前言¶
DSH 的理念是「一切皆插件」，智能体可以通过插件获得外部能力。对于需要联网搜索、图片理解、音视频处理和语音合成/识别的场景，常见做法是在 shell 中手工拼装 API 请求、处理 base64 载荷和返回内容；大载荷还会受到 shell 捕获上限影响。dsh-mimo-agent-tools 将 Xiaomi MiMo 的搜索与多模态能力封装为 DSH agent 工具，减少这类手工流程。
这是什么¶
dsh-mimo-agent-tools 是一个 DSH 插件，为 DSH agents 提供 Xiaomi MiMo search + multimodal tools，核心工具包括 mimo_search、mimo_vision、mimo_audio、mimo_video、mimo_asr、mimo_tts。
package.json 中的插件名为 dsh-mimo-agent-tools，版本为 0.1.0，许可证为 MIT；README 标题使用 mimo-agent-tools。插件线索中的维护者为 ch1bug。
核心功能¶
搜索与推理¶
mimo_search：通过 Xiaomi MiMo API 做 web search，返回 answer + cited sources（包含site_name/logo_url）；可选force_search、user_location。mimo_think：深度思考，返回完整 reasoning chainreasoning_content+ final answer。mimo_json：通过response_format: json_object输出结构化 JSON。
多模态理解¶
mimo_vision：图片理解，支持本地文件或 public URL，支持 multi-image。mimo_audio：音频理解/转写，支持wav/mp3/flac/ogg/m4a。mimo_video：视频理解，支持mp4/webm/mov，可选fps/media_resolution。
语音合成与识别¶
mimo_asr：speech-to-text，可选 language hint。mimo_tts：text-to-speech，输出.wav/.mp3，支持 preset voices 或 voice design，可选style/format。mimo_voiceclone：voice cloning，使用 reference clip + text，可选format。
使用引导¶
audio-toolsskill：指导何时使用mimo_asr、mimo_tts、mimo_voiceclone、mimo_audio。这些工具本身始终注册；skill 只教用法，不 gate 工具。
安装与启用¶
先确认运行环境：
- DSH host 提供
shell和sandboxPolicy服务。 - 主机上有
python3。 - 存在
driver/mimo_driver.py。 - 已准备 MiMo API key；
web_search还要求 MiMo console 中启用 connected-search plugin。
API key 在 tool-call time 解析：
- 优先读取 DSH credentials service 中的
XIAOMI_API_KEY。 - 回退到环境变量
XIAOMI_API_KEY或MIMO_API_KEY。
插件不 hardcode key。
从本地目录安装 DSH bundle：
dsh plugin --profile web add /path/to/dsh-mimo-agent-tools
把 Python driver 安装到默认路径：
mkdir -p ~/.local/lib/mimo-agent-tools/driver
cp driver/mimo_driver.py ~/.local/lib/mimo-agent-tools/driver/
如果 driver 不在默认路径，可以配置：
MIMO_DRIVER=~/.local/lib/mimo-agent-tools/driver/mimo_driver.py
MIMO_TMP=/tmp
这里 MIMO_DRIVER 的默认值是 ~/.local/lib/mimo-agent-tools/driver/mimo_driver.py，MIMO_TMP 的默认值是 /tmp。
插件依赖 @deepseek-ai/dsh-tools，在 package.json 中声明为 peerDependencies。
典型用法¶
搜索¶
mimo_search 可用于 web search。user_location 可偏置结果，例如按 country/region/city 维度偏置。force_search 为可选参数。
图片、音频、视频¶
mimo_vision：传入本地文件（自动 base64）或 public URL；可多图片。mimo_audio：用于wav/mp3/flac/ogg/m4a文件。mimo_video：用于mp4/webm/mov文件；可选fps和media_resolution。
ASR / TTS / 声音克隆¶
mimo_asr：可选 language hint；不要传thinkingfield。mimo_tts：目标文本放在 assistant message；可选style/format。mimo_voiceclone：提供 reference clip 和 text；可选format，取值可为wav/mp3。
推理与结构化输出¶
mimo_think：在多轮 tool conversations 中，必须 echo 之前的reasoning_content，否则 API 可能返回 400。mimo_json：prompt 中需要明确 JSON shape description；max_completion_tokens要足够，避免 JSON 中途截断。
适用场景与注意¶
适合在 DSH 中让 agent 调用 Xiaomi MiMo 的搜索、图片、音频、视频、ASR、TTS 和 voice cloning 能力。
使用前注意：
web_search依赖 MiMo console 中启用的 connected-search plugin。- 插件需要 DSH host 的
shell和sandboxPolicy服务，以及主机python3和driver/mimo_driver.py。 - Python driver 用于避免 shell stdout truncation；DSH 的 bash seam caps at 64KB。
mimo_think和mimo_json有明确的 prompt / 多轮字段要求，按上面的限制使用。- 插件以当前 DSH 进程权限运行；安装前应检查源码、依赖和
MIT许可证。
结尾¶
dsh-mimo-agent-tools 的价值是把 Xiaomi MiMo 的搜索与多模态能力落到 DSH agent 工具链里：搜索、思考、JSON、图片、音频、视频、ASR、TTS、voice cloning 都以工具形式暴露，并用 Python driver 降低 shell 处理大 payload 的风险。
插件目录页线索：
https://www.skillhub.cn/plugins/ch1bug/dsh-mimo-agent-tools
GitHub 仓库线索：
https://github.com/ch1bug/dsh-mimo-agent-tools
上述链接来自插件线索；社区目录是独立站点，与 DeepSeek / 幻方无官方从属关系，也不是官方应用商店。
