TokenLab
获取 API 密钥
文档API 参考集成

编码工具

DeepSeek Harness

在 Harness 中配置 TokenLab 模型，验证请求，并按需选择 MCP、Skills 或 provider bundle

选择需要的接入方式

要把 TokenLab 用作 Agent 的主模型，在 Harness Web UI 中添加 custom provider 即可，不依赖可选的 TokenLab provider bundle。需要媒体等 API 时添加 MCP 工具，需要 API 使用说明时安装 Skill；两者都不会自行切换主模型。

Harness 仍是开发者预览版。以下 Web UI 步骤于 2026 年 9 月 27 日对照官方文档及已发布的 @deepseek-ai/dsh 0.1.5-rc.3 包核对。下方 bundle 说明也以此版本为目标；其他 Harness 版本的兼容性需另行核对。

把任务交给现有 Agent

阅读 https://tokenlab.sh/docs/zh/integrations/deepseek-harness，核对我安装的版本和操作系统。
确认我需要 TokenLab 主模型、MCP 工具还是 API Skill。
保留已有账户、提供商配置和权限，说明改动后如何恢复。
不要在聊天中索要或填写 API key；由我在本地填写，并操作必要的界面步骤。
先说明一次小验证的费用，只有我明确选择这次测试后，才协助执行并核对 TokenLab 请求记录。

启动 Harness

在 macOS、Linux 或 Windows 上使用 Node CLI；选择受支持的 Node 版本，初次安装可使用 Node 24 LTS。在项目目录的终端或 PowerShell 中运行：

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

打开命令输出的本地地址。首次进入 Web UI 时，通过 Choose workspace 添加并选中项目目录后才能发送消息。这些命令使用 web profile；Electron 应用的 desktop profile 不由这套 CLI 流程管理。参见官方启动指南和 Web UI 指南。

配置一个 TokenLab provider

  1. 打开 Settings → Models → Add a custom provider，保留已有提供商和权限设置。
  2. 填写小写 Provider ID，例如 tokenlab-chat，从下表选一种协议及对应 Base URL。每个 provider 使用一种协议。
  3. 在本地表单填写 TokenLab API key。Harness 把 UI 管理的 key 保存到 $DSH_HOME/.credentials.yaml，设置文件只保存引用。不要把 key 发到聊天中或提交到仓库。
  4. 从 TokenLab 模型目录添加一个当前模型 ID，并在模型详情 API中核对 tokenlab.accepted_request_formats，不要按名字猜协议。
  5. 保存 provider，选中它的模型，再新建会话。已经发过请求的旧会话会保留日志中记录的模型。
Provider ID 示例Harness API protocolBase URL必须声明的公开请求格式
tokenlab-chatopenai-completionshttps://api.tokenlab.sh/v1openai_chat_completions
tokenlab-responsesopenai-responseshttps://api.tokenlab.sh/v1openai_responses
tokenlab-messagesanthropic-messageshttps://api.tokenlab.shanthropic_messages

第一次文本请求可选当前仍可用的 gpt-4.1-mini，按 Chat 行配置。Fetch available models → Add selected 可以帮助填充 custom provider，但发现模型不代表协议已匹配或计费请求已跑通；之后仍需保存 provider。发现失败时可手动填写 ID。

这里没有 Gemini native 的 custom-provider 协议。仅当模型详情列出 Chat 请求格式 时才使用该路径。图像输入和推理控制可能需要额外的 settings.yaml 字段；开启前请对照 Harness provider 配置和所选模型支持的字段。

验证一次小请求

在新会话中发送：

只回复 TOKENLAB_CONNECTION_OK。不要使用工具，也不要修改文件。

这次请求会计费。检查回复，并在 TokenLab 请求记录中核对相同模型、时间和状态。完成首次文本检查即可，不必为了证明接通而测试三种协议或生成付费媒体。模型列表或 MCP 工具发现成功，也不代表 key 已获得生成权限。

可选：TokenLab bundle

@tokenlabai/dsh-provider@0.1.5 面向 Harness 0.1.5-rc.3。只需配置一个模型时，可用上面的原生 custom-provider 步骤；需要预设模型路由和工具时，可安装 bundle。

bundle 包含 2026 年 9 月 27 日核对的 136 个公开聊天模型固定快照：Responses 27 个、Messages 10 个、Chat 99 个，每个模型只出现在一条路由上。它固定使用 @tokenlabai/mcp-server@0.6.24，另带独立的 tokenlab_wait_task 工具。安装此版本不会刷新模型目录；使用前应核对实时目录，按需通过 custom provider 添加新模型。

已有兼容 Harness 安装时，先确认 PATH 中存在 pnpm。安装和启动必须使用相同的 dsh 入口、版本及 profile；如果通过 npx 启动，把下面的 dsh 换成同一个带版本号的启动命令：

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

启动该 profile 前，在启动环境或它读取的 .env 中设置：

TOKENLAB_API_KEY=sk-your-tokenlab-key

Harness 读取启动目录和 $DSH_HOME（通常是 ~/.dsh）里的 .env，继承的环境变量优先。进入 Web UI 后选择工作区，不会切换到那个目录的 .env。不要把文件提交到 git；修改后需重启。通过 UI 为 custom provider 保存的 key，不会自动成为 bundle 所需的 TOKENLAB_API_KEY。

重启同一个 profile，再查看模型和工具列表。使用 headless 时，安装和启动都改为 headless；安装到 web 不会配置另一个 profile。

Harness 0.1.5-rc.3 按 provider key 合并已保存的 llm-pi-ai.providers，异名 provider 可以共存。已保存的 tokenlab-responses、tokenlab-messages 或 tokenlab-chat 条目会覆盖 bundle 中对应的同名路由，升级旧目录时应检查这些条目。保留 $DSH_HOME/settings.yaml 中的其他 provider 和模型，不要用整份 Cordis patch 替换设置文档。

公开模型详情只标识 reasoning 能力，没有枚举每个模型支持的 effort 值，因此 bundle 不声明 reasoningEfforts。Harness 不会为这些自定义路由提供 effort 等级选项，这不表示服务端推理被关闭。若自行配置 reasoningEfforts，应先独立验证取值，再写入对应 provider 的 models 列表中的模型条目，并保留其他模型。仅有 reasoning 能力不能证明支持 xhigh 或 max。

bundle 默认使用 TOKENLAB_MCP_TOOL_PROFILE=core，提供 32 个 MCP 工具，schema 默认为 TOKENLAB_MCP_SCHEMA_MODE=portable。只做发现可选 catalog（6 个工具）；需要全部 89 个工具及额外的 response 生命周期、batch、Seedance 资产/组和 worlds 操作时，选 full。独立的 tokenlab_wait_task 轮询工具在所有 profile 中均可用，不计入上述 MCP 工具数。TOKENLAB_API_BASE 与 TOKENLAB_ANTHROPIC_BASE_URL 默认均为 https://api.tokenlab.sh；TOKENLAB_OPENAI_BASE_URL 默认是 https://api.tokenlab.sh/v1。

使用 bundle 的媒体工具时，检查 delivery.mode：complete 直接取结果；async 把 delivery.task_id 交给 tokenlab_wait_task，读取终态 status、response 和 result_urls。等待超时不代表任务完成。保留计费或破坏性工具的审批，详见异步任务。

卸载时使用同一个入口和 profile，然后重启：

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

失败时检查什么

  • **输入框不可用：**确认已经选中工作区和模型。
  • **MISSING_CREDENTIAL 或 401：**核对所选 provider 的凭据。bundle 工具读取启动环境的 TOKENLAB_API_KEY，与 UI 保存的模型 key 是两处设置。
  • **UNKNOWN_MODEL 或旧 ID 已下线：**核对实时目录，配置当前精确 ID，再新建会话。重装 bundle 0.1.5 不会更新其快照。
  • **地址可访问但生成失败：**核对协议、Base URL 和模型接受的格式。不要为了得到一次成功而删掉历史、工具或图像输入。
  • **找不到 dsh 或 pnpm：**Harness 可使用上面的带版本号 npx 命令；运行 plugin 命令前先安装 pnpm。插件安装失败与 API key 错误不是一回事。

MCP 和 Skills 是独立选择

手动添加 custom provider 不会安装工具。不需要 bundle 时，可按 TokenLab MCP 指南接入可调用的 API 工具，先检查发现，再执行生成。

安装 TokenLab Skills 时，将完整 Skill 目录放在项目根目录的 .dsh/skills/tokenlab-api-integration/，保留 SKILL.md 及引用文件。Harness 也会发现 .agents/skills/。这些说明不会安装 provider、MCP server 或 key；支持的目录以官方文件系统 Skills 文档为准。

Jev / System One & Webhooks

Jev（POST /v1/systemone）使用 core 或 full 的 mcp__tokenlab__evaluate_decisions。先查 category=decision 和模型详情。决策是同步结果，不是聊天模型或异步任务；不要放进模型选择器或交给 tokenlab_wait_task。

Webhook 管理需要 full 与启动环境中单独的 TOKENLAB_MANAGEMENT_TOKEN=mt-...，由 bundle 显式传给 MCP。推理 key 不能替代管理 token；后者权限超出 Webhook。登记 Webhook 不代表 Harness 已成为接收端。

TokenLab MCP Server

上一页

GitHub Copilot CLI

下一页

本页内容

选择需要的接入方式把任务交给现有 Agent启动 Harness配置一个 TokenLab provider验证一次小请求可选：TokenLab bundle失败时检查什么MCP 和 Skills 是独立选择Jev / System One & Webhooks