在玩dsh【如何创建mcp与dsh配合使用】

ai 2026年08月19日 · 阅读

我已经把 DSH 里 MCP 相关的实现和本机配置都查清楚了（dsh-mcp-client 插件、profile 结构、凭据机制、当前 settings.yaml）。下面是完整答案。

一、DSH 与 MCP 的关系

DSH（DeepSeek Harness）本身是 MCP 客户端：内置桥接插件 @deepseek-ai/dsh-mcp-client（已随 @deepseek-ai/dsh 安装在 /root/.dsh/profiles/node_modules/，不需要额外安装）。你只需要：

准备一个 MCP 服务器（现成的，或自己用官方 SDK 写一个）；
在 web profile 的配置里声明它，DSH 就会连上去、把服务器上的工具注册给模型，工具名形如 mcp__<serverName>__<工具名>（和 Claude Code / Codex 的命名一致）。

二、接入现成 MCP 服务器（两步）

第 1 步：编辑 /root/.dsh/profiles/web/cordis.patch.yml（这是用户覆盖层，不要动自动生成的 cordis.yml），追加一个 insert 列表。两种传输方式任选：

- insert:
    # 方式一：stdio —— spawn 一个子进程（如官方 GitHub 服务器）
    - id: mcp-github
      name: '@deepseek-ai/dsh-mcp-client'
      config:
        serverName: github          # 命名空间，[A-Za-z0-9_-]{1,32}，须唯一
        transport: stdio
        command: npx
        args: ['-y', '@modelcontextprotocol/server-github']
        env:
          GITHUB_TOKEN: !!js process.env.GITHUB_TOKEN

    # 方式二：streamable-http —— 连接一个 HTTP MCP 端点
    - id: mcp-myserver
      name: '@deepseek-ai/dsh-mcp-client'
      config:
        serverName: myserver
        transport: streamable-http
        url: http://127.0.0.1:3001/mcp
        headers:
          Authorization: !!js '`Bearer ${process.env.MCP_TOKEN}`'

第 2 步：保存即可生效。web 应用开着 HMR，配置改动会触发断开→重连→重新发现工具，无需重启进程。模型立刻就能调用 mcp__github__create_issue 这类工具。

常用配置项：

字段	传输	说明
`transport`	两者	`stdio` 或 `streamable-http`
`serverName`	两者	工具命名空间，存活实例中唯一
`command` / `args` / `env` / `cwd`	stdio	子进程启动方式（env 覆盖在净化后的环境之上）
`url` / `headers`	http	端点与认证头
`toolCallTimeoutMs`	两者	单次工具调用超时，默认 60000
`failOnStartupError`	两者	初始连接失败是否拒绝激活，默认 false（仅记日志）
`reconnect.*`	两者	自动重连策略（默认开启，指数退避）

三、自己写一个 MCP 服务器再接入

用官方 SDK 写个最简 stdio 服务器（TypeScript）：

// my-server.ts
import { McpServer } from '@modelcontextprotocol/sdk/server/mcp.js';
import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';
import { z } from 'zod';

const server = new McpServer({ name: 'demo', version: '1.0.0' });
server.tool('echo', { text: z.string() }, async ({ text }) => ({
  content: [{ type: 'text', text }],
}));
await server.connect(new StdioServerTransport());

然后同样在 cordis.patch.yml 里注册：

    - id: mcp-demo
      name: '@deepseek-ai/dsh-mcp-client'
      config:
        serverName: demo
        transport: stdio
        command: node
        args: ['/root/plex/my-server.js']

HTTP 版则把 StdioServerTransport 换成 StreamableHTTPServerTransport 挂到任意 Web 框架上，DSH 用 transport: streamable-http + url 接入。注意 DSH 只桥接 MCP 的 tools 能力（resources/prompts 暂未消费）。

四、b.ai 的 API key 能用吗？

能用，而且本部署默认就是走 b.ai。 当前 /root/.dsh/settings.yaml 里已经是：

llm-deepseek:
  baseURL: https://api.b.ai/v1
agent-default-model:
  provider: deepseek-official
  model: deepseek-v4-flash

即 deepseek-official 这个路由（dsh-llm-deepseek 适配器）请求的就是 api.b.ai/v1（OpenAI 兼容路径，我实测 /v1/models 返回 401 待鉴权，端点真实可达）。存 key 有三种方式，优先级从高到低：

Web 界面：设置 → 模型（Models）→ DeepSeek 那一行 → 填 API 密钥。密钥经 credentials.set 只写存入 ~/.dsh/.credentials.yaml（0600 权限，永不回显），立即生效，不用重启；
环境变量：启动时 DEEPSEEK_API_KEY=sk-… dsh（启动环境层始终优先且只读，适合 CI/容器）；
手写凭据文件：~/.dsh/.credentials.yaml，格式就是一个 mapping，如 DEEPSEEK_API_KEY: sk-…。

两点提醒：

默认凭据引用是 DEEPSEEK_API_KEY；如果你在 Models 页输入，页面会自动派生并保存这个引用；
MCP 与 LLM key 是两回事：b.ai 的 key 只供 deepseek-official 这条 LLM 路由使用。你写的 MCP 服务器如果要自己调 b.ai（或其他）API，需要在它自己的 env 里单独配置（如 env: { BAI_API_KEY: '…' }），互不干扰。

如果你告诉我具体想接哪个 MCP 服务器（比如 GitHub、Playwright、某个自建服务），或想让我直接帮你写一个示例 MCP 服务器并把配置写进 cordis.patch.yml，我可以直接动手改好。

沙盒能完成的任务类型

1. 代码开发与调试

写、改、重构代码（支持多语言，通过文件编辑 + shell 执行）
跑测试、构建项目、修 bug、代码审查
示例：给你写一个 Python/Node 脚本，直接在沙盒里运行验证结果

2. 数据处理与分析

写脚本处理 CSV / JSON / 日志文件、批量转换格式、批量重命名
数据清洗、统计计算、生成图表（matplotlib 等可安装）

3. 网络与信息获取

实时联网搜索（web_search 工具，带来源链接）
用 curl 抓取网页、调用 API、下载文件
示例：抓取某个网站的数据存成结构化文件

4. 多代理并行协作（特色能力）

子代理：把独立任务（比如"分析 A 文件""写 B 模块的测试"）并行委派给多个子代理同时干，效率翻倍
工作流：大规模编排，几十个子代理分阶段并行处理（比如批量审计一堆文件、多角度调研）
长周期目标：一个目标可以跨多轮自动持续推进，中途断点续做

5. 环境运维类

安装依赖（npm install、python3 -m pip——注意没有 pip3 命令，但可用模块方式）
git 克隆/提交、后台长任务运行（如长时间运行的服务器、爬虫）

6. 与 Web GUI 集成

当前 DSH 管理界面跑在 http://127.0.0.1:3080，可以开发/修改前端界面和插件

限制说明

文件沙盒：默认只能写 /root/plex；需要写工作区外（如 /etc、/usr）时，命令会被拒绝，我可申请临时提升权限（workspace-write 或 danger-full-access），需你批准
资源有限：2 核 / 1.9GB 内存，不适合跑重型训练、大型构建（比如编译 Chromium）
无持久 shell 状态：每条命令都是全新 shell，环境变量和 cwd 不保留，需显式传入
无浏览器自动化：不能帮你操作真实浏览器页面（没有 playwright/selenium 类工具）
系统级操作：默认无 root 系统管理权限，装系统包（apt）需要提权审批

简单说：凡是"写代码、跑脚本、处理数据、上网查信息、并行委派子代理"这类工作，沙盒都能做；

附注（Ray）: 过程比较详细，应该可以避免不少幻觉/胡说吧