前言¶
在 DeepSeek Harness（DSH）裏做智能體任務時，搜索類 provider 適合處理已經索引好的頁面和快速事實。但如果任務需要已登錄平臺記錄、創作者 feed、顯式啓用的評論或嵌套回覆，就需要另一個執行層：能夠啓動、監督、持久化並導出 MediaCrawler 的運行。
下面介紹 dsh-mediacrawler。它是一個可安裝的 DSH profile bundle，也是一個 bounded stdio MCP adapter，用於把獨立安裝的 MediaCrawler checkout 接入 DSH。
這是什麼¶
dsh-mediacrawler 由 xwh-01 維護，許可證爲 MIT。
它不是 MediaCrawler fork。它不復制、不修改 MediaCrawler 源碼，也不改變 MediaCrawler 的許可證。它提供的是 DSH 與本地 MediaCrawler checkout 之間的適配層。
它解決的問題是：讓 DSH agent 通過 MCP 工具啓動 MediaCrawler 採集，查看運行狀態，讀取結果，並導出經過 credential-redacted 處理的 ZIP。
核心功能¶
支持的平臺與任務¶
dsh-mediacrawler 支持以下平臺：
- Xiaohongshu
- Douyin
- Kuaishou
- Bilibili
- Tieba
- Zhihu
支持的任務包括：
- search
- post/video detail
- creator feeds
- explicitly enabled comments
評論不是默認開啓的，需要在單次運行中顯式啓用。
MCP 工具¶
dsh-mediacrawler 暴露 12 個 MCP tools：
checkcollectstatusrunsresultdelete_runcleanupstoplogsartifactspreviewexport
每次運行都是 supervised、persisted，並通過這些 MCP tools 暴露給 DSH。
瀏覽器隔離¶
默認 browser_mode=isolated。它會啓動 Google Chrome，並使用一個 adapter-owned persistent profile。這樣後續運行可以複用登錄態，而不需要附着到用戶正常使用的 Chrome 會話。
導出¶
export 會創建一個 credential-redacted ZIP，並返回該 ZIP 的路徑和 checksum。
默認導出上限是 256 MiB raw run data。可以通過 DSH_MEDIACRAWLER_MAX_EXPORT_MIB 設置 1 到 4096 之間的值來調整上限。
安裝與啓用¶
環境準備¶
先準備以下運行環境：
- Python 3.11 或更新版本
- Node.js
22.19+，且屬於 22.x 線；或 Node.js24+ pnpm- Google Chrome
- 一個獨立安裝的 MediaCrawler checkout，並帶有可用的 Python 環境
- DeepSeek Harness
0.1.0-rc.6
Node.js engine 要求爲：
^22.19.0 || >=24.0.0
MediaCrawler 及其瀏覽器依賴不在本插件中打包。
安裝 Python MCP runtime¶
先爲 adapter 準備一個獨立 venv，然後安裝 Python 包。POSIX 環境下可以這樣做：
python3 -m venv "$HOME/.dsh/runtimes/dsh-mediacrawler"
export DSH_MEDIACRAWLER_PYTHON="$HOME/.dsh/runtimes/dsh-mediacrawler/bin/python"
"$DSH_MEDIACRAWLER_PYTHON" -m pip install "dsh-mediacrawler @ git+https://github.com/xwh-01/dsh-mediacrawler.git@v0.3.0"
這一步安裝的是 Python MCP runtime，後面 DSH 會通過它啓動 adapter。
安裝 DSH profile bundle¶
接下來安裝 DSH profile bundle：
npx --yes @deepseek-ai/dsh@0.1.0-rc.6 plugin --profile web add "github:xwh-01/dsh-mediacrawler#v0.3.0"
這一步會把 dsh-mediacrawler 作爲 profile bundle 添加到 DSH 的 web profile 中。
配置並啓動 DSH¶
在啓動 DSH 的同一個 shell 中，導出 MediaCrawler 路徑和 Python 解釋器路徑：
export MEDIACRAWLER_ROOT="/path/to/MediaCrawler"
export MEDIACRAWLER_PYTHON="/path/to/MediaCrawler/.venv/bin/python"
# 可選；默認狀態目錄爲 ~/.dsh-mediacrawler
export DSH_MEDIACRAWLER_STATE_DIR="/path/to/adapter-state"
npx --yes @deepseek-ai/dsh@0.1.0-rc.6 --profile web
DSH_* 變量會被當作 launch settings，應該在 DSH 進程環境中導出。
卸載¶
卸載 profile bundle：
npx --yes @deepseek-ai/dsh@0.1.0-rc.6 plugin --profile web remove dsh-mediacrawler
典型用法¶
先做環境檢查，再做採集和導出。
首次檢查¶
首次使用時，讓 agent 調用：
check(deep=true)
這一步用於檢查 source paths、CLI 依賴和 browser launch readiness。
查看運行狀態¶
採集過程中，agent 可以通過 status 讀取生命週期狀態、是否需要用戶處理、以及結果數量。
如果需要恢復最近的可持久化運行，可以使用 runs。
讀取結果與導出¶
讀取結果時可以使用 result。需要導出時調用 export，它返回 ZIP 路徑和 checksum。
如果只想查看 artifact 預覽，可以使用 preview；如果要列出 typed JSONL artifacts，可以使用 artifacts。
刪除與清理¶
delete_run 需要 confirm=true。
cleanup 默認 dry_run=true。如果要真正執行，需要顯式使用 dry_run=false。
兩個操作都拒絕 active runs，並且不會刪除 persistent browser profiles 或 login state。
適用場景與注意¶
適合誰¶
如果任務需要：
- 已登錄平臺記錄
- creator feeds
- 顯式啓用的評論或嵌套回覆
- 可重複、可導出的運行結果
那麼 dsh-mediacrawler 適合把 MediaCrawler 納入 DSH 的智能體流程。
它不是替代搜索 provider，而是用於需要本地採集和導出的場景。
安全與權限¶
這個插件會以當前 DSH 進程權限運行。安裝前應當檢查源碼、依賴和許可證。
需要特別注意：
- 只接受 QR-code login。
- MCP API 不接受 cookies、手機號或驗證碼。
- 評論默認關閉，需要單次運行顯式啓用。
- credential redaction 不等於 PII anonymization。
- 導出內容可能仍包含姓名、電話、郵箱、位置或其他個人數據。
- 導出會報告
pii_anonymized=false和safe_to_share=false。 - 它不繞過 login、verification、rate limits、access controls 或 anti-automation systems。
運行邊界¶
採集任務必須有明確 scope 和 hard timeout。timeout_minutes 是硬邊界。
對於某些 search 或 creator 流程，max_items 可能不會嚴格按上游限制生效。插件會報告這類情況，並以 timeout_minutes 作爲最終邊界。
結尾¶
經過上面的步驟，dsh-mediacrawler 可以把獨立安裝的 MediaCrawler 接入 DSH：檢查運行時、啓動受監督採集、查看狀態、讀取結果、導出 ZIP，並在需要時停止、清理或刪除已完成運行。
GitHub：
https://github.com/xwh-01/dsh-mediacrawler
社區目錄：可在 DSH 插件目錄按插件名 dsh-mediacrawler 檢索。
