot OCR, UI restoration from screenshots/designs, graphic/logo restoration, sketch-to-structured-code (Mermaid/Graphviz), and screenshot-driven GUI operation
Built-in free Gemini 3.7 Flash vision service
none (no API key required)→a working vision provider configured out of the box after installation
images are sent to the shared service endpoint https://vision.anionex.me/v1first start downloads a hash-verified standalone Python (~35 MB) from a domestic mirror (GitHub fallback) and installs locked runtime dependencies (Pillow, NumPy, vtracer) from a PyPI mirrorAutomatic image input routing in DSH Web
an image pasted into a DSH Web conversation→the text-only model transparently switches to its `(Vision Toolkit)` variant with a reusable workspace path and task-focused description; thumbnails, session history and artifact previews stay intact
04誰に向いているのか？使うべきでない場面は？
向いている用途
- Developers running DeepSeek Harness who want text-only agents to do more than caption images — OCR, UI restoration, grounding and screenshot-driven GUI automation
- DeepSeek Harness Web users on text-only models who want to paste an image and ask directly, without changing models or copying paths
不向きな用途
- The built-in free service is a shared endpoint with safeguards: 100 images per machine per day, up to 5 images per request, 4 MiB per image, 20,000,000 decoded pixels, and 4,096 output tokens; when capacity is reached it returns 429 with Retry-After. Higher volume requires bringing your own vision provider.
- First-time setup needs network and disk access to prepare the isolated Python runtime: it downloads a hash-verified standalone Python from a domestic mirror (falling back to the GitHub release) and installs locked dependencies (Pillow, NumPy, vtracer) from a Tencent Cloud PyPI mirror before falling back to the official PyPI index.
05互換性・メンテナンス・セキュリティ上の注意
- The built-in free service is a shared endpoint with safeguards: 100 images per machine per day, up to 5 images per request, 4 MiB per image, 20,000,000 decoded pixels, and 4,096 output tokens; when capacity is reached it returns 429 with Retry-After. Higher volume requires bringing your own vision provider.
- First-time setup needs network and disk access to prepare the isolated Python runtime: it downloads a hash-verified standalone Python from a domestic mirror (falling back to the GitHub release) and installs locked dependencies (Pillow, NumPy, vtracer) from a Tencent Cloud PyPI mirror before falling back to the official PyPI index.
- vision_html_screenshot requires Chrome, Chromium, or Edge — without one only HTML screenshot rendering is unavailable while the other tools still work; on DSH Desktop 2.0.1 the built-in marketplace has known installation issues, so installing via DSH Terminal is the reliable path.
MIT · actively maintained (latest release v0.1.36, 2026-08-20)
06よくある質問
DSH Vision Toolkit を DeepSeek Harness に導入するには？
`dsh plugin --profile web add @anionex/dsh-vision-toolkit`（または `--profile headless` / `--profile desktop`）を実行し、対象のプロファイルを再起動します。MCP ではなくネイティブな dsh プラグインとして、Profiles・セッション・設定・Artifacts・Web UI に直接組み込まれます。
視覚機能を使うのに API key は必要ですか？
不要です。インストール直後から内蔵の無料 Gemini 3.7 Flash 視覚サービスが自動設定されます。より高いクォータやプライベートなエンドポイントが必要な場合は、設定 → Vision Toolkit でプロバイダを変更し、API key を DSH Credential として保存します。
前提条件は何ですか？
稼働中の DeepSeek Harness プロファイルが必要です。Python 3.11+ が優先され、見つからない場合は初回起動時にハッシュ検証済みのスタンドアロン Python（約 35 MB）が自動ダウンロードされます。vision_html_screenshot には Chrome・Chromium・Edge のいずれかも必要です。
無料サービスの制限は？
共有の無料エンドポイントは、1 台あたり 1 日 100 枚・1 リクエスト最大 5 枚・1 枚 4 MiB・デコード後 20,000,000 ピクセルが上限です。容量上限に達すると、理由不明のエラーではなく Retry-After 付きの 429 が返されます。
画像はどこに送信されますか？
既定の設定では、共有無料サービスの https://vision.anionex.me/v1 に送信されます。設定から自分の OpenAI 互換エンドポイントや Anthropic Messages エンドポイントに切り替えることもでき、Credential の秘密情報は参照のみ保存されブラウザに読み戻されません。
07関連する DSH ワークフロー
modlens
by liustack
DeepSeek Harness 用のビジョンプラグイン。DeepSeek や GLM などのテキスト専用モデルに画像認識を外付けし、画像を貼るだけで OCR・レイアウト・意味情報を構造化 JSON として取得
agent-vision-toolkit
by anionex
テキスト専用モデルに「見る目」を与えるビジョンツールボックスとスキル。複数画像の理解、画像 QA、長いスクリーンショットの OCR、フロントエンド UI 復元、GUI 自動化に対応
dsh-vision-router
by ysr666
テキスト専用 DeepSeek Harness エージェントに目を与えるプラグイン。キー不要の無料ビジョンチェーン内蔵に加え、QA、グラウンディング、切り抜き、OCR などのツールをワンコマンドで導入可能
dsh-image-gen
by shanliuling
DeepSeek Harness チャット内で直接画像生成
08データと出典
A more powerful vision toolkit—give text-only models in DeepSeek Harness eyes: image Q&A, long-screenshot OCR, UI restor…
dsh plugin --profile web add @anionex/dsh-vision-toolkit
Native DSH integration: those capabilities live inside Profiles, sessions, Settings, Artifacts, and the Web UI, with a f…
このページは、プロジェクトの公開ドキュメント、リポジトリのメタデータ、および DSH Plugins の構造化解析に基づいて生成されています。最終検証日：2026-08-21。誤りを見つけた場合は、修正を送信してください。
dsh プラグイン おすすめ
最初に入れたい 12 のプラグイン。全カタログ・全カテゴリから厳選しました。