前言¶
在 DeepSeek Harness（DSH）的智能体开发中，处理网页内容通常依赖于 DOM 解析，但这无法覆盖页面上的视觉元素。dsh-browser-vision 插件为此提供了一个解决方案。它作为一个浏览器工具，允许智能体“看”到页面，而不仅仅是读取其结构。
插件定位¶
这是一个由 tristan-mcinnis 维护的联网工具插件。它通过驱动真实的 Chrome 浏览器（通过 Chrome DevTools Protocol, CDP）来执行任务，并利用视觉模型解析页面内容。
核心功能¶
该插件具备以下核心能力：
* 页面驱动：通过 CDP 驱动真实的 Chrome 浏览器进行操作。
* 视觉识别：能够读取 Canvas 上绘制的文本、图片内部的文字以及渲染的图表。
* 结构化提取：支持基于 Schema 的 JSON 字段提取，方便下游处理。
* 输出格式：支持 Markdown 输出。
* 成本统计：提供每运行任务的 Token 和成本统计。
安装与启用¶
下面介绍安装步骤。
- 添加插件：
在终端中运行以下命令，将插件添加到 DeepSeek Harness 的 web 配置文件中：
dsh plugin --profile web add "github:tristan-mcinnis/dsh-browser-vision"
- 安装引擎：
安装 Python 引擎（使用uv）：
uv tool install "git+https://github.com/tristan-mcinnis/dsh-browser-vision"
（注：也可以使用 pip 或 pipx）
-
配置环境：
确保DEEPSEEK_API_KEY已在 shell 环境中设置。插件不会存储或转发密钥，仅继承运行环境。 -
重启配置文件：
重启 DSH 的 web 配置文件（该配置文件通常禁用了热重载）。 -
验证状态：
添加完成后，可以调用browser_vision_status工具来确认引擎是否可用。
典型用法¶
插件提供了三个主要工具：
browser_vision_task：使用自然语言运行网页任务。它会导航、点击、输入，并读取仅存在于像素中的内容。browser_vision_extract：根据传入的 Schema 提取页面字段，输出为 JSON。browser_vision_status：报告引擎安装状态，用于排查安装问题。
系统要求与注意事项¶
- Python 版本：需要 Python 3.11 或 3.12。
- 浏览器依赖：系统必须安装 Chrome 或 Chromium 二进制文件。注意，该插件不使用 Playwright，因此无需运行
playwright install。 - 视觉细节：在使用截图功能时，避免使用
detail: low参数，因为它会裁剪文本导致无法识别。
结语¶
dsh-browser-vision 为 DeepSeek Harness 提供了基础的视觉处理能力，使智能体能够处理 Canvas、图表等传统 DOM 解析无法触及的内容。对于需要处理复杂视觉信息的网页任务，这是一个实用的补充工具。
- 插件目录：https://www.skillhub.cn/plugins/tristan-mcinnis/dsh-browser-vision
- 项目主页：https://github.com/tristan-mcinnis/dsh-browser-vision
