概覽
TokenLab 的 DeepSeek Harness bundle 同時提供兩層能力：- 三條互斥的模型路由，分別使用 OpenAI Responses、Anthropic Messages 與 OpenAI Chat Completions；
- TokenLab MCP
fullprofile，涵蓋模型探索、圖像、影片、音樂、3D、音訊、檔案、embeddings、rerank、翻譯與非同步任務。
@tokenlabai/dsh-provider，目標版本是 DeepSeek Harness 0.1.1-rc.2 與相容的 0.1.x 插件契約。
本頁是待發佈套件的完整文件。必須先發佈並讀回 npm 套件，之後才能部署本頁或提交市場條目。
安裝
將 key 儲存在專案.env 或 Harness home 的 .env：
原生端點路由
DeepSeek Harness 在 provider route 層選擇 wire protocol，因此 bundle 註冊三條 provider，且每個公開 chat 模型只出現一次。
模型快照由
GET /v1/models 與 GET /v1/models/{id} 產生，不會依模型名稱 substring 或內部渠道推測協定。
目前 Harness custom provider 支援
openai-responses、anthropic-messages 與 openai-completions，但無法設定 Gemini native。Gemini 在 Harness 中使用公開宣告的 Chat fallback；需要 Gemini generateContent 的應用程式應從相容用戶端呼叫 /v1beta/models/{model}:generateContent。多媒體與開發工具
bundle 透過官方 Harness MCP bridge，在本機 stdio 啟動固定版本的@tokenlabai/mcp-server。預設 full profile 會註冊 80 個 mcp__tokenlab__... 工具，涵蓋 catalog/pricing、四種 LLM API、圖像、影片、音樂、3D、音訊、檔案、response lifecycle、batches、embeddings、rerank、翻譯、worlds 與媒體素材。
模型側使用 portable schema；MCP server 仍以完整生成的 OpenAPI contract 驗證每次呼叫。
非同步媒體
影片、音樂與 3D 建立工具會回傳非同步任務；圖像依模型可能同步回傳，也可能回傳任務。- 讀取建立結果的
delivery.mode。 sync直接使用媒體結果。async將delivery.task_id傳給tokenlab_wait_task。- 使用其
status、完整response與result_urls。 - wait 逾時會回傳最新非終態，可安全繼續 poll。
tokenlab_wait_task 為唯讀工具，會將呼叫者取消訊號傳到請求與 delay，限制暫態重試，並以 status 而非可選 progress 判定終態。只有意圖明確且模型支援時才使用取消工具。
設定
若更重視每輪重複的 tool schema 成本，而非完整開發介面，可改用
core。
驗證
重新啟動後確認：模型選擇器顯示三條 TokenLab provider；相同模型只出現一次；mcp__tokenlab__list_models 回傳非空；以測試 key 分別執行 Responses、Messages、Chat 並從日誌核對 endpoint；最後提交一個低成本非同步媒體任務並取得終態 URL。
若用戶端為取得 HTTP 200 而刪除歷史、工具、簽名或媒體輸入，這不構成嚴格相容證明。
既有 llm-pi-ai 設定
Harness 目前只有一個共用 llm-pi-ai settings section。Models 頁面儲存的設定優先於 bundle 預設值，可能覆蓋三條 TokenLab 路由。已有該 section 時，請把套件 cordis.patch.yml 中的 tokenlab-responses、tokenlab-messages、tokenlab-chat 合併到其 providers map。
安全
- key 只存於可信環境或 secret store，不提交到儲存庫。
- MCP server 使用與 Harness 相同的 Node，在本機 stdio 執行，不經過 shell 或託管 MCP 中介。
full工具包含計費生成與破壞性操作，應保留 Harness 核准流程。- 模型文字、URL、檔案與生成媒體都視為不可信外部內容。