Coding-Tools

DeepSeek Harness

Konfigurieren Sie ein TokenLab-Modell in Harness, verifizieren Sie eine Anfrage und wählen Sie zwischen MCP, Skills oder dem Provider-Bundle

Wählen Sie die benötigte Verbindung

Um TokenLab als Hauptmodell des Agents zu verwenden, fügen Sie in der Harness Web UI einen benutzerdefinierten Provider hinzu. Dies funktioniert unabhängig vom optionalen TokenLab-Provider-Bundle. Fügen Sie MCP-Tools für Medien und andere APIs oder einen Skill für API-Anweisungen hinzu; keines davon ändert das Hauptmodell von sich aus.

Harness befindet sich in der Developer Preview. Diese Schritte für die Web UI folgen der offiziellen Dokumentation für @deepseek-ai/dsh 0.2.0-rc.2, dem aktuellen npm-Tag latest (geprüft am 12. Oktober 2026). Sie wurden zuletzt Ende-zu-Ende unter 0.1.5-rc.3 getestet; die unten aufgeführten Anfragen-Prüfungen wurden noch nicht erneut gegen 0.2.0-rc.2 durchgeführt. Das optionale Bundle unten zielt weiterhin auf 0.1.5-rc.3 ab; prüfen Sie die Kompatibilität mit anderen Harness-Releases separat.

Geben Sie diese Aufgabe an Ihren Agent

Read https://tokenlab.sh/docs/de/integrations/deepseek-harness and check my installed version and operating system.
Confirm whether I need TokenLab as the main model, MCP tools, or API Skills.
Preserve existing accounts, provider configuration, and permissions; explain how to restore changed settings.
Keep API keys local; do not ask me to paste them into chat. I will enter the key locally and perform required UI steps.
Explain the cost of a small verification request. Only after I explicitly choose that test, help run it and match the TokenLab request record.

Starten Sie Harness

Verwenden Sie die Node CLI unter macOS, Linux oder Windows mit einer unterstützten Node-Version; Node 24 LTS ist ein geeigneter Ausgangspunkt. Führen Sie in Ihrem Projektverzeichnis den folgenden Befehl in einem Terminal oder PowerShell aus:

node --version
npx @deepseek-ai/dsh web

Ohne Versionsangabe installiert npx das npm-Tag latest, das neuer sein kann als 0.2.0-rc.2, die Version, mit der diese Schritte geprüft wurden. Es installiert nicht das alpha-Tag.

Öffnen Sie die lokale URL, die vom Befehl ausgegeben wird. Verwenden Sie in einer neuen Web UI Choose workspace, um Ihr Projektverzeichnis hinzuzufügen und auszuwählen, bevor Sie eine Nachricht senden. Diese Befehle verwenden das web-Profil; das desktop-Profil der Electron-Anwendung wird von diesem CLI-Workflow nicht verwaltet. Siehe das offizielle Startup-Handbuch und das Web UI-Handbuch.

Konfigurieren Sie einen TokenLab-Provider

  1. Öffnen Sie Settings → Models, wählen Sie Add model provider und stellen Sie die Karte auf Custom model API um. (Harness 0.1.5-rc.3 nannte dies Add a custom provider.) Behalten Sie alle bestehenden Provider und Berechtigungen bei.
  2. Geben Sie eine kleingeschriebene Provider-ID ein, wie z. B. tokenlab-chat, und wählen Sie unten ein Protokoll und die dazugehörige Base URL. Jeder Provider verwendet ein Protokoll.
  3. Geben Sie Ihren TokenLab API-Key in das lokale Formular ein. Harness speichert UI-verwaltete Keys in $DSH_HOME/.credentials.yaml; die Einstellungen behalten nur den Verweis auf die Anmeldedaten. Senden Sie den Key nicht im Chat und committen Sie ihn nicht. Der Provider und sein Protokoll werden in $DSH_HOME/profiles/<profile>/cordis.patch.yml gespeichert, was für das Standard-Profil dsh web $DSH_HOME/profiles/web/cordis.patch.yml entspricht.
  4. Fügen Sie eine aktuelle Modell-ID aus den TokenLab Models hinzu. Prüfen Sie deren tokenlab.accepted_request_formats in der Modell-Detail-API, anstatt die Unterstützung anhand des Namens zu erraten.
  5. Speichern Sie den Provider, wählen Sie dessen Modell aus und starten Sie eine neue Sitzung. Eine bestehende Sitzung, die bereits eine Anfrage gesendet hat, behält das aufgezeichnete Modell bei.
Provider ID BeispielHarness API ProtokollBase URLErforderliches öffentliches Anfrageformat
tokenlab-chatopenai-completionshttps://api.tokenlab.sh/v1openai_chat_completions
tokenlab-responsesopenai-responseshttps://api.tokenlab.sh/v1openai_responses
tokenlab-messagesanthropic-messageshttps://api.tokenlab.shanthropic_messages

Für eine erste Textanfrage kann ein aktuell verfügbarer gpt-5.6-luna-Eintrag die Chat-Zeile verwenden. Fetch available models → Add selected kann helfen, einen benutzerdefinierten Provider zu befüllen, aber ein erfolgreiches Auflisten verifiziert nicht die Protokollunterstützung oder eine kostenpflichtige Anfrage; speichern Sie den Provider danach. Geben Sie die ID manuell ein, falls die Erkennung nicht verfügbar ist.

Harness bietet hier kein Gemini-natives Custom-Provider-Protokoll an. Verwenden Sie Chat nur, wenn die Details des Modells "Chat Completions" als akzeptiertes Anfrageformat auflisten. Bildeingaben und Reasoning-Steuerungen erfordern möglicherweise zusätzliche Felder in $DSH_HOME/profiles/web/cordis.patch.yml; folgen Sie der Harness-Provider-Konfiguration und den unterstützten Feldern des ausgewählten Modells, bevor Sie diese aktivieren. (Noch nicht erneut unter 0.2.0-rc.2 getestet.)

Verifizieren Sie eine kleine Anfrage

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 passende Modell, die Zeit und den Status in den TokenLab Requests. Stoppen Sie nach dieser Textprüfung; das Testen von drei Protokollen oder das Generieren kostenpflichtiger Medien ist nicht erforderlich, um die erste Verbindung herzustellen. Eine Modellauflistung oder MCP-Erkennung allein validiert nicht den Generierungszugriff des Keys.

Optional: das TokenLab-Bundle

@tokenlabai/dsh-provider@0.1.6 zielt auf Harness 0.1.5-rc.3 ab: seine Peer-Dependencies sind weiterhin @deepseek-ai/dsh-tools und @deepseek-ai/dsh-mcp-client 0.1.5-rc.3. Es wurde nicht mit Harness 0.2 getestet. Um das Bundle zu verwenden, starten Sie die passende Version: npx @deepseek-ai/dsh@0.1.5-rc.3 web. Verwenden Sie die oben genannten nativen Schritte für benutzerdefinierte Provider, um ein Modell zu konfigurieren, oder installieren Sie das Bundle für seine voreingestellten Modellrouten und Tools.

Das Bundle enthält einen festen Snapshot von 145 öffentlichen Chat-Modellen, geprüft am 3. Oktober 2026: Responses 28, Messages 11 und Chat 106. Jedes Modell erscheint auf genau einer Route. Es fixiert @tokenlabai/mcp-server@0.6.25 und enthält das separate Tool tokenlab_wait_task. Die Installation dieser Version aktualisiert den Modellkatalog nicht. Prüfen Sie IDs gegen den Live-Katalog und fügen Sie bei Bedarf neuere Modelle über einen benutzerdefinierten Provider hinzu.

Stellen Sie für eine bestehende kompatible Harness-Installation sicher, dass pnpm im PATH vorhanden ist. Verwenden Sie dieselbe dsh-Executable/Version und dasselbe Profil für Installation und Start; wenn Sie über npx starten, ersetzen Sie dsh unten durch denselben versionierten Launcher:

dsh --version
pnpm --version
dsh plugin --profile web add --workspace-root @tokenlabai/dsh-provider@0.1.6

Bevor Sie dieses Profil starten, setzen Sie den Key in der Startumgebung oder deren .env-Datei:

TOKENLAB_API_KEY=sk-your-tokenlab-key

Harness liest .env im Verzeichnis, in dem Sie es starten, und in $DSH_HOME (normalerweise ~/.dsh); eine vererbte Umgebungsvariable hat Vorrang. Das spätere Auswählen eines Arbeitsbereichs wählt keine andere .env aus. Halten Sie diese Datei aus git fern und starten Sie nach Änderungen neu. Ein für einen benutzerdefinierten Provider in der UI gespeicherter Key stellt nicht automatisch den TOKENLAB_API_KEY für dieses Bundle bereit.

Starten Sie dasselbe Profil neu und überprüfen Sie dann dessen Modell- und Tool-Listen. Installieren Sie für headless in headless anstatt in web und starten Sie es dort; die Installation in ein Profil konfiguriert nicht das andere.

Unter Harness 0.1.5-rc.3 (dem Ziel des Bundles) führt Harness gespeicherte llm-pi-ai.providers nach Provider-Key zusammen. Provider mit unterschiedlichen Keys koexistieren. Gespeicherte tokenlab-responses-, tokenlab-messages- oder tokenlab-chat-Einträge überschreiben die entsprechende gebündelte Route; überprüfen Sie diese Einträge, wenn Sie einen älteren Katalog aktualisieren. Behalten Sie die anderen Provider und Modelle in $DSH_HOME/settings.yaml bei; ersetzen Sie nicht das gesamte Einstellungsdokument durch den Cordis-Patch.

Öffentliche Modelldetails identifizieren Reasoning-Fähigkeiten, listen aber nicht die unterstützten Aufwandswerte pro Modell auf. Das Bundle lässt reasoningEfforts daher undefiniert. Harness bietet keine Aufwandsebenen für diese benutzerdefinierten Routen an; dies deaktiviert nicht das serverseitige Reasoning. Wenn Sie reasoningEfforts selbst konfigurieren, verwenden Sie nur separat verifizierte Werte für den Modelleintrag in der models-Liste des Providers und behalten Sie die anderen Modelle bei. Die Reasoning-Fähigkeit allein begründet keine Unterstützung für xhigh oder max.

Das Bundle verwendet standardmäßig TOKENLAB_MCP_TOOL_PROFILE=core mit 32 MCP-Tools und TOKENLAB_MCP_SCHEMA_MODE=portable. Wählen Sie catalog nur für die Erkennung (6 Tools) oder full für alle 89 Tools, einschließlich zusätzlicher Vorgänge für Antwort-Lebenszyklen, Batches, Seedance-Assets/-Gruppen und Welten. Der separate Poller tokenlab_wait_task bleibt in jedem Profil verfügbar und ist nicht in diesen MCP-Anzahlen enthalten. TOKENLAB_API_BASE und TOKENLAB_ANTHROPIC_BASE_URL sind standardmäßig https://api.tokenlab.sh; TOKENLAB_OPENAI_BASE_URL ist standardmäßig https://api.tokenlab.sh/v1.

Für Bundle-Medientools prüfen Sie delivery.mode: konsumieren Sie complete-Ausgaben direkt; übergeben Sie die delivery.task_id eines async-Ergebnisses an tokenlab_wait_task und lesen Sie dessen terminalen status, response und result_urls. Ein Wait-Timeout ist keine abgeschlossene Aufgabe. Behalten Sie Genehmigungen für kostenpflichtige oder destruktive Tools bei. Siehe async tasks.

Um das Bundle zu entfernen, verwenden Sie denselben Launcher und dasselbe Profil und starten Sie dann neu:

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

Wenn es fehlschlägt

  • Der Composer ist deaktiviert: Wählen Sie sowohl einen Arbeitsbereich als auch ein Modell aus.
  • MISSING_CREDENTIAL oder 401: Prüfen Sie die Anmeldedaten des ausgewählten Providers. Prüfen Sie bei Bundle-Tools den TOKENLAB_API_KEY in der Startumgebung; ein in der UI gespeicherter Modell-Key ist eine separate Einstellung.
  • UNKNOWN_MODEL oder eine zurückgezogene ID: Prüfen Sie den Live-Katalog, konfigurieren Sie die aktuelle exakte ID und erstellen Sie dann eine neue Sitzung. Die Neuinstallation des Bundles 0.1.6 aktualisiert dessen Snapshot nicht.
  • Die URL ist erreichbar, aber die Generierung schlägt fehl: Vergleichen Sie das Protokoll, die Base URL und die akzeptierten Formate des Modells. Entfernen Sie nicht Verlauf, Tools oder Bildeingaben, nur um einen Fehler in eine erfolgreiche Prüfung zu verwandeln.
  • dsh oder pnpm fehlt: Verwenden Sie npx @deepseek-ai/dsh web (oder @0.1.5-rc.3 für das Bundle); installieren Sie pnpm, bevor Sie Plugin-Befehle verwenden. Ein Fehler bei der Plugin-Installation ist kein API-Key-Fehler.

MCP und Skills sind separate Entscheidungen

Ein manueller benutzerdefinierter Provider installiert keine Tools. Folgen Sie dem TokenLab MCP-Handbuch, wenn Sie aufrufbare API-Tools ohne das Bundle benötigen, und prüfen Sie die Erkennung vor jeder Generierung.

Bewahren Sie für TokenLab Skills den vollständigen Skill-Ordner unter .dsh/skills/tokenlab-api-integration/ im Projektstammverzeichnis auf, einschließlich SKILL.md und referenzierter Dateien. Harness erkennt auch .agents/skills/. Diese Anweisungen installieren keinen Provider, MCP-Server oder Key. Die offizielle Filesystem Skills-Referenz definiert die unterstützten Speicherorte.

Jev / System One & Webhooks

Verwenden Sie mcp__tokenlab__evaluate_decisions in core oder full für Jev (POST /v1/systemone). Erkennen Sie category=decision und untersuchen Sie zuerst das Modell. Dies sind synchrone Entscheidungen, keine Chat-Modelle oder asynchrone Aufgaben; verwenden Sie nicht den Modellauswähler oder tokenlab_wait_task.

Die Webhook-Verwaltung erfordert full und ein separates TOKENLAB_MANAGEMENT_TOKEN=mt-... in der Startumgebung, das vom Bundle explizit an MCP übergeben wird. Ein Inference-Key kann diesen nicht ersetzen. Management-Token haben eine Berechtigung auf Arbeitsbereichsebene, die über Webhooks hinausgeht; das Registrieren eines Webhooks macht Harness nicht zu einem Empfänger.

Auf dieser Seite