Ferramentas de código
DeepSeek Harness
Configure um modelo TokenLab no Harness, verifique uma solicitação e escolha entre MCP, Skills ou o pacote de provedor
Escolha a conexão de que você precisa
Para usar o TokenLab como o modelo principal do agente, adicione um provedor personalizado na interface Web do Harness. Isso funciona independentemente do pacote de provedor opcional do TokenLab. Adicione ferramentas MCP para mídia e outras APIs, ou uma Skill para instruções de API; nenhuma delas altera o modelo principal por si só.
O Harness é uma versão de prévia para desenvolvedores (developer preview). Estas etapas da interface Web seguem a documentação oficial do @deepseek-ai/dsh 0.2.0-rc.2, a tag latest atual do npm (verificada em 12 de outubro de 2026). Elas foram testadas pela última vez de ponta a ponta na versão 0.1.5-rc.3; as verificações de solicitação abaixo ainda não foram reexecutadas na 0.2.0-rc.2. O pacote opcional abaixo ainda tem como alvo a 0.1.5-rc.3; verifique a compatibilidade com outras versões do Harness separadamente.
Dê esta tarefa ao seu agente
Read https://tokenlab.sh/docs/pt/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.Inicie o Harness
Use a CLI do Node no macOS, Linux ou Windows com uma versão do Node suportada; o Node 24 LTS é um ponto de partida adequado. A partir do diretório do seu projeto, execute isto em um terminal ou PowerShell:
node --version
npx @deepseek-ai/dsh webSem uma versão especificada, o npx instala a tag latest do npm, que pode ser mais recente que a 0.2.0-rc.2, a versão na qual estas etapas foram verificadas. Ele não instala a tag alpha.
Abra a URL local exibida pelo comando. Em uma interface Web nova, use Choose workspace para adicionar e selecionar o diretório do seu projeto antes de enviar uma mensagem. Estes comandos usam o perfil web; o perfil desktop do aplicativo Electron não é gerenciado por este fluxo de trabalho da CLI. Consulte o guia de inicialização oficial e o guia da interface Web.
Configure um provedor TokenLab
- Abra Settings → Models, escolha Add model provider e, em seguida, alterne o cartão para Custom model API. (O Harness 0.1.5-rc.3 chamava isso de Add a custom provider.) Preserve quaisquer provedores e permissões existentes.
- Insira um ID de provedor em letras minúsculas, como
tokenlab-chat, e escolha um protocolo e sua Base URL correspondente abaixo. Cada provedor usa um protocolo. - Insira sua chave de API do TokenLab no formulário local. O Harness armazena chaves gerenciadas pela interface em
$DSH_HOME/.credentials.yaml; as configurações retêm apenas a referência da credencial. Não envie a chave no chat nem a envie para o repositório. O provedor e seu protocolo são salvos em$DSH_HOME/profiles/<profile>/cordis.patch.yml, que é$DSH_HOME/profiles/web/cordis.patch.ymlpara o perfil padrãodsh web. - Adicione um ID de modelo atual a partir de TokenLab Models. Verifique o
tokenlab.accepted_request_formatsdele na API de detalhes do modelo, em vez de adivinhar o suporte pelo nome. - Salve o provedor, selecione seu modelo e inicie uma nova sessão. Uma sessão existente que já tenha enviado uma solicitação retém o modelo registrado.
| Exemplo de ID de provedor | Protocolo de API do Harness | Base URL | Formato de solicitação pública obrigatório |
|---|---|---|---|
tokenlab-chat | openai-completions | https://api.tokenlab.sh/v1 | openai_chat_completions |
tokenlab-responses | openai-responses | https://api.tokenlab.sh/v1 | openai_responses |
tokenlab-messages | anthropic-messages | https://api.tokenlab.sh | anthropic_messages |
Para uma primeira solicitação de texto, uma entrada gpt-5.6-luna atualmente disponível pode usar a linha Chat. Fetch available models → Add selected pode ajudar a preencher um provedor personalizado, mas o sucesso na listagem não verifica o suporte ao protocolo ou uma solicitação faturável; salve o provedor posteriormente. Insira o ID manualmente se a descoberta não estiver disponível.
O Harness não oferece um protocolo de provedor personalizado nativo para Gemini aqui. Use Chat apenas quando os detalhes desse modelo listarem Chat Completions como um formato de solicitação aceito. A entrada de imagem e os controles de raciocínio podem precisar de campos adicionais em $DSH_HOME/profiles/web/cordis.patch.yml; siga a configuração de provedor do Harness e os campos suportados pelo modelo selecionado antes de ativá-los. (Ainda não testado novamente na 0.2.0-rc.2.)
Verifique uma pequena solicitação
Na nova sessão, envie:
Reply only with TOKENLAB_CONNECTION_OK. Do not use tools or modify files.Esta solicitação é faturável. Verifique a resposta e o modelo, horário e status correspondentes em TokenLab Requests. Pare após esta verificação de texto; testar três protocolos ou gerar mídia paga não é necessário para estabelecer a primeira conexão. Uma listagem de modelo ou descoberta de MCP por si só não valida o acesso de geração da chave.
Opcional: o pacote TokenLab
O @tokenlabai/dsh-provider@0.1.6 tem como alvo o Harness 0.1.5-rc.3: suas dependências de par ainda são @deepseek-ai/dsh-tools e @deepseek-ai/dsh-mcp-client 0.1.5-rc.3. Ele não foi testado com o Harness 0.2. Para usar o pacote, inicie a versão correspondente: npx @deepseek-ai/dsh@0.1.5-rc.3 web. Use as etapas nativas de provedor personalizado acima para configurar um modelo ou instale o pacote para suas rotas de modelo e ferramentas predefinidas.
O pacote contém um snapshot fixo de 145 modelos de chat públicos verificados em 3 de outubro de 2026: 28 Responses, 11 Messages e 106 Chat. Cada modelo aparece em exatamente uma rota. Ele fixa o @tokenlabai/mcp-server@0.6.25 e inclui a ferramenta separada tokenlab_wait_task. Instalar esta versão não atualiza o catálogo de modelos. Verifique os IDs em relação ao catálogo ativo e adicione modelos mais novos por meio de um provedor personalizado quando necessário.
Para uma instalação existente e compatível do Harness, primeiro certifique-se de que o pnpm esteja no PATH. Use o mesmo executável/versão dsh e perfil para instalação e inicialização; se você iniciar via npx, substitua dsh abaixo por esse mesmo inicializador versionado:
dsh --version
pnpm --version
dsh plugin --profile web add --workspace-root @tokenlabai/dsh-provider@0.1.6Antes de iniciar esse perfil, defina a chave no ambiente de inicialização ou em seu arquivo .env:
TOKENLAB_API_KEY=sk-your-tokenlab-keyO Harness lê o .env no diretório onde você o inicia e em $DSH_HOME (normalmente ~/.dsh); uma variável de ambiente herdada tem precedência. Selecionar um workspace posteriormente não seleciona um .env diferente. Mantenha esse arquivo fora do git e reinicie após alterá-lo. Uma chave salva para um provedor personalizado na interface não fornece automaticamente a TOKENLAB_API_KEY deste pacote.
Reinicie o mesmo perfil e, em seguida, inspecione suas listas de modelos e ferramentas. Para headless, instale e inicie o headless em vez do web; instalar em um perfil não configura o outro.
No Harness 0.1.5-rc.3 (alvo do pacote), o Harness mescla os llm-pi-ai.providers salvos por chave de provedor. Provedores com chaves diferentes coexistem. Entradas salvas de tokenlab-responses, tokenlab-messages ou tokenlab-chat substituem a rota agrupada correspondente; revise essas entradas ao atualizar um catálogo antigo. Preserve os outros provedores e modelos em $DSH_HOME/settings.yaml; não substitua todo o documento de configurações pelo patch Cordis.
Os detalhes do modelo público identificam a capacidade de raciocínio, mas não enumeram os valores de esforço suportados por modelo. Portanto, o pacote deixa reasoningEfforts não declarado. O Harness não oferece níveis de esforço para essas rotas personalizadas; isso não desativa o raciocínio no lado do servidor. Se você configurar reasoningEfforts por conta própria, use apenas valores verificados separadamente na entrada do modelo na lista models do seu provedor e preserve os outros modelos. A capacidade de raciocínio por si só não estabelece suporte para xhigh ou max.
O pacote usa como padrão TOKENLAB_MCP_TOOL_PROFILE=core com 32 ferramentas MCP e TOKENLAB_MCP_SCHEMA_MODE=portable. Escolha catalog apenas para descoberta (6 ferramentas) ou full para todas as 89 ferramentas, incluindo operações adicionais de ciclo de vida de resposta, lote, ativos/grupos Seedance e mundos. O poller separado tokenlab_wait_task permanece disponível em todos os perfis e não está incluído nessas contagens de MCP. TOKENLAB_API_BASE e TOKENLAB_ANTHROPIC_BASE_URL têm como padrão https://api.tokenlab.sh; TOKENLAB_OPENAI_BASE_URL tem como padrão https://api.tokenlab.sh/v1.
Para ferramentas de mídia do pacote, inspecione delivery.mode: consuma a saída complete diretamente; passe o delivery.task_id de um resultado async para tokenlab_wait_task e leia seu status, response e result_urls terminais. Um tempo limite de espera não é uma tarefa concluída. Mantenha as aprovações para ferramentas faturáveis ou destrutivas. Consulte async tasks.
Para remover o pacote, use o mesmo inicializador e perfil e, em seguida, reinicie:
dsh plugin --profile web remove --workspace-root @tokenlabai/dsh-providerSe falhar
- O composer está desativado: selecione um workspace e um modelo.
MISSING_CREDENTIALou 401: verifique a credencial do provedor selecionado. Para ferramentas do pacote, verifique aTOKENLAB_API_KEYno ambiente de inicialização; uma chave de modelo salva na interface é uma configuração separada.UNKNOWN_MODELou um ID aposentado: verifique o catálogo ativo, configure o ID exato atual e, em seguida, crie uma nova sessão. Reinstalar o pacote0.1.6não atualiza seu snapshot.- A URL é acessível, mas a geração falha: compare o protocolo, a Base URL e os formatos aceitos pelo modelo. Não remova histórico, ferramentas ou entrada de imagem apenas para transformar um erro em uma verificação bem-sucedida.
dshoupnpmestá faltando: usenpx @deepseek-ai/dsh web(ou@0.1.5-rc.3para o pacote); instale o pnpm antes de usar comandos de plugin. Uma falha na instalação de um plugin não é uma falha de chave de API.
MCP e Skills são escolhas separadas
Um provedor personalizado manual não instala ferramentas. Siga o guia do TokenLab MCP se precisar de ferramentas de API chamáveis sem o pacote e verifique a descoberta antes de qualquer geração.
Para TokenLab Skills, mantenha a pasta completa da skill em .dsh/skills/tokenlab-api-integration/ sob a raiz do projeto, incluindo SKILL.md e arquivos referenciados. O Harness também descobre .agents/skills/. Estas instruções não instalam um provedor, servidor MCP ou chave. A referência oficial de Skills do sistema de arquivos define os locais suportados.
Jev / System One & Webhooks
Use mcp__tokenlab__evaluate_decisions em core ou full para Jev (POST /v1/systemone). Descubra category=decision e inspecione o modelo primeiro. Estas são decisões síncronas, não modelos de chat ou tarefas assíncronas; não use o seletor de modelo ou tokenlab_wait_task.
O gerenciamento de Webhooks requer full e uma TOKENLAB_MANAGEMENT_TOKEN=mt-... separada no ambiente de inicialização, explicitamente passada para o MCP pelo pacote. Uma chave de inferência não pode substituí-la. Tokens de gerenciamento têm autoridade de nível de workspace além dos webhooks; registrar um webhook não torna o Harness um receptor.