Anionex/dsh-vision-toolkit ↗★ 153
@dsh-external/dsh-vision-toolkit
DeepSeek Harness-native integration for agent-vision-toolkit: image Q&A, OCR, grounding, UI restoration, pixel diff, Artifacts, and Web UI.
- 包名
- @dsh-external/dsh-vision-toolkit
- 版本
- 0.1.2
- 许可证
- MIT
- 最近更新
- 2026年8月13日
安装
$npx -p @deepseek-ai/dsh dsh plugin --profile web add github:Anionex/dsh-vision-toolkit
DSH Vision Toolkit
DSH Vision Toolkit 将 agent-vision-toolkit 作为原生 Profile Bundle 带入 DeepSeek Harness。
让纯文本 DSH Agent 真正看见，并知道当前任务应该看哪里：通过带意图的图片问答、OCR、原图像素定位、UI 还原、像素验证、托管产物和 Web Settings 完成视觉闭环。10 个独立工具以结构化 schema 和 Agent 级渐进暴露取代 Shell 拼接。
上游工具箱： Anionex/agent-vision-toolkit · 项目网站： agent-vision.anionex.me
English | 中文
为什么需要它
agent-vision-toolkit 把视觉视为 Agent 可调用的能力，而不是基础模型自带的天赋。它会把“为什么要看这张图”带入视觉请求，从全局逐步收敛到目标区域，并用专用工具验证坐标、颜色、轮廓和差异，不把泛化描述直接当成证据。
DSH Vision Toolkit 保留这套方法，并用原生 schema、DSH Credentials、受生命周期管理的运行时准备、可从 Session 日志重建的结构化结果、可预览产物、专用 Web 卡片和 Settings 取代 CLI 安装与 Bash 参数拼接。Agent 加载一个带版本的 Skill，只有当前任务需要视觉时才会获得 10 个工具 schema。
本包完整交付已承诺的 P0 与 P1 产品范围。P2 的稳定 ctx.visionToolkit 服务会等到独立插件成为真实消费方后再发布；内部运行时不会把未经验证的生态接口伪装为稳定契约。
agent-vision-toolkit 已验证的真实用例
前两张图是本 Bundle 所打包 agent-vision-toolkit 固定版本同一代码线上的官方实跑结果；图片问答与截图辅助排障这一张则是在 DeepSeek Harness Web 中实际运行的会话，展示 DSH 中的同一套工作流。上游图片来源见素材溯源记录。
信息图还原：从截图到可编辑 HTML/CSS
左：原始截图；右：上游信息图还原示例生成的可编辑 HTML/CSS 结果。
UI 还原：从手绘稿到可用界面
图片问答与截图辅助排障
DSH Vision Toolkit 在这些上游能力之外增加原生工具 schema、版本化生命周期、Credentials、结构化 Session 结果、产物、Web 展示、Settings 和渐进暴露。下一节展示由本 DSH 仓库实际执行并提交的可复现实证。
DSH 原生实证：从参考图到像素级一致
仓库中的 UI 还原流程会渲染一个故意不准确的 HTML 实现，测得 6.04% 像素差异和 6 个非零差异区域；经过迭代后，在 1200 × 720 下达到相对参考图精确 0% 的差异。
| 已验证范围 | 证据 |
|---|
| 产品范围 | 10 个独立视觉工具、匹配的 vision-tools Skill、产物、专用 Web 卡片和实时 Settings |
| 自动化覆盖 | 17 个 Vitest 文件 / 134 项通过测试，以及不依赖 DSH 开发树的可移植包检查 |
| 真实 Profile | 干净临时 Web 与 Headless 安装、激活、禁用、重新启用和卸载 |
| 视觉验收 | 可复现的 HTML 截图 → 像素对比示例，最终差异为 0% |
亮点
- 看图但不让每轮提示词膨胀： 初始只暴露
vision_toolkit_activate；加载 vision-tools 后，10 个独立 schema 才挂到当前 Agent，版本和健康管理始终不进入模型上下文。
- 直接使用坐标，而不是解析自然语言： 定位和元素盘点返回原图像素框，所有模型可见结果保持为结构化文字或 JSON。
- 交付正式文件，而不是临时输出： 裁剪、SVG 恢复、OCR、像素对比、前景提取和 HTML 渲染会生成带描述的产物，Web 客户端可预览、下载或在本地打开。
- 受控管理运行时与凭据： API Key 由 DSH Credentials 保管；managed 模式准备精确隔离的 Python 环境；失败的 Settings 候选不会替换当前服务 generation。
- 闭合视觉验证循环： 本地 HTML 渲染和像素差异排序支持参考图 → 实现 → 截图 → 度量迭代，不依赖模型原生图片通道。
- 同一 Bundle 同时服务 Web 与 Headless： Web 增加卡片、预览、Settings 和健康操作；Headless 保持相同工具语义和完整结构化结果。
快速开始
前置条件：拥有此私有仓库的访问权限、DeepSeek Harness、Python 3.11+，并确保 dsh plugin 可以使用 pnpm。使用已认证的 GitHub 凭据克隆发布仓库，将其加入所需 Profile，并确认 Bundle 行已经挂载：
git clone https://github.com/dsh-external/dsh-vision-toolkit.git
PLUGIN="$PWD/dsh-vision-toolkit"
dsh plugin --profile web add "$PLUGIN"
dsh plugin --profile headless add "$PLUGIN"
dsh --profile web --dump-config | grep vision-toolkit
dsh --profile headless --dump-config | grep vision-toolkit
安装后重启正在运行的 Web Profile，打开 设置 → 视觉工具，为远程工具选择 DSH Credential，并显式执行测试连接。在会话中把图片放进工作区路径，调用 /vision-tools，再让 Agent 使用明确的 vision_* 工具。本地裁剪、SVG、像素、颜色、前景和 HTML 操作不需要视觉 API Credential。
工作原理
flowchart LR
User["Workspace image or local HTML"] --> Skill["vision-tools Skill"]
Skill --> Activate["Agent-scoped activation"]
Activate --> Tools["10 independent vision_* tools"]
Tools --> Runtime["Shared VisionToolkitRuntime"]
Credentials["DSH Credentials"] --> Runtime
Settings["Web Settings and health"] --> Runtime
Runtime --> Upstream["Pinned agent-vision-toolkit"]
Runtime --> Remote["Configured vision API"]
Upstream --> Result["Text, coordinates, JSON"]
Remote --> Result
Runtime --> Artifacts["Workspace Artifacts"]
Result --> Session["Reconstructable Session log"]
Artifacts --> Web["Preview, download, or open file"]
所有工具定义都调用同一个 Runtime；Runtime 在分发到固定上游快照或已配置的 OpenAI 兼容视觉端点前，统一验证路径、限制、Credential、取消和超时。Web 展示读取相同的结构化结果与产物描述，因此不会改变 Headless 语义。健康、连接测试和版本检查只留在 Settings，不进入模型工具 schema。
工具
| 工具 | 执行方式 | 结构化结果 | 产物交付 |
|---|
vision_glance | 远程视觉 API | 描述、针对性回答、OCR 或多图比较 | 无 |
vision_ground | 远程视觉 API；可选本地预览 | 目标、原图尺寸和像素框 | 可选标注 PNG |
vision_detect | 远程视觉 API；可选本地预览 | 带编号的元素清单和原图像素框 | 可选编号 PNG |
vision_trace | 本地固定 vtracer 流水线 | SVG 几何状态、路径数、缩放和大小 | SVG |
vision_crop | 本地 Pillow 流水线 | 实际像素框、尺寸、格式和裁剪边界状态 | PNG 或 JPEG |
vision_pixel_diff | 本地 NumPy/Pillow 流水线 | 差异比例和排序后的网格区域 | PNG 热力图和 JSON 报告 |
vision_long_screenshot_ocr | 本地切分/审计；除 splitOnly=true 外执行远程 OCR | 分块边界、复用状态、完成状态和运行目录 | Markdown、manifest、边界审计、分块 PNG 和 OCR 伴随文件 |
vision_extract_foreground | 本地固定提取流水线 | 选区、连通分量数、前景覆盖率和尺寸 | 透明 PNG |
vision_dominant_colors | 本地固定颜色分析 | 提取的调色板或有像素证据的候选色排序 | 无 |
vision_html_screenshot | 本地 Chrome/Chromium/Edge 适配器 | 已授权源文件信息、视口和渲染尺寸 | PNG |
插件不重新实现视觉算法。DSH 侧只负责验证路径与限制、解析 Credential、用 argv 向量调用固定上游脚本、解析精确输出契约、分类失败、描述文件，并把结果投影给模型和 Web 客户端。
渐进式模型暴露
运行时就绪状态属于整个 Profile，但 10 个视觉执行工具的 schema 属于具体 Agent。Agent 加载 vision-tools 前，插件只贡献很小的 vision_toolkit_activate 引导工具；该 Agent 的请求 schema 中没有视觉执行工具。标准 skill 工具以 name="vision-tools" 成功加载后，会为下一模型步骤自动挂载全部 10 个工具并隐藏引导工具。直接调用 /vision-tools 会注入 skill 指令；如果此时视觉工具仍不可见，这些指令要求调用一次 vision_toolkit_activate。激活只影响当前 Agent；Session 中存在与打包 skill 版本匹配的持久证据时可以恢复，并持续到 Agent 或插件被释放。
健康检查、连接测试以及插件/上游版本检查属于 Web Settings 管理操作。vision_toolkit_health 和 vision_toolkit_version 不是模型工具，即使视觉执行工具已经激活，也永远不会进入 Agent schema。
运行要求
- 启用 Web 或 Headless Profile 的 DeepSeek Harness，并确保
dsh plugin 可以使用 pnpm。
- Python 3.11 或更高版本。Managed 模式会创建隔离环境，用户无需手工安装上游 CLI（命令行界面）或 Python 包。
- 首次启用 managed 运行时需要联网；如果配置的软件包缓存已有
runtime/requirements.lock 中的精确版本，则无需联网。
vision_glance、vision_ground、vision_detect 和非仅切分长截图 OCR 需要 OpenAI 兼容视觉端点及 DSH Credential。本地工具无需该 Credential 也可使用。- 只有
vision_html_screenshot 需要 Chrome、Chromium 或 Edge；未安装受支持浏览器时，其他工具保持可用。
- 输入必须是会话工作区或显式
allowedDirs 根目录内的 PNG、JPEG、GIF 或 WebP。
安装与生命周期
安装
将 Bundle 安装到需要暴露能力的每个 Profile：
dsh plugin --profile web add /path/to/dsh-vision-toolkit
dsh plugin --profile headless add /path/to/dsh-vision-toolkit
dsh --profile web --dump-config | grep vision-toolkit
dsh --profile headless --dump-config | grep vision-toolkit
安装后需要重启长期运行的 Web Profile。宿主在进程启动时通过 package.json 的 dsh.client 声明发现已构建的浏览器 Bundle；旧的顶层 dshClient 字段不会被扫描。
首次 managed 启动会验证打包的上游 manifest（元数据清单），并在 DSH_HOME/cache/dsh-vision-toolkit 下原子准备隔离环境。插件只在准备成功后发布同版本的 vision-tools skill 与激活引导工具；每个 Agent 只有在加载该 skill 后才获得执行工具。初次准备失败时，Web Settings 修复入口仍然可用，但插件不会暴露任何模型能力或误导模型的 skill。
禁用与重新启用
在 Profile patch 或 overlay 中把 Bundle 行设为 disabled: true：
- id: vision-toolkit
disabled: true
删除该字段或设为 false 即可重新启用。资源释放会先取消插件拥有的视觉操作，再移除全部 Agent 级工具、引导工具和 skill；重新启用时，配置的运行时准备完成后才会暴露任何模型能力。用户配置和已完成的产物会保留。
升级
通过注册表安装时，使用 Profile 的包管理命令更新依赖：
dsh plugin --profile web update @dsh-external/dsh-vision-toolkit
dsh plugin --profile headless update @dsh-external/dsh-vision-toolkit
通过本地路径安装时，对替换后的 checkout 或 tarball 再次执行 add。Settings 保存在 Profile 的 Settings 提供方中。候选运行时完成验证和准备后才会持久化并启用；失败候选或已经陈旧的并发候选无法替换当前服务 generation。
卸载
dsh plugin --profile web remove @dsh-external/dsh-vision-toolkit
dsh plugin --profile headless remove @dsh-external/dsh-vision-toolkit
dsh plugin remove 会同时移除依赖及其 Bundle 层。Profile 随即不再暴露激活引导工具、Agent 级 Vision Toolkit 工具或 skill 条目。没有 Profile 使用本包时可以另行删除 managed 缓存；缓存不是活动配置，无法自行注册任何能力。
配置
Bundle 默认使用 managed 运行时。Profile patch 可以覆盖提供方与限制：
- id: vision-toolkit
config:
provider:
baseUrl: https://api.inferera.com/v1
credential: VISION_API_KEY
model: gemini-3.6-flash
language: zh
timeoutMs: 60000
maxImageBytes: 10485760
maxImagePixels: 40000000
concurrency: 4
runtime:
mode: managed
allowedDirs: []
配置字段
| 字段 | 默认值 | 契约 |
|---|
provider.baseUrl | https://api.inferera.com/v1 | OpenAI 兼容基础 URL；去除结尾斜杠后使用 |
provider.credential | VISION_API_KEY | DSH Credential 引用，不是密钥值 |
provider.model | gemini-3.6-flash | 远程工具使用的多模态模型名 |
language | zh | 视觉输出语言：zh 或 en |
timeoutMs | 60000 | 完整操作截止时间，1000-600000 毫秒；每个工具可请求更窄的覆盖值 |
maxImageBytes | 10485760 | 每张输入图片的编码字节上限 |
maxImagePixels | 40000000 | 每张输入图片的解码像素上限 |
concurrency | 4 | 每个会话内的并发操作数，1-16 |
runtime.mode | managed | managed 使用打包快照；external 只接受精确固定版本 |
runtime.agentVisionToolkitPath | 未设置 | external 模式必填；必须是精确导出快照或固定 commit 的干净 Git checkout |
runtime.python | 未设置 | 可选的 Python 3.11+ 引导程序/解释器覆盖值 |
allowedDirs | [] | 额外的 realpath 解析输入根目录；会话工作区始终允许 |
Credential
通过 DSH Credentials 创建或替换引用指向的密钥：
dsh credentials set VISION_API_KEY
Settings 只保存引用，不保存值。每次远程操作都会重新解析引用，并只把值注入对应子进程环境。插件排除用户 .env、checkout .env、PYTHONPATH、PYTHONHOME、VIRTUAL_ENV 和用户 site-packages，避免环境中的 Python 或上游配置覆盖选定的 DSH 提供方。日志、错误、工具结果、产物元数据和 Settings 响应都不包含密钥。
Managed 与 external 运行时
Managed 模式会验证 vendor/agent-vision-toolkit/UPSTREAM_MANIFEST.json，优先使用 uv，回退到 venv 加 pip，按 runtime/requirements.lock 安装精确版本，通过 heartbeat 锁协调并发准备，并只在全部探针通过后发布 staging 环境。
- id: vision-toolkit
config:
runtime:
mode: external
agentVisionToolkitPath: /opt/agent-vision-toolkit
python: python3.12
该路径必须是与打包 manifest 一致的导出副本，或 commit c27d1a300962b553c0884993c575cd3e819465ce 的干净 Git checkout 根目录。插件拒绝已修改的 tracked 文件和 untracked 文件，因为它们可能改变或遮蔽固定 Python 行为。
Web Settings
Web Profile 会注册 Vision Toolkit Settings 分区，可配置提供方 URL、Credential 引用、模型、语言、超时、字节/像素限制、并发数、运行时模式、Python 覆盖值、external 源码路径和允许目录。该页面还会显示插件/上游版本、当前运行时 generation、不含密钥的 Credential configured/source/writable 状态、运行时路径、健康检查结果和产物路由可用性。
“保存并应用”会验证完整配置，准备候选 Python/上游运行时，提交 Settings revision，最后才原子切换 generation。候选被拒绝时，之前的 generation 继续服务，页面也会把这种状态与运行时确实不可用区分开来。“重新加载”始终恢复后端已保存的权威值，即使 revision 没有变化也会丢弃被拒绝的浏览器草稿。初始启动无法准备运行时时，Settings 路由仍可用于提交有效配置并激活首个 generation。陈旧浏览器 revision 不会覆盖较新的保存结果，而是返回冲突；刷新后再重试。只读 Settings 提供方允许查看和健康检查，但禁用保存。
“运行健康检查”只执行本地检查。“测试连接”是显式操作，会把已配置 Credential 发送到 GET /models；它不会上传图片，也不会创建 completion。插件加载和普通 Settings 读取不会发送该请求。
健康检查、连接测试以及插件/上游版本检查属于 Web Settings 管理能力，而不是模型工具，因此其 schema 永远不会占用 agent 请求上下文。
产物与展示
会生成产物的工具只能写入 /.dsh-vision-toolkit/artifacts，写入形式为单个已验证文件或原子提交的运行目录。每个模型可见产物描述都包含路径、文件名、MIME 类型、种类、说明、来源工具、预览意图和字节数，因此 Headless agent 无需浏览器支持，也能在后续调用中复用该路径。提交 trace SVG 前，运行时会把它作为 XML 解析：允许标准声明与注释，但拒绝 doctype、格式错误或多根文档、非 SVG namespace，以及上游报告与实际路径数/字节数不一致的结果。
存在 Web HTTP 宿主时，仅供展示的元数据会加入带签名的预览和下载能力 URL，而不改变规范工具结果。每次读取都会重新验证签名、managed 根目录围栏、路径组件、普通文件状态、大小、可用时的 device/inode 身份、扩展名和 MIME。SVG 响应使用禁止外部资源的 sandbox CSP，客户端通过 sandbox iframe 渲染。没有 HTTP 宿主时，同一张卡片保留 openFile 提供的“打开文件”能力，并显示产物描述，不会伪造无法访问的 URL。
使用方式
基础调用
vision_glance images=["screenshot.png"] query="What error is shown?"
vision_ground image="screenshot.png" target="the send button" preview=true
vision_detect image="screenshot.png" category="buttons" preview=true
vision_crop image="screenshot.png" region="1067,841,1108,881"
vision_trace image="icon.png" color=true output="icon.svg"
vision_pixel_diff original="reference.png" rebuilt="actual.png" runName="comparison"
vision_long_screenshot_ocr image="page.png" mode="general" jobs=2
vision_extract_foreground image="logo.png" mode="color"
vision_dominant_colors image="screen.png" region="0,0,600,300" top=8
vision_html_screenshot source="implementation.html" width=1200 height=720
常见工作流包括 vision_ground → vision_crop → vision_glance、vision_ground → vision_crop → vision_trace，以及参考图 → vision_html_screenshot → vision_pixel_diff。Grounding 和 detection 坐标始终使用原图像素（x1/y1/x2/y2）。
UI 还原示例
已提交的 UI 还原示例 通过 vision_html_screenshot 渲染参考页面、故意不准确的初版实现和最终实现，再通过 vision_pixel_diff 比较两个候选结果：
npm run example:ui-restoration
npm run example:ui-restoration:write
已提交证据记录初版差异为 6.04%，有 6 个非零最差区域；最终差异为 0%，没有非零最差区域。Check 模式会复现工具调用路径并验证已提交资源；write 模式会有意刷新证据。
安全与执行模型
- 输入相对会话工作区和配置的
allowedDirs 解析；realpath containment 阻止路径穿越和符号链接逃逸。
- 每张图片都会在远程请求前由 Pillow 解码，并校验字节、像素、尺寸以及扩展名与内容是否一致。不支持或过大的图片会在上传前失败。
- 输出使用真实 managed 目标目录中的随机 staging 文件或目录，拒绝符号链接，并只在格式与契约验证通过后提交。
- 远程视觉提示词明确将图片中的文字和指令归类为不可信内容。原生工具描述与打包 skill 同样要求文本 agent 只把衍生描述、标签和 OCR 当作视觉证据，而不是可执行指令。
- 所有上游进程都通过
ctx.subprocess 使用 argv 向量，继承调用方取消信号，共享一个完整操作硬截止时间，并随操作终止，不会继续在后台运行。插件释放会在注销对应工具前中止活动调用。
- 一个活动会话只保留最近一次成功的
vision_glance 结果。只有图片内容、问题/OCR 模式、区域、端点、模型、语言和 Credential 都未改变时，紧接着的重复调用才会复用该结果；失败调用和其他会话绝不共享此条目。
- 模型可见数据仅包含文本、数字、坐标、结构化 JSON 和文件描述。工具调用/结果可以从会话日志重建；浏览器预览只属于展示元数据。
- 指标包含工具名、总耗时/上游耗时、有界图片数量/字节/像素、缓存命中、模型和错误类别；不包含 base64、鉴权头、密钥或无界上游输出。
vision_html_screenshot 只接受已授权的本地 .html 或 .htm 文件，在固定适配器中禁用网络，并使用 --headless=new、--use-mock-keychain、--incognito 和系统临时目录内的唯一 --user-data-dir 启动 Chrome 系浏览器。每次调用后都会删除该 profile，因此无头渲染不会接触用户日常 Chrome Profile 或 macOS 登录钥匙串。
故障排查
| 症状 | 解决方法 |
|---|
Model "..." does not support image input. (attachment-error) | 图片走了 DSH 的模型原生附件通道，纯文本模型会在 Skill 或 Vision Toolkit 运行前拒绝该轮。请使用 DSH Paste Input 的附件按钮、粘贴或拖放流程，让文件先复制到会话工作区并以路径形式进入消息，再调用 /vision-tools。安装或升级任一浏览器插件后，需要重启 Web Profile 并刷新页面。 |
| Credential 显示缺失 | 执行 dsh credentials set ，确认 provider.credential 指向该引用，再重新运行健康检查。本地工具不需要它。 |
| 运行时准备失败 | 查看 Settings 中的运行时错误，检查 Python 3.11+、软件包缓存/网络、磁盘权限和精确 external 固定版本。修正候选后再保存；当前 generation 不受影响。 |
| 找不到 Chrome | 安装 Chrome、Chromium 或 Edge，或让其中一个可被运行环境发现。只有 vision_html_screenshot 不可用。 |
| macOS 弹出钥匙串对话框 | 确认安装的是当前构建产物，且没有遗留的外部 html_shot/headless Chrome 进程。当前启动使用 mock keychain 和一次性 profile；取消对话框，不要重置登录钥匙串。 |
| 输入或输出路径被拒绝 | 把文件移入会话工作区，或有意将真实目录加入 allowedDirs；移除会逃逸的符号链接。输出参数只接受文件名，不接受绝对路径或嵌套路径。 |
| 视觉服务返回 401/403 | 替换 Credential 值，或选择正确的引用和端点。错误内容保持脱敏。 |
| 视觉服务返回 429 | 等待提供方限流窗口结束后重试，或降低 concurrency。插件不会静默切换提供方。 |
| 操作超时或被取消 | 在 1000-600000 毫秒范围内提高 timeoutMs、减少图片/分块工作量，或在取消后重新执行。子进程/请求会随操作停止。 |
| Settings 保存冲突 | 重新加载分区以取得当前 revision，重新应用目标修改，再次保存。 |
| Settings 只读 | 更换活动 Settings 提供方，或编辑其拥有的 Profile 配置；插件不能绕过提供方可写性。 |
| 无法预览产物 | 使用“打开文件”或模型可见路径。只有 Web HTTP 路由已挂载时才存在预览/下载 URL。 |
开发与验证
npm run verify:portable
pnpm run build
pnpm test
pnpm run example:ui-restoration
pnpm pack --dry-run
npm run verify:portable 是不依赖外部开发包的可移植验证门禁：验证上游快照、package 元数据与 exports、已提交 JavaScript 语法、README 链接和图片、必需的开源门面文件、social preview 尺寸以及 dry-run tarball。完整 TypeScript 构建和 134 项测试会在 DeepSeek Harness 源码树中运行，本 checkout 需位于其中的 dsh-vision-toolkit/，以使用对应的 peer API 类型和真实 Profile fixture。
pnpm run build 会先验证 vendored manifest，再生成 JavaScript、声明文件和 loader 兼容 Web 客户端。本包提交 lib/，因此从 checkout 安装时不要求消费方构建。无真实 Key 的真实 Profile 测试会安装到干净 DSH_HOME、启动 Headless、通过真实工具调用执行全部五个 P0 工具和具有代表性的 P1 本地/远程工具、验证禁用与重新启用行为，并卸载 Bundle。每项 P0/P1 需求对应的实现与验证位置见需求追踪参考。
更新上游快照时只能执行 pnpm run upstream:sync -- ，检查源码和许可证，重新生成 manifest，并在同一变更中更新适配器兼容性测试和已提交 lib/。运行时绝不拉取上游 main。
项目状态与范围
版本 0.1.2 是当前 GitHub 私有发布。P0 和 P1 是本包的产品承诺。P2 是设计门槛：至少一个独立插件消费内部能力形态前，不发布稳定 ctx.visionToolkit 服务、能力发现 API 或提供方生态。Web 上传、拖拽、摄像头/视频/音频/文档输入、交互式标注框编辑、GUI 自动点击、远程服务集群、模型路由、模型投票和跨会话视觉缓存不属于当前产品范围。
社区与关于
agent-vision-toolkit 由 Anionex 创建。本仓库维护它面向 DeepSeek Harness 的原生集成：DSH 侧负责生命周期、安全、结构化 schema、Credentials、产物和 Web 展示；视觉算法与可复用 playbook 继续由上游项目维护。
许可证
插件采用 MIT 许可。打包的 agent-vision-toolkit 快照在 vendor/agent-vision-toolkit/LICENSE 保留上游 MIT 许可证，并继续作为视觉算法的唯一实现。
