Alat coding

DeepSeek Harness

Konfigurasikan model TokenLab di Harness, verifikasi permintaan, lalu pilih MCP, Skills, atau bundle provider

Pilih cara koneksi

Untuk memakai TokenLab sebagai model utama, tambahkan custom provider di Harness Web UI. Bundle TokenLab tidak wajib. MCP menambahkan alat, sedangkan Skill menyediakan petunjuk API; keduanya tidak otomatis mengganti model utama.

Harness masih pratinjau pengembang. Langkah ini dicocokkan dengan dokumentasi resmi dan paket terbit @deepseek-ai/dsh 0.1.5-rc.3 pada 27 September 2026. Panduan bundle di bawah juga ditujukan untuk versi ini; periksa kompatibilitas dengan versi Harness lain secara terpisah.

Tugas untuk agen Anda saat ini

Baca https://tokenlab.sh/docs/id/integrations/deepseek-harness dan periksa versi terpasang serta sistem operasi saya.
Pastikan apakah saya membutuhkan TokenLab sebagai model utama, alat MCP, atau Skill API.
Pertahankan akun, konfigurasi penyedia, dan izin yang ada; jelaskan cara memulihkan perubahan.
Jangan minta kunci API di chat. Saya akan mengisinya secara lokal dan melakukan langkah UI yang diperlukan.
Jelaskan biaya satu permintaan verifikasi kecil. Hanya setelah saya memilih pengujian itu secara eksplisit, bantu jalankan dan cocokkan catatan TokenLab-nya.

Jalankan Harness

Gunakan Node yang didukung di macOS, Linux, atau Windows; Node 24 LTS dapat dipakai untuk memulai. Jalankan dari direktori proyek di terminal atau PowerShell:

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

Buka URL lokal yang dicetak, lalu tambahkan dan pilih proyek melalui Choose workspace. Perintah ini memakai profile web; profile desktop milik Electron tidak dikelola oleh alur CLI ini. Lihat panduan awal dan Web UI.

Konfigurasikan satu provider TokenLab

  1. Buka Settings → Models → Add a custom provider dan pertahankan penyedia serta izin yang ada.
  2. Isi Provider ID huruf kecil, misalnya tokenlab-chat, lalu pilih satu pasangan protokol dan Base URL dari tabel.
  3. Simpan kunci TokenLab melalui formulir lokal. Kunci UI disimpan di $DSH_HOME/.credentials.yaml; pengaturan hanya menyimpan referensi. Jangan kirim kunci ke chat atau git.
  4. Tambahkan ID persis dari katalog terkini, lalu cocokkan tokenlab.accepted_request_formats pada detail model.
  5. Simpan provider, pilih model, lalu buat sesi baru. Sesi yang sudah mengirim permintaan tetap memakai model yang tercatat.
Contoh Provider IDHarness API protocolBase URLFormat permintaan publik yang diperlukan
tokenlab-chatopenai-completionshttps://api.tokenlab.sh/v1openai_chat_completions
tokenlab-responsesopenai-responseshttps://api.tokenlab.sh/v1openai_responses
tokenlab-messagesanthropic-messageshttps://api.tokenlab.shanthropic_messages

Pengujian teks pertama dapat memakai gpt-4.1-mini yang masih tersedia melalui baris Chat. Fetch available models → Add selected membantu pencarian, tetapi tetap perlu disimpan; masukkan ID manual jika gagal. Daftar tidak membuktikan kompatibilitas protokol. Gemini native tidak tersedia di sini; gunakan Chat hanya jika detail model menyatakan dukungan. Input gambar dan kontrol penalaran mungkin perlu kolom tambahan di settings.yaml; ikuti panduan provider resmi dan detail model.

Verifikasi satu permintaan kecil

Kirim dalam sesi baru:

Balas hanya TOKENLAB_CONNECTION_OK. Jangan gunakan alat atau ubah berkas.

Permintaan ini berbayar. Cocokkan jawaban serta model, waktu, dan status pada catatan TokenLab. Pengujian awal tidak perlu tiga protokol atau generasi media berbayar. Daftar model atau penemuan MCP saja belum membuktikan akses generasi.

Opsional: bundle TokenLab

@tokenlabai/dsh-provider@0.1.5 ditujukan untuk Harness 0.1.5-rc.3. Gunakan langkah custom-provider bawaan di atas untuk mengatur satu model, atau pasang bundle untuk mendapatkan rute model dan alat yang sudah dikonfigurasi.

Bundle memuat snapshot tetap dari 136 model chat publik, diperiksa pada 27 September 2026: Responses 27, Messages 10, dan Chat 99. Setiap model hanya muncul di satu rute. Versi @tokenlabai/mcp-server@0.6.24 dipatok, dan alat terpisah tokenlab_wait_task turut disertakan. Memasang versi ini tidak memperbarui katalog. Periksa ID pada katalog terkini dan tambahkan model baru melalui custom provider bila diperlukan.

Pada instalasi kompatibel yang sudah ada, pastikan pnpm tersedia di PATH. Gunakan versi dsh dan profile yang sama untuk pemasangan serta peluncuran. Jika memakai npx, ganti dsh berikut dengan peluncur berversi yang sama:

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

Sebelum memulai profile, atur kunci dalam lingkungan peluncuran atau .env yang dibaca:

TOKENLAB_API_KEY=sk-your-tokenlab-key

Harness membaca .env pada direktori peluncuran dan $DSH_HOME (biasanya ~/.dsh), dengan prioritas pada variabel lingkungan yang diwarisi. Memilih workspace setelahnya tidak mengganti .env. Jangan commit berkas itu; mulai ulang profile yang sama setelah perubahan. Kunci model dari UI tidak otomatis menjadi TOKENLAB_API_KEY untuk bundle. Untuk headless, pemasangan dan peluncuran harus sama-sama memakai profile tersebut, bukan web.

Harness 0.1.5-rc.3 menggabungkan llm-pi-ai.providers yang tersimpan berdasarkan kunci provider. Provider dengan kunci berbeda tetap berdampingan. Entri tersimpan tokenlab-responses, tokenlab-messages, atau tokenlab-chat menimpa rute bundle dengan kunci yang sama; periksa entri ini saat memperbarui katalog lama. Pertahankan provider dan model lain di $DSH_HOME/settings.yaml; jangan mengganti seluruh dokumen pengaturan dengan Cordis patch.

Detail model publik menunjukkan kemampuan penalaran, tetapi tidak mencantumkan nilai effort yang didukung tiap model. Karena itu, bundle tidak mendeklarasikan reasoningEfforts. Harness tidak menawarkan tingkat effort untuk rute kustom ini; hal itu tidak menonaktifkan penalaran di server. Jika mengatur reasoningEfforts sendiri, gunakan hanya nilai yang sudah diverifikasi secara terpisah pada entri model dalam daftar models milik provider, dan pertahankan model lainnya. Kemampuan penalaran saja tidak membuktikan dukungan untuk xhigh atau max.

Bundle secara default memakai TOKENLAB_MCP_TOOL_PROFILE=core dengan 32 alat MCP dan TOKENLAB_MCP_SCHEMA_MODE=portable. Pilih catalog untuk penemuan saja (6 alat), atau full untuk seluruh 89 alat, termasuk operasi tambahan untuk siklus hidup response, batch, aset/grup Seedance, dan worlds. Alat polling terpisah tokenlab_wait_task tetap tersedia di setiap profile dan tidak termasuk dalam jumlah alat MCP tersebut. Variabel lingkungan lainnya ada di bawah:

VariabelBawaanTujuan
TOKENLAB_API_KEYtidak adaAutentikasi model, MCP, dan polling asinkron
TOKENLAB_API_BASEhttps://api.tokenlab.shRoot API MCP dan task
TOKENLAB_OPENAI_BASE_URLhttps://api.tokenlab.sh/v1Base URL Responses dan Chat
TOKENLAB_ANTHROPIC_BASE_URLhttps://api.tokenlab.shBase URL Messages
TOKENLAB_MCP_TOOL_PROFILEcorecatalog (6) / core (32) / full (89)
TOKENLAB_MCP_SCHEMA_MODEportablePilih portable, exact, atau strict

Jika delivery.mode adalah complete, gunakan hasilnya langsung. Untuk async, berikan delivery.task_id kepada tokenlab_wait_task, lalu baca status terminal, response, dan result_urls. Batas waktu tunggu bukan berarti tugas selesai. Pertahankan persetujuan untuk alat berbayar atau destruktif; lihat tugas asinkron.

Hapus dengan peluncur dan profile yang sama, lalu mulai ulang:

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

Jika terjadi kegagalan

  • Tidak dapat mengetik: pilih workspace dan model.
  • MISSING_CREDENTIAL atau 401: periksa kredensial provider; alat bundle membaca TOKENLAB_API_KEY dari lingkungan peluncuran secara terpisah.
  • UNKNOWN_MODEL atau ID pensiun: periksa katalog terkini, atur ID persis, lalu buat sesi baru. Memasang ulang 0.1.5 tidak memperbarui snapshot.
  • Generasi gagal: cocokkan protokol, Base URL, dan format yang diterima. Jangan menghapus riwayat, alat, atau gambar sekadar agar pengujian berhasil.
  • dsh atau pnpm tidak ada: gunakan peluncur npx berversi di atas; instal pnpm sebelum perintah plugin.

MCP dan Skills adalah pilihan terpisah

Provider manual tidak memasang alat. Jika tidak memakai bundle, ikuti panduan TokenLab MCP dan periksa penemuan sebelum generasi. Letakkan folder Skill lengkap dengan SKILL.md dan referensinya di .dsh/skills/tokenlab-api-integration/ pada akar proyek. Harness juga membaca .agents/skills/. Skill tidak memasang provider, server MCP, atau kunci. Lihat referensi Skills resmi.

Jev / System One & Webhooks

Untuk Jev (POST /v1/systemone), gunakan mcp__tokenlab__evaluate_decisions dalam core atau full. Periksa category=decision dan detail model. Keputusan bersifat sinkron, bukan model chat atau tugas asinkron; jangan gunakan pemilih model atau tokenlab_wait_task.

Webhook memerlukan full dan TOKENLAB_MANAGEMENT_TOKEN=mt-... terpisah di lingkungan peluncuran, diteruskan secara eksplisit ke MCP. Kunci inferensi tidak menggantikannya; token memiliki izin administrasi lain. Pendaftaran tidak menjadikan Harness penerima.

Di halaman ini