DeepSeek Harness

接続方法を選ぶCopy Anchor Link

TokenLab を主モデルにするには、Harness Web UI で custom provider を追加します。任意の TokenLab bundle は必須ではありません。MCP はツール、Skill は API の手順を追加し、どちらも主モデルを自動では変更しません。

Harness は開発者向けプレビューです。2026 年 9 月 27 日に公式文書と公開済み @deepseek-ai/dsh 0.1.5-rc.3 パッケージを照合しました。以下の bundle 手順もこの版を対象としています。他の Harness 版との互換性は別途確認してください。

既存のエージェントに渡すタスクCopy Anchor Link

https://tokenlab.sh/docs/ja/integrations/deepseek-harness を読み、インストール済みの版と OS を確認してください。
TokenLab を主モデル、MCP ツール、API Skill のどれとして使うか確認してください。
既存のアカウント、プロバイダー設定、権限を保持し、変更の戻し方を説明してください。
API キーをチャットで求めないでください。私がローカルで入力し、必要な画面操作を行います。
小さな確認リクエストの費用を説明し、私がそのテストを明示的に選んだ後だけ実行を手伝い、TokenLab の記録と照合してください。

Harness を起動するCopy Anchor Link

macOS、Linux、Windows で対応する Node を使用します。初回は Node 24 LTS を使えます。プロジェクトディレクトリのターミナルまたは PowerShell で実行します。

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

表示されたローカル URL を開き、Choose workspace でプロジェクトを追加して選択します。この手順は web profile 用で、Electron の desktop profile は CLI では管理しません。公式の起動方法と Web UI ガイドを参照してください。

TokenLab provider を一つ設定するCopy Anchor Link

1. Settings → Models → Add a custom provider を開き、既存のプロバイダーと権限を保持します。
2. tokenlab-chat など小文字の Provider ID を入力し、表から一つのプロトコルと Base URL を選びます。
3. ローカルのフォームで TokenLab キーを保存します。UI のキーは $DSH_HOME/.credentials.yaml に保存され、設定には参照のみ残ります。チャットや git に含めないでください。
4. 現在のカタログから正確な ID を追加し、モデル詳細の tokenlab.accepted_request_formats と照合します。
5. 保存後にモデルを選び、新しいセッションを作ります。すでにリクエストを送ったセッションは元のモデルを保持します。

初回のテキスト確認には、提供中の gpt-4.1-mini を Chat 行で設定できます。Fetch available models → Add selected は検出の補助で、最後に保存が必要です。失敗時は ID を手入力します。検出だけではプロトコル互換性を証明しません。Gemini native は選択できず、モデルが宣言している場合のみ Chat を使います。画像入力や推論には追加の settings.yaml 設定が必要なことがあります。公式 provider 文書とモデル仕様を確認してください。

小さなリクエストで確認するCopy Anchor Link

新しいセッションで次を送ります。

TOKENLAB_CONNECTION_OK だけを返してください。ツールを使わず、ファイルを変更しないでください。

このリクエストは課金対象です。応答と TokenLab リクエスト記録のモデル・時刻・状態を照合します。初回確認に三つのプロトコルや有料メディア生成は不要です。モデル一覧や MCP 検出の成功だけでは生成権限を確認できません。

任意：TokenLab bundleCopy Anchor Link

@tokenlabai/dsh-provider@0.1.5 は Harness 0.1.5-rc.3 を対象としています。一つのモデルを設定する場合は上記の標準 custom-provider 手順を使い、設定済みのモデル経路やツールが必要な場合は bundle を導入できます。

bundle には 2026 年 9 月 27 日に確認した公開チャットモデル 136 件の固定スナップショットが含まれます。内訳は Responses 27 件、Messages 10 件、Chat 99 件で、各モデルは一つの経路にのみ登録されます。@tokenlabai/mcp-server@0.6.24 を固定し、独立した tokenlab_wait_task ツールも含みます。この版をインストールしてもカタログは更新されません。現在のカタログで ID を確認し、必要に応じて新しいモデルを custom provider に追加してください。

互換性のある既存環境では、まず PATH に pnpm があることを確認します。導入と起動で同じ dsh の版・profile を使ってください。npx を使う場合は、下の dsh を同じ版指定の起動コマンドに置き換えます。

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

profile の起動前に環境変数または読み込まれる .env に設定します。

TOKENLAB_API_KEY=sk-your-tokenlab-key

Harness は起動ディレクトリと $DSH_HOME（通常 ~/.dsh）の .env を読み、継承した環境変数を優先します。後から選ぶ workspace は .env を切り替えません。git に含めず、変更後は同じ profile を再起動してください。UI のモデルキーは bundle の TOKENLAB_API_KEY に自動共有されません。headless を使う場合は導入・起動ともにその profile を指定します。

Harness 0.1.5-rc.3 は保存済みの llm-pi-ai.providers を provider key ごとにマージします。異なるキーの provider は共存します。保存済みの tokenlab-responses、tokenlab-messages、tokenlab-chat は bundle の同名経路を上書きするため、古いカタログから更新する際はこれらの項目を確認してください。$DSH_HOME/settings.yaml の他の provider とモデルを保持し、設定文書全体を Cordis patch で置き換えないでください。

公開モデル詳細は reasoning の能力を示しますが、モデルごとの対応 effort 値は列挙していません。そのため bundle は reasoningEfforts を宣言しません。Harness はこれらのカスタム経路に effort レベルを表示しませんが、サーバー側の推論を無効にするものではありません。reasoningEfforts を独自に設定する場合は、別途検証した値のみを provider の models リスト内の対象モデルに設定し、他のモデルを保持してください。reasoning 対応だけでは xhigh や max に対応する根拠にはなりません。

bundle の既定値は TOKENLAB_MCP_TOOL_PROFILE=core（MCP ツール 32 個）と TOKENLAB_MCP_SCHEMA_MODE=portable です。検索のみなら catalog（6 個）、response のライフサイクル、batch、Seedance のアセット・グループ、worlds などの追加操作を含む全 89 個が必要なら full を選びます。独立したポーリングツール tokenlab_wait_task はどの profile でも使え、この MCP ツール数には含まれません。その他の環境変数は以下のとおりです。

メディア結果の delivery.mode が complete なら結果を使い、async なら delivery.task_id を tokenlab_wait_task に渡して終端の status、response、result_urls を確認します。待機タイムアウトは完了ではありません。課金・破壊的操作の承認を保持してください。非同期タスクも参照してください。

同じランチャーと profile で削除してから再起動します。

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

失敗した場合Copy Anchor Link

• **入力できない：**workspace とモデルを選択します。
• **MISSING_CREDENTIAL または 401：**provider の認証情報を確認します。bundle ツールは起動環境の TOKENLAB_API_KEY を別に使います。
• **UNKNOWN_MODEL または廃止 ID：**最新カタログを確認して正確な ID を設定し、新しいセッションを作ります。0.1.5 の再インストールでスナップショットは更新されません。
• **生成が失敗する：**プロトコル・Base URL・対応形式を照合します。成功させるために履歴、ツール、画像を削らないでください。
• **dsh や pnpm がない：**上の版指定 npx を使えます。plugin コマンドには pnpm の導入が必要です。

MCP と Skills は別の選択肢Copy Anchor Link

手動 provider はツールを導入しません。bundle を使わない場合は TokenLab MCP ガイドを参照し、生成前に検出を確認します。Skill は SKILL.md と参照ファイルを含む全フォルダーを、プロジェクト直下の .dsh/skills/tokenlab-api-integration/ に置きます。.agents/skills/ も読み込まれます。Skill は provider・MCP サーバー・キーを導入しません。公式 Skills 文書が配置先を定義しています。

Jev / System One & WebhooksCopy Anchor Link

Jev（POST /v1/systemone）には core または full の mcp__tokenlab__evaluate_decisions を使います。先に category=decision とモデル詳細を確認してください。同期の判定であり、チャットモデルや非同期タスクではありません。モデル選択欄や tokenlab_wait_task は使いません。

Webhook 管理には full と起動環境の独立した TOKENLAB_MANAGEMENT_TOKEN=mt-... が必要です。bundle が MCP に明示的に渡します。推論キーでは代用できず、管理 token は Webhook 以外の権限も持ちます。登録だけでは Harness は受信側になりません。