为DSH（DeepSeek Harness）量身打造的视觉插件，现已支持agent调用图片显示/Vision plugin for DSH(DeepSeek Harness),support Proactive Image Display.
原生交互式视觉推理插件，集成MiMo V2.5多模态后端，提供SOM网格、缩放、标注、测量、差异比对、取色及OCR等像素级精准工具，交互直观，定位准确。
采用渐进式披露机制，按需搜索、描述和调用长尾工具，同时自动精简工具集，降低上下文开销。工具发现与调用过程流畅，实现轻量级动态扩展。
deepseek-vision-mcp 给 DeepSeek（及其他纯文本大模型）装上「眼睛」 的开源 MCP Server。 DeepSeek 系列模型是纯文本模型，无法直接识别图片。本项目的思路是： 通过 MCP Serv...
提供图像描述、OCR识别、VQA问答、UI布局解析与剪贴板分析，自动提取屏幕或图片中的文字、结构与视觉信息，直接输出结构化结果，便于智能代理理解界面和文档内容。
Multi-provider Web Search & Fetch for DeepSeek Harness — Tavily, Exa, Firecrawl, Brave, You.com, Jina & SearXNG ...
支持多会话在同一工作区进行文件认领与释放，通过心跳检测自动接管过期占用，并利用Git三路合并在异步挂起区安全合并并发修改。
内置42项技能与5个命令行工具，一站式管理AI代理资产。覆盖LLM工程、评估驱动与规格驱动开发，支持MySQL、PG、Redis等主流数据库操作，单个插件即可接入现有工作流。
本地优先自动化执行任务，数据全程不出设备。支持接入你自己的LLM、数据库和知识库，基于ReAct推理，附带300+技能模板。采用DAG、WAL、Saga等机制实现确定性工作流，兼容MCP协议，离线内网环境可用。
提供智能体无关的工作流技能，让任意AI助手都能通过标准流程维护Obsidian知识库，涵盖笔记创建、更新、链接整理与结构优化，接入即用，不干扰现有笔记内容
自动识别图像场景，在视觉插件处理前将请求分流至匹配的引擎，覆盖对话、界面、表格与代码。基于场景感知决策，支持动态切换后端，让多模态分发更精准。
自动拦截图像输入流，透明完成缩放、格式归一化与增强，并按视觉任务动态路由至最优处理节点。零侵入接入现有流程，无需改动业务代码，即插即用，简化多模型图像调用链路。