DSH Plugin Ecosystem - Plataforma de descubrimiento de plugins con IA para DeepSeek Harness

Qué es el ecosistema DSH Plugin

El ecosistema DSH Plugin es una capa centralizada de descubrimiento, gestión e instalación de plugins para DeepSeek Harness, diseñada para resolver un problema estructural que enfrentan los desarrolladores de agentes IA: el sourcing fragmentado. Antes de esta plataforma, los equipos debían rastrear manualmente repositorios GitHub dispersos, verificar la validez de los manifests cada vez, y gestionar instalaciones a través de múltiples canales no estandarizados. Ese proceso manual consumía horas de ingeniería y resultaba propenso a errores silenciosos de configuración.

La plataforma resuelve este problema mediante un enfoque de descubrimiento clasificado por IA. El sistema indexa repositorios provenientes del topic dsh-plugin en GitHub, los verifica en cuanto a la validez de su manifest, y los organiza mediante un motor de clasificación por relevancia basado en la intención del usuario. Esto se complementa con un pre-filtrado por palabras clave que permite acotar la búsqueda antes de que el ranking por relevancia entre en juego.

Según el snapshot más reciente (21/08/2026, 12:01 AM), el ecosistema cuenta con 376 plugins verificados, sincronizados automáticamente desde GitHub. Esta cifra representa la totalidad de los repositorios que superaron la validación de manifest y son compatibles con la capa de configuración de DeepSeek Harness. La sincronización se ejecuta cada seis horas, lo que garantiza que el índice refleje los cambios recientes en los repositorios upstream.

La arquitectura del ecosistema se sustenta en un pipeline de verificación automatizado: cada repositorio es inspeccionado en busca de la estructura mínima requerida (declaración dsh.bundle.patch, referencias a cordis.patch.yml y artefactos ejecutables), y solo aquellos que cumplen los criterios son publicados en el índice visible. Este proceso de validación automatizada es un diferenciador clave frente al enfoque de descubrimiento manual.

Capacidades centrales del ecosistema DSH Plugin

Clasificación por relevancia IA

El motor de búsqueda del ecosistema combina dos etapas de filtrado. En primer lugar, un pre-filtrado por palabras clave descarta plugins irrelevantes al contexto de la consulta. Posteriormente, un algoritmo de clasificación por relevancia ordena los resultados según la intención del usuario, evaluando factores como la coincidencia semántica, la categoría funcional y la compatibilidad declarada. Este diseño reduce la fricción cognitiva de navegar por cientos de repositorios manualmente.

Categorización estructural

Los plugins se organizan bajo una taxonomía que refleja su funcionalidad técnica:

• Frameworks de Agentes: runtimes completos para ejecutar agentes con sesiones aisladas.

• Habilidades de Agentes: skills reutilizables para tareas de investigación, marketing o negocios.

• Memoria y Auditoría: implementaciones de memoria entre sesiones con control de acceso.

• Seguridad y Aprobación: sistemas de revisión y aprobación para solicitudes de ejecución.

• UI y Skins: personalizaciones de interfaz, incluyendo renderizado WebGPU.

• Utilidades: herramientas de mantenimiento, como redes de seguridad para instalaciones.

• Multiplataforma: integraciones con canales externos (QQ, Feishu/Lark, etc.).

Plugins representativos del ecosistema

El ecosistema alberga implementaciones de referencia que ilustran la diversidad técnica del catálogo:

sandbaseai/sandbase-harness es un runtime de agentes local-first con sesiones en sandbox, soporte para herramientas MCP, memoria, gestión de credenciales, auditoría con replay y consola integrada. Compatible con modelos de OpenAI, Anthropic, MiniMax, DeepSeek V4 y cualquier modelo OpenAI-compatible ejecutándose en tu propia infraestructura.

sandbaseai/sandbase-skills ofrece 88 habilidades IA open-source para investigación, inteligencia social, marketing y flujos de negocio, compatibles con Codex, Claude Code, Cursor, Gemini CLI y DeepSeek Harness.

PerryLink/dsh-memento implementa memoria entre sesiones con capas acotadas, aprobación por niveles y auditoría completa, usando ctx.memory, SQLite como provider, la herramienta de memoria e inyección de snapshots congelados.

PerryLink/dsh-auto-review proporciona auto-revisión IA de segundo modelo para solicitudes de aprobación en DeepSeek Harness. Un subagente revisor de solo lectura devuelve veredictos estructurados allow/deny con justificación, con fail-closed por defecto y auditoría total.

d-dev0101/open-sea-skin es un skin WebGPU para DeepSeek Harness, distribuido como extensión de Chrome/Edge con instalador estático e integración nativa.

lxzy-7/dsh-plugin-guard actúa como red de seguridad de instalación, con snapshots pre-instalación, rollback automático o con un clic, arranque protegido y reportes de incidentes que disparan análisis de agente.

Mecanismo de sincronización

El sitio refresca los metadatos de GitHub cada seis horas. Los plugins ya instalados no se actualizan automáticamente: requieren un comando plugin update explícito para adherir cambios desde la fuente upstream. Este diseño evita actualizaciones sorpresivas y otorga control total al operador sobre el ciclo de vida del plugin.

Quién usa el ecosistema DSH Plugin

Desarrolladores de agentes

Los ingenieros que construyen agentes IA encuentran en sandbaseai/sandbase-harness un runtime local-first que ejecuta sesiones en sandbox con aislamiento total. Las herramientas MCP, la gestión de memoria y el manejo de credenciales permiten construir agentes que operan sobre infraestructura propia, sin dependencia de servicios en la nube. La compatibilidad con OpenAI, Anthropic, MiniMax, DeepSeek V4 y modelos OpenAI-compatible amplía las opciones de proveedor sin reescribir el código del agente.

Automatización de flujos empresariales

Los equipos que automatizan procesos de investigación, inteligencia social, marketing y operaciones de negocio utilizan las 88 habilidades IA de sandbaseai/sandbase-skills. Al ser compatibles con Codex, Claude Code, Cursor y Gemini CLI además de DeepSeek Harness, estas skills funcionan como una capa portátil de competencias que se despliegan en diferentes entornos de ejecución sin adaptaciones.

Equipos enfocados en cumplimiento

Los equipos de plataforma que operan bajo requisitos estrictos de auditoría adoptan PerryLink/dsh-memento para implementar memoria entre sesiones con aprobación por niveles y trazabilidad completa. La arquitectura de capas acotadas, junto con el provider SQLite y la inyección de snapshots congelados, garantiza que la memoria del agente evolucione de forma controlada y auditable en cada ciclo de ejecución.

Operadores orientados a seguridad

Los operadores que gestionan entornos de alto riesgo utilizan PerryLink/dsh-auto-review para interponer una capa de auto-revisión IA de segundo modelo en el flujo de aprobación. El subagente revisor opera en modo solo lectura y devuelve veredictos estructurados con justificación. El comportamiento fail-closed por defecto asegura que toda solicitud no aprobada explícitamente sea denegada, eliminando la ambigüedad en escenarios de seguridad.

Integración de canales de mensajería

Los equipos que requieren operar sus agentes desde canales de mensajería integran tkwkeven/dsh-lark-all para Feishu/Lark vía puente WebSocket, con sesiones de tareas paralelas e integración multimedia, así como tencent-connect/dsh-qqbot para el canal QQ. Estas soluciones multiplataforma transforman al agente en un servicio accesible desde herramientas de colaboración ya operativas.

Arquitectura técnica e instalación

Estructura del plugin

Los plugins instalables son paquetes compatibles con npm que apuntan a la capa de configuración Cordis mediante la declaración dsh.bundle.patch en el campo correspondiente de package.json. Esta indirección permite que el plugin se integre con el runtime de DeepSeek Harness sin acoplarse directamente al código del core.

Estructura mínima de un repositorio válido

Para que un repositorio sea validado como plugin DSH, debe contener como mínimo:

1. Un package.json con la declaración dsh.bundle.patch que indique la ubicación del patch de configuración.

2. Un archivo cordis.patch.yml referenciado desde package.json, que define las modificaciones a la capa Cordis.

3. Código o artefactos ejecutables que implementen la funcionalidad declarada.

Elementos opcionales incluyen SKILL.md para guiar el comportamiento del agente, bundles de cliente y documentación técnica.

Comando de instalación

La instalación se ejecuta mediante la CLI de DeepSeek Harness:

npx @deepseek-ai/dsh plugin --profile web add github:owner/repo

Donde owner/repo se reemplaza con la referencia GitHub del plugin. Para despliegues en producción, se recomienda fijar la fuente appending #commitSHA al final de la referencia:

npx @deepseek-ai/dsh plugin --profile web add github:owner/repo#a1b2c3d4e5f6...

Publicación de plugins

Para publicar un plugin propio, el repositorio debe usar el topic dsh-plugin en GitHub. El ecosistema sincroniza los repositorios cada seis horas y verifica la validez del manifest durante el proceso. Un repositorio con estructura incompleta o manifest inválido no será indexado.

Requisitos previos

El sistema requiere Node.js y pnpm instalados en el entorno de desarrollo o producción donde se ejecute la CLI.

Ecosistema DSH Plugin vs seguimiento manual de GitHub

Eficiencia de descubrimiento

La alternativa al ecosistema es el rastreo manual de repositorios GitHub arbitrarios. Con 376 plugins indexados y validados, la plataforma reduce el tiempo de descubrimiento de horas a segundos. Un desarrollador que necesita un plugin de memoria con auditoría puede filtrar por categoría y relevancia sin explorar decenas de repositorios candidatos.

Verificación de manifests

Cada sincronización (cada seis horas) ejecuta una validación de manifest sobre todos los repositorios del topic dsh-plugin. Este proceso detecta repositorios con estructura incompleta, package.json sin declaración dsh.bundle.patch o referencias Cordis inválidas. En el flujo manual, estos fallos pasan desapercibidos y se manifiestan como errores de runtime en la instalación.

Calidad de clasificación

El ranking por relevancia IA ordena los resultados según la intención de búsqueda del usuario, mientras que la navegación manual depende exclusivamente de la coincidencia de palabras clave en descripciones, lo cual es notoriamente insuficiente para diferenciar entre plugins que compiten por la misma funcionalidad.

Cadencia de actualización

La sincronización automática de metadatos (cada seis horas) mantiene la información de versiones, releases y compatibilidad relativamente actualizada. En el flujo manual, la comprobación de actualizaciones depende de que el desarrollador recuerde re-visitar repositorios individuales.

Postura de seguridad

La plataforma adopta una postura transparente: el listado es una señal de descubrimiento, no de endorsement. Este enfoque contrasta con la falsa sensación de seguridad que puede generar la dependencia de fuentes no verificadas. Aun así, la revisión del código fuente y la auditoría de permisos sigue siendo responsabilidad del operador.

Preguntas frecuentes