DeepSeek Harness

Die passende Anbindung wählenCopy Anchor Link

Um TokenLab als Hauptmodell des Agenten zu verwenden, fügen Sie in der Harness-Weboberfläche einen custom provider hinzu. Das funktioniert unabhängig vom optionalen TokenLab-Provider-Bundle. Ergänzen Sie MCP-Werkzeuge für Medien und weitere APIs oder einen Skill mit Anleitungen zur API-Nutzung. Beides ändert für sich genommen nicht das Hauptmodell.

Harness ist eine Entwicklervorschau. Diese Schritte für die Weboberfläche wurden am 27. September 2026 anhand der offiziellen Dokumentation und des veröffentlichten Pakets @deepseek-ai/dsh 0.1.5-rc.3 geprüft. Auch die Bundle-Anleitung unten bezieht sich auf diese Version; prüfen Sie andere Harness-Versionen separat.

Diese Aufgabe an Ihren Agenten übergebenCopy Anchor Link

Lies https://tokenlab.sh/docs/de/integrations/deepseek-harness und prüfe meine installierte Version und mein Betriebssystem.
Kläre, ob ich TokenLab als Hauptmodell, MCP-Werkzeuge oder API-Skills benötige.
Behalte vorhandene Konten, Provider-Konfigurationen und Berechtigungen bei und erkläre, wie sich geänderte Einstellungen wiederherstellen lassen.
Bitte mich nicht, API-Schlüssel in den Chat einzufügen. Ich gebe den Schlüssel lokal ein und führe die erforderlichen Schritte in der Oberfläche selbst aus.
Erkläre die Kosten einer kleinen Testanfrage. Erst wenn ich mich ausdrücklich für diesen Test entscheide, hilf mir bei der Ausführung und beim Abgleich mit dem TokenLab-Anfrageeintrag.

Harness startenCopy Anchor Link

Verwenden Sie die Node-CLI unter macOS, Linux oder Windows mit einer unterstützten Node-Version; Node 24 LTS ist ein geeigneter Einstieg. Führen Sie im Projektverzeichnis folgende Befehle in einem Terminal oder in PowerShell aus:

node --version
npx @deepseek-ai/dsh@0.1.5-rc.3 web

Öffnen Sie die lokale URL, die der Befehl ausgibt. Fügen Sie beim ersten Öffnen der Weboberfläche über Choose workspace Ihr Projektverzeichnis hinzu und wählen Sie es aus, bevor Sie eine Nachricht senden. Diese Befehle verwenden das Profil web; das Profil desktop der Electron-Anwendung wird mit diesem CLI-Ablauf nicht verwaltet. Weitere Informationen finden Sie in der offiziellen Startanleitung und der Anleitung zur Weboberfläche.

Einen TokenLab-Provider konfigurierenCopy Anchor Link

1. Öffnen Sie Settings → Models → Add a custom provider. Behalten Sie vorhandene Provider und Berechtigungen bei.
2. Geben Sie eine Provider ID in Kleinbuchstaben ein, etwa tokenlab-chat, und wählen Sie unten ein Protokoll mit der passenden Base URL. Jeder Provider verwendet genau ein Protokoll.
3. Geben Sie Ihren TokenLab-API-Schlüssel in das lokale Formular ein. Harness speichert über die Oberfläche verwaltete Schlüssel in $DSH_HOME/.credentials.yaml; die Einstellungsdatei enthält nur einen Verweis. Senden Sie den Schlüssel nicht im Chat und nehmen Sie ihn nicht in einen Commit auf.
4. Fügen Sie eine aktuelle Modell-ID aus dem TokenLab-Modellkatalog hinzu. Prüfen Sie deren tokenlab.accepted_request_formats über die API für Modelldetails, statt die Unterstützung aus dem Namen abzuleiten.
5. Speichern Sie den Provider, wählen Sie sein Modell aus und beginnen Sie eine neue Sitzung. Eine bestehende Sitzung, die bereits eine Anfrage gesendet hat, behält das darin aufgezeichnete Modell bei.

Für eine erste Textanfrage können Sie einen derzeit verfügbaren Eintrag für gpt-4.1-mini nach der Chat-Zeile konfigurieren. Fetch available models → Add selected kann die Einrichtung eines custom provider erleichtern. Eine erfolgreiche Modellauflistung bestätigt jedoch weder die Protokollunterstützung noch eine funktionierende kostenpflichtige Anfrage; speichern Sie den Provider anschließend. Falls die Modellsuche nicht verfügbar ist, tragen Sie die ID manuell ein.

Harness bietet hier kein Gemini-natives Protokoll für custom provider an. Verwenden Sie Chat nur, wenn in den Modelldetails Chat Completions als akzeptiertes Anfrageformat aufgeführt ist. Bildeingaben und Einstellungen für Reasoning können zusätzliche Felder in settings.yaml erfordern. Beachten Sie vor dem Aktivieren die Harness-Provider-Konfiguration und die vom gewählten Modell unterstützten Felder.

Eine kleine Anfrage prüfenCopy Anchor Link

Senden Sie in der neuen Sitzung:

Reply only with TOKENLAB_CONNECTION_OK. Do not use tools or modify files.

Diese Anfrage ist kostenpflichtig. Prüfen Sie die Antwort sowie das zugehörige Modell, die Uhrzeit und den Status unter TokenLab Requests. Beenden Sie die Prüfung nach diesem Texttest. Für die erste Verbindung müssen Sie weder alle drei Protokolle testen noch kostenpflichtige Medien erzeugen. Eine Modellauflistung oder die MCP-Werkzeugsuche allein bestätigt nicht, dass der Schlüssel zur Generierung berechtigt ist.

Optional: das TokenLab-BundleCopy Anchor Link

@tokenlabai/dsh-provider@0.1.5 ist für Harness 0.1.5-rc.3 vorgesehen. Nutzen Sie die nativen Schritte oben, um ein einzelnes Modell einzurichten, oder installieren Sie das Bundle für vorkonfigurierte Modellrouten und Werkzeuge.

Das Bundle enthält einen festen Snapshot von 136 öffentlichen Chatmodellen, geprüft am 27. September 2026: Responses 27, Messages 10 und Chat 99. Jedes Modell erscheint auf genau einer Route. Es verwendet fest @tokenlabai/mcp-server@0.6.24 und enthält das separate Werkzeug tokenlab_wait_task. Die Installation dieser Version aktualisiert den Modellkatalog nicht. Prüfen Sie IDs im aktuellen Katalog und ergänzen Sie neuere Modelle bei Bedarf über einen custom provider.

Stellen Sie bei einer bestehenden kompatiblen Harness-Installation zunächst sicher, dass pnpm über PATH verfügbar ist. Verwenden Sie für Installation und Start dieselbe dsh-Programmdatei, Version und dasselbe Profil. Wenn Sie Harness über npx starten, ersetzen Sie dsh unten durch denselben Startbefehl mit Versionsangabe:

dsh --version
pnpm --version
dsh plugin --profile web add --workspace-root @tokenlabai/dsh-provider@0.1.5

Setzen Sie den Schlüssel vor dem Start dieses Profils in der Startumgebung oder der zugehörigen .env-Datei:

TOKENLAB_API_KEY=sk-your-tokenlab-key

Harness liest .env aus dem Verzeichnis, in dem Sie es starten, und aus $DSH_HOME (normalerweise ~/.dsh); eine geerbte Umgebungsvariable hat Vorrang. Wenn Sie später einen Arbeitsbereich auswählen, wird dadurch keine andere .env gewählt. Nehmen Sie die Datei nicht in Git auf und starten Sie Harness nach Änderungen neu. Ein in der Oberfläche für einen custom provider gespeicherter Schlüssel stellt nicht automatisch das vom Bundle benötigte TOKENLAB_API_KEY bereit.

Starten Sie dasselbe Profil neu und prüfen Sie anschließend dessen Modell- und Werkzeuglisten. Für headless müssen Sie sowohl die Installation als auch den Start mit headless statt web durchführen; die Installation in einem Profil konfiguriert das andere nicht.

Harness 0.1.5-rc.3 führt gespeicherte llm-pi-ai.providers anhand des Provider-Schlüssels zusammen. Provider mit unterschiedlichen Schlüsseln bleiben nebeneinander bestehen. Gespeicherte Einträge für tokenlab-responses, tokenlab-messages oder tokenlab-chat überschreiben die jeweilige gleichnamige Bundle-Route; prüfen Sie diese Einträge beim Aktualisieren eines älteren Katalogs. Behalten Sie die anderen Provider und Modelle in $DSH_HOME/settings.yaml bei und ersetzen Sie nicht das gesamte Einstellungsdokument durch den Cordis-Patch.

Die öffentlichen Modelldetails nennen die Reasoning-Fähigkeit, führen aber nicht die unterstützten Effort-Werte pro Modell auf. Deshalb deklariert das Bundle keine reasoningEfforts. Harness bietet für diese benutzerdefinierten Routen keine Effort-Stufen an; dadurch wird serverseitiges Reasoning nicht deaktiviert. Wenn Sie reasoningEfforts selbst konfigurieren, verwenden Sie nur separat geprüfte Werte im Modelleintrag der models-Liste des Providers und behalten Sie die anderen Modelle bei. Reasoning-Unterstützung allein belegt keine Unterstützung für xhigh oder max.

Das Bundle verwendet standardmäßig TOKENLAB_MCP_TOOL_PROFILE=core mit 32 MCP-Werkzeugen und TOKENLAB_MCP_SCHEMA_MODE=portable. Wählen Sie catalog nur für die Suche (6 Werkzeuge) oder full für alle 89 Werkzeuge, einschließlich zusätzlicher Funktionen für den Response-Lebenszyklus, Batches, Seedance-Assets und -Gruppen sowie Worlds. Das separate Polling-Werkzeug tokenlab_wait_task bleibt in jedem Profil verfügbar und zählt nicht zu diesen MCP-Werkzeugen. TOKENLAB_API_BASE und TOKENLAB_ANTHROPIC_BASE_URL verwenden standardmäßig https://api.tokenlab.sh; TOKENLAB_OPENAI_BASE_URL verwendet https://api.tokenlab.sh/v1.

Prüfen Sie bei den Medienwerkzeugen des Bundles delivery.mode: Verwenden Sie die Ausgabe bei complete direkt. Übergeben Sie bei async die delivery.task_id an tokenlab_wait_task und lesen Sie den endgültigen status, die response und die result_urls. Ein Zeitlimit beim Warten bedeutet nicht, dass die Aufgabe abgeschlossen ist. Behalten Sie Genehmigungen für kostenpflichtige oder destruktive Werkzeuge bei. Siehe asynchrone Aufgaben.

Zum Entfernen des Bundles verwenden Sie denselben Startbefehl und dasselbe Profil. Starten Sie Harness danach neu:

dsh plugin --profile web remove --workspace-root @tokenlabai/dsh-provider

Bei ProblemenCopy Anchor Link

• Das Eingabefeld ist deaktiviert: Wählen Sie sowohl einen Arbeitsbereich als auch ein Modell aus.
• MISSING_CREDENTIAL oder 401: Prüfen Sie die Zugangsdaten des gewählten Providers. Prüfen Sie für Bundle-Werkzeuge TOKENLAB_API_KEY in der Startumgebung; ein in der Oberfläche gespeicherter Modellschlüssel ist eine separate Einstellung.
• UNKNOWN_MODEL oder eine stillgelegte ID: Prüfen Sie den aktuellen Katalog, konfigurieren Sie die genaue aktuelle ID und erstellen Sie eine neue Sitzung. Eine erneute Installation von Bundle 0.1.5 aktualisiert dessen Snapshot nicht.
• Die URL ist erreichbar, aber die Generierung schlägt fehl: Vergleichen Sie das Protokoll, die Base URL und die vom Modell akzeptierten Formate. Entfernen Sie nicht den Verlauf, Werkzeuge oder Bildeingaben, nur um aus einem Fehler einen erfolgreichen Test zu machen.
• dsh oder pnpm fehlt: Verwenden Sie für Harness den oben gezeigten npx-Startbefehl mit Versionsangabe. Installieren Sie pnpm, bevor Sie Plugin-Befehle verwenden. Eine fehlgeschlagene Plugin-Installation ist kein API-Schlüsselfehler.

MCP und Skills sind getrennte OptionenCopy Anchor Link

Ein manuell eingerichteter custom provider installiert keine Werkzeuge. Folgen Sie der TokenLab-MCP-Anleitung, wenn Sie aufrufbare API-Werkzeuge ohne das Bundle benötigen. Prüfen Sie die Werkzeugsuche vor der ersten Generierung.

Für TokenLab Skills legen Sie den vollständigen Skill-Ordner unter .dsh/skills/tokenlab-api-integration/ im Projektstamm ab, einschließlich SKILL.md und aller referenzierten Dateien. Harness findet Skills auch unter .agents/skills/. Diese Anleitungen installieren weder einen Provider noch einen MCP-Server oder einen Schlüssel. Die unterstützten Verzeichnisse sind in der offiziellen Referenz für dateibasierte Skills beschrieben.

Jev / System One & WebhooksCopy Anchor Link

Für Jev (POST /v1/systemone) nutzen Sie mcp__tokenlab__evaluate_decisions in core oder full. Prüfen Sie category=decision und die Modelldetails. Synchrone Entscheidungen sind keine Chatmodelle oder asynchronen Tasks; verwenden Sie weder Modellauswahl noch tokenlab_wait_task.

Webhook-Verwaltung benötigt full und ein separates TOKENLAB_MANAGEMENT_TOKEN=mt-... in der Startumgebung, das Bundle übergibt es an MCP. Ein Inferenzschlüssel ersetzt es nicht. Das Token erlaubt weitere Workspace-Verwaltung; die Registrierung macht Harness nicht zum Empfänger.