MIT 授權、自架的 AI agent 瀏覽器沙箱（Python / FastAPI、React、Docker）：CDP 自動化、noVNC / Xpra 即時畫面、持續保存的 profile 與人工接手。
DSH 整合
相容
作者聲明
安全稽核
未稽核
最後核實
2026-11-10
授權條款
MIT
01它能幫你完成什麼？
給 DeepSeek Harness 的 agent 一個跑在伺服器上的真實 Chromium，而不是佔用你自己的電腦
由 Docker 託管的 GUI Chromium 沙箱，agent 透過 CDP（Playwright / Puppeteer、SDK、CLI 或 REST API）驅動
需要長期在線、隔離瀏覽器的 agent 團隊
看著 agent 瀏覽網頁，並在它遇到登入頁或卡住時接手
noVNC / Xpra 即時畫面，接手前可先暫停自動化
需要在 agent 執行過程中人工介入的操作者
讓瀏覽器狀態在多次執行之間保留，而不是每次都從空白 profile 開始
每個沙箱獨立的瀏覽器 profile 與共享檔案，暫停、恢復後依然保留
依賴已登入工作階段或已下載檔案的工作流程
02如何將外掛接入 DeepSeek Harness？
先決條件
- 一台 Linux Docker 主機並安裝 Docker Compose；主機不需要桌面環境
- 服務設定好的 admin token，用來登入 /admin
安裝步驟
- 01
依伺服器部署指南（docs/guides/headless-linux.md）建置服務，或走本機 Docker 方案（docs/guides/deployment.md）
- 02
在服務位址開啟 /admin，用設定好的 admin token 登入
- 03
建立沙箱、開啟視覺化工作階段，或依使用指南（docs/guides/usage.md）接入你的 agent
驗證整合成功
作者未說明
03DSH 整合程度與能力邊界
儲存庫自帶 DeepSeek Harness 預覽外掛（packages/dsh-plugin），讓 DSH agent 直接驅動沙箱；此外也可透過 CDP 搭配 Playwright / Puppeteer，或 SDK、CLI、REST API 接入。
在管理後台開通沙箱
admin token 與 /admin 主控台→可開啟視覺化工作階段、或交給 agent 使用的沙箱
透過 CDP、SDK、CLI 與 REST 自動化
沙箱的 CDP 端點（或 SDK / CLI / REST API）→對沙箱內 Chromium 的程式化控制
即時畫面與人工接手
沙箱的視覺化工作階段→noVNC 或 Xpra 的瀏覽器即時畫面
接手前需要先暫停自動化持續保存的工作區
既有沙箱→該沙箱獨立的瀏覽器 profile 與共享檔案，暫停與恢復後保留
04適合誰？何時不該用？
適合
- 需要長期在線、隔離瀏覽器的 agent 團隊
- 需要在 agent 執行過程中人工介入的操作者
- 依賴已登入工作階段或已下載檔案的工作流程
不適合
- 目前部署模型面向可信任環境中的單節點部署；隔離與持續保存的界線見使用指南的相容性與限制一節。
05相容性、維護與安全提醒
- 目前部署模型面向可信任環境中的單節點部署；隔離與持續保存的界線見使用指南的相容性與限制一節。
- 需要 Linux Docker 主機與 Docker Compose；主機本身不需要桌面環境。
- 原始原始碼是 MIT，但執行時映像包含另行授權的元件，例如 GPL v2 或更新版本的 Xpra。
MIT · 最近推送 2026-11-05；facts pack 未記錄任何 GitHub release，因此沒有可鎖定的版本號
06常見問題
Verge Browser 怎麼和 DeepSeek Harness 接起來？
儲存庫的 Integrations 列了 DeepSeek Harness 預覽外掛（packages/dsh-plugin）。不裝外掛也能接入：透過 CDP 搭配 Playwright 或 Puppeteer，或使用 SDK、CLI 與 REST API。
伺服器需要桌面環境嗎？
不需要。README 要求的是帶 Docker Compose 的 Linux Docker 主機，並明確說明主機不需要桌面環境。
部署完服務之後第一步做什麼？
在服務位址開啟 /admin，用設定好的 admin token 登入，然後建立沙箱、開啟它的視覺化工作階段，或依使用指南接入你的 agent。
agent 瀏覽時我能接手嗎？
可以。你能透過 noVNC 或 Xpra 查看瀏覽器畫面，並在接手前暫停自動化。
隔離性和限制如何？
目前部署模型面向可信任環境中的單節點部署；README 指向使用指南的相容性與限制一節，說明隔離與持續保存的界線。
07相關的 DSH 工作流程
archify
作者 tt-a1i
为编码智能体生成美观可验证的架构图、时序图与数据流图，输出自包含 HTML，支持动效与清晰导出。
openviking
作者 volcengine
为 AI 智能体打造的自进化上下文数据库，统一智能体记忆、知识 RAG 与技能。
aitoearn
作者 yikart
面向抖音、快手、小红书和视频号的 AI 内容发布工作流，提供相关平台与 MCP 工具集成。
learn-harness-engineering
作者 walkinglabs
Harness 工程新手教程，从 0 到 1 系统学习智能体工作流框架。
08資料與來源
| Integrations | [Codex](docs/integrations/codex.md), [Playwright MCP](docs/integrations/playwright-mcp.md), [DeepSeek H…
- **Agent automation**: connect through CDP with Playwright or Puppeteer, or use the SDK, CLI, and REST API.
此頁面根據專案公開文件、儲存庫中繼資料與 DSH Plugins 的結構化解析所產生；最後核實於 2026-11-10。發現錯誤？提交更正。
最佳 DeepSeek Harness 外掛
從全目錄挑出的 12 個值得優先安裝的外掛，涵蓋各個分類。