Skip to main content

​
Übersicht

Das TokenLab-Bundle für DeepSeek Harness fügt zwei Integrationsflächen hinzu:
  • drei überschneidungsfreie Modellrouten für OpenAI Responses, Anthropic Messages und OpenAI Chat Completions;
  • das TokenLab MCP-Profil full für Modellsuche, Bilder, Video, Musik, 3D, Audio, Dateien, embeddings, rerank, Übersetzung und asynchrone Aufgaben.
Das Paket heißt @tokenlabai/dsh-provider und ist für DeepSeek Harness 0.1.1-rc.2 sowie kompatible 0.1.x-Pluginverträge ausgelegt.
Diese Seite ist die veröffentlichungsfertige Dokumentation. Veröffentlichen und prüfen Sie zuerst das npm-Paket, bevor Sie diese Seite bereitstellen oder den Marktplatzeintrag absenden.

​
Installation

Speichern Sie den key in der .env des Projekts oder des Harness home:
Installieren Sie das Bundle im verwendeten profile und starten Sie es neu:
Für einmalige Aufgaben kann das headless profile verwendet werden:

​
Routing nativer Endpunkte

Harness legt das wire protocol auf Ebene der provider route fest. Deshalb registriert das Bundle drei Provider und ordnet jedes öffentliche chat-Modell genau einmal zu. Der Snapshot wird aus GET /v1/models und GET /v1/models/{id} erzeugt. Modellnamen-Substrings und interne Routen werden nicht als Beweis verwendet.
Aktuelle Harness custom provider unterstützen openai-responses, anthropic-messages und openai-completions, aber kein konfigurierbares Gemini-native-Protokoll. Gemini-Modelle verwenden im Harness den öffentlich deklarierten Chat fallback. Anwendungen mit Bedarf an Gemini generateContent sollten /v1beta/models/{model}:generateContent aus einem kompatiblen Client aufrufen.

​
Multimedia- und Entwicklerwerkzeuge

Das Bundle startet eine festgelegte Version von @tokenlabai/mcp-server lokal über stdio und die offizielle MCP bridge. Das Standardprofil full registriert 80 Werkzeuge unter mcp__tokenlab__... und deckt catalog/pricing, vier LLM-APIs, Bilder, Video, Musik, 3D, Audio, Dateien, response lifecycle, batches, embeddings, rerank, Übersetzung, worlds und Medienassets ab. Dem Modell werden portable schemas angeboten; der MCP server validiert Aufrufe weiterhin gegen den vollständigen OpenAPI contract.

​
Asynchrone Medien

Video-, Musik- und 3D-Erstellung ist asynchron. Bilder liefern abhängig vom Modell ein synchrones Ergebnis oder eine Aufgabe.
  1. delivery.mode auswerten.
  2. Bei sync das Ergebnis direkt verwenden.
  3. Bei async die delivery.task_id an tokenlab_wait_task übergeben.
  4. status, vollständige response und result_urls auswerten.
  5. Ein timeout liefert den letzten nicht terminalen Zustand, sodass polling fortgesetzt werden kann.
tokenlab_wait_task ist schreibgeschützt, leitet Abbruchsignale an Requests und delays weiter, begrenzt temporäre Wiederholungen und bestimmt den Endzustand über status statt über optionalen progress.

​
Konfiguration

Verwenden Sie core, wenn kleinere wiederkehrende tool schemas wichtiger sind als die vollständige Entwickleroberfläche.

​
Prüfung und Sicherheit

Prüfen Sie nach dem Neustart die drei TokenLab-Provider, die eindeutige Modellzuordnung und ein nicht leeres Ergebnis von mcp__tokenlab__list_models. Führen Sie mit einem Test-key je einen Responses-, Messages- und Chat-Aufruf aus, vergleichen Sie den endpoint im Log und prüfen Sie eine günstige asynchrone Medienaufgabe bis zur terminalen URL. Bewahren Sie den key in einer vertrauenswürdigen Umgebung oder einem secret store auf. Der MCP server läuft lokal über stdio mit demselben Node wie Harness, ohne shell oder gehosteten MCP-Vermittler. Lassen Sie Genehmigungen für kostenpflichtige oder destruktive Werkzeuge aktiv und behandeln Sie Texte, URLs, Dateien und Medien als nicht vertrauenswürdige externe Inhalte. Eine vorhandene llm-pi-ai settings section überschreibt Bundle-Standardwerte. Fügen Sie in diesem Fall die drei tokenlab-*-Routen aus cordis.patch.yml in die providers map ein.

​
Deinstallation

Starten Sie das profile neu. Konto und key werden nicht gelöscht.

​
Verwandte Seiten