前言¶

在 DSH（DeepSeek Harness）里让模型帮学生或工程师做 eNSP 实验，瓶颈往往不在「会不会配 VRP」，而在「怎么稳定地操控 Windows 上的 eNSP 客户端」：逐次模拟点击要抢前台、等窗口、还容易点到用户正在用的别的窗口；读拓扑靠截图肉眼找，下发一条命令若走界面往往要数秒。

dsh-ensp 是社区维护者 YunoSeng 发布的 DSH 工作流类插件（SkillHub 目录：yunoseng/dsh-ensp）。它把界面动作批量化并放到提权 Python 侧车执行，同时尽量改走 telnet、直接读写 .topo、窗口 DC 截图等通道，使 AI 能自行打开拓扑、启停设备、下发配置、验证连通性、截图，并生成带截图的 Word 实验报告。仓库当前在 GitHub 上星标为 0；插件版本以发布包为准（package.json 中为 0.2.1，README 安装示例仍引用 tag v0.1.0，装某一版时请与 Release 对齐）。

这是什么¶

dsh-ensp 是一个标准 DSH bundle：通过 package.json 里的 dsh.bundle.patch 指向 cordis.patch.yml，由 DSH 启动时加载 index.js。定位是「让 AI 更好地使用华为 eNSP 做网络实验」——批量 GUI 驱动、telnet 下发、.topo 读写、实验报告生成四块能力打包成六个工具与一个技能 ensp-automation。

同仓库还提供 MCP 服务器（bin/dsh-ensp-mcp.mjs），可在 Claude Desktop、Cursor 等支持 MCP 的客户端里复用同一套工具实现，传输为 stdio JSON-RPC，与 DSH 插件共用 handler，不复制业务逻辑。

环境约束（README 实测说明）：仅 Windows（依赖 UIPI、ShellExecuteW、BitBlt）；eNSP 实测 1.3.00.100（client 1.2.0.500）；宿主为 DSH Desktop；Python 3.9+ 且需 pywin32、Pillow（提权桥）；生成 docx 依赖 DSH 自带 Python（含 python-docx）。建议 以管理员身份运行 DSH，否则 UAC 会在提权 job 时反复弹框。

核心功能¶

下面按工具说明已核实能力；模型侧还有技能 ensp-automation（skills/ensp-automation/SKILL.md），汇总坐标、端口、验证流程与常见错误，减少每次从零摸索。

六个 DSH 工具¶

README 给出的通道优先级（从轻到重）：ensp_topo（读文件）→ ensp_cli（telnet）→ ensp_shot（窗口 DC）→ ensp_gui（消息投递 / 真实点击）。不需要界面时不应动界面。

设计要点（与自动化安全相关）¶

• 点击守卫：真实点击需带 expect（如 "ensp"、窗口标题、句柄），避免 eNSP 被全屏窗口盖住时误点其它程序。
• telnet 与后台截图：ensp_cli、主窗口 ensp_shot、.topo 操作与窗口是否在前台无关；设备 CLI 截图、工具栏点击才需要短暂前置，README 建议做完用 close_console 收起。
• 自动 save：ensp_cli 在非只读命令后会自动 return → save → 确认 [Y/N]，结果在返回值的 saved.ok。
• 提权桥：界面操作经 lib/bridge.py 侧车；唯一主动提权点是 runas 启动 Python。验证：ensp_status 返回 bridge.available: true 且 bridge.elevated: true。

MCP 侧¶

node bin/dsh-ensp-mcp.mjs --workspace E:/labs
npx dsh-ensp-mcp --workspace E:/labs

--workspace 决定相对路径基准与沙箱边界。离线可跑 npm test（README：24 项断言，无需 eNSP、Python 或管理员）。

安装与启用¶

插件是 DSH profile 依赖 + bundles 声明，不是 dsh plugin add 一类命令。README 给出三种方式：

下面以 link 为例（路径按本机修改）：

1. 在 DSH profile 的 package.json（例如 C:\Users\<你>\.dsh\profiles\web\package.json）增加依赖并在 dsh.profile.bundles 里启用：

{
  "dependencies": {
    "dsh-ensp": "link:E:/dsh-plugins/dsh-ensp"
  },
  "dsh": {
    "profile": {
      "bundles": ["dsh-ensp"]
    }
  }
}

2. 让 Node 能解析到包（junction 示例）：

New-Item -ItemType Junction `
  -Path "C:\Users\<你>\.dsh\profiles\web\node_modules\dsh-ensp" `
  -Target "E:\dsh-plugins\dsh-ensp"

3. 重启 DSH。技能目录应出现 ensp-automation，工具列表出现 ensp_* 六个工具。

4. 让 AI 调用一次 ensp_status，确认 bridge.available: true、bridge.elevated: true。

配置可在 cordis.patch.yml 的 config 中覆盖，例如 enspExecutable（默认 C:/Program Files/Huawei/eNSP/eNSP_Client.exe）、pythonExecutable / pythonCandidates 等；完整键表见仓库 README「配置项」一节。

典型用法¶

1. 开工前：调用 ensp_status，确认桥、拓扑路径、设备与控制端口状态。
2. 改 IP / 设备名 / 端口规划：优先 ensp_topo，避免为读拓扑去点界面。
3. 下发配置与验证：用 ensp_cli telnet；需要交作业截图时再配合 ensp_shot 或 ensp_gui 的 open_console。
4. 整实验启停：ensp_gui 的 start_all / stop_all（README 本机：启动 11 台约 8.7 s，含等端口）。
5. 收尾：收集截图路径后调用 ensp_doc 生成两份 docx。

若在 Cursor 等环境只用 MCP，在客户端 stdio 配置中指向 bin/dsh-ensp-mcp.mjs 并设置 --workspace，例如：

{
  "mcpServers": {
    "ensp": {
      "command": "node",
      "args": ["E:/dsh-plugins/dsh-ensp/bin/dsh-ensp-mcp.mjs", "--workspace", "E:/labs"]
    }
  }
}

只想搭拓扑、自动布局时，README 提到可并存社区项目 Heaxu/ensp-mcp；本插件侧重启设备、开 CLI、截图与报告。

适用场景与注意¶

适合：已在 Windows 上跑 DSH + eNSP，希望把重复实验流程交给 AI agent（课程实验、连通性验证、带截图报告）。

务必注意：

• 非 Windows 无法使用；坐标与窗口布局在不同分辨率/主题下可能需重新确认（技能与 README 中 ⚠ 标注项）。
• 插件通过提权桥操作本机 GUI 与 telnet；以当前 DSH 进程权限运行，安装前请阅读 MIT 许可证 与源码，仅在可信环境启用。
• UAC 默认且 DSH 非管理员时，一场完整实验可能弹大量授权框；README 建议管理员运行 DSH，或桥配置 mode: "serve" 常驻侧车（整个会话约弹一次）。
• SkillHub 为社区插件目录，与 DeepSeek / 幻方无官方从属关系；版本、星标以各站点与 GitHub 页面为准。

结尾¶

dsh-ensp 把 eNSP 实验里「慢且易错的鼠标路径」压缩成批量 GUI 与 telnet / 文件 / 截图通道的组合，并附带实验报告生成与可选 MCP 暴露，适合作为 DSH 工作流插件接入网络实验自动化。

• 目录页：https://www.skillhub.cn/plugins/YunoSeng/dsh-ensp
• 仓库：https://github.com/YunoSeng/dsh-ensp