sandbase-harness
by sandbaseai
通过 stdio MCP 将 dsh 连接到本地 SandBase Harness 运行时,用于管理代理与会话、流式执行任务、检查产物和取消工作。
Connects dsh to a local SandBase Harness runtime over stdio MCP for managing agents and sessions, streaming turns, inspecting artifacts and cancelling work.
安装
dsh plugin --profile web add github:sandbaseai/sandbase-harnessGitHub 源码安装:首次需按提示配置 allowBuilds 构建授权后重试
安装与环境配置指引、插件开发教程见 DSH 中文社区文档 ↗
安装即在你的机器上以你的权限运行第三方代码——它可读写文件、使用凭据、访问网络,DSH 的工具审批不会为插件代码加沙箱。「检测到 manifest」仅代表发现 dsh.bundle / dsh.plugin 清单,不构成兼容性或安全审查;安装前请审阅源码,不熟悉的插件先在不含密钥的环境试用。
README
English | 中文
一个本地优先、可自托管的 AI Agent Runtime。它把持久化会话、沙箱工具、 Memory、凭证、审计日志、事件回放和可视化 Console 放在同一个运行时边界中, 并提供原生 DeepSeek Harness stdio MCP 插件。
当前稳定版本:v0.3.7
官方 MCP Registry:io.github.sandbaseai/sandbase-harness(状态:
active)
如果只需要轻量接入而不需要完整 Runtime,可使用 SandBase CLI: 它通过本地 stdio MCP Bridge,将 25 个 AI 客户端目标连接到 2,000+ 模型。
为什么需要它
模型 SDK 负责调用模型,但生产 Agent 还需要解决另一组问题:
- 会话和产物如何持久化?
- 工具在哪个沙箱中执行?
- 敏感动作如何经过权限与审批?
- 出错后如何查看事件、回放并恢复?
- 不同模型如何通过同一运行时接入?
SandBase Harness 提供这层运行时基础设施。它不是可视化工作流编辑器, 也不替代模型 SDK。
如果它解决了你的真实 Agent 基础设施问题,欢迎 为仓库点 Star,帮助更多开发者发现它。
在 Codespaces 中试用
仓库内置的开发容器会自动安装依赖并构建运行时。终端准备完成后,在转发端口上启动服务:
node dist/index.js start --host 0.0.0.0
打开转发的 SandBase Harness Console 端口,然后在 Settings > Models 中配置模型。GitHub 可能会对 Codespaces 用量计费;下方的本地快速开始仍然免费, 并会把全部运行时数据保存在你的机器上。
核心能力
- Claude Managed Agents 风格的 /v1 API 和本地 Console
- SQLite 会话、Agent、Memory、Skill、文件、凭证和 API Key 元数据
- 可恢复的 Server-Sent Events 与会话事件回放
- OpenAI、Anthropic、MiniMax 和 OpenAI-compatible 模型边界
- Local、Docker、Kubernetes 和自托管 Worker 沙箱
- MCP Toolset、权限策略、内置工具和 Skill Package
- DeepSeek Harness 原生 stdio MCP Bridge
- TypeScript SDK:managed-agents/sdk
- 发布门禁:npm run release:check
从源码启动
npm 上未加 scope 的 managed-agents 不是本项目。请使用带标签的 GitHub 源码,不要运行 npx managed-agents 或 npm install managed-agents。
git clone --branch v0.3.7 --depth 1 https://github.com/sandbaseai/sandbase-harness.git
cd sandbase-harness
npm ci
npm run build
mkdir ../my-agents && cd ../my-agents
node ../sandbase-harness/dist/index.js init
node ../sandbase-harness/dist/index.js start
打开 http://127.0.0.1:3000/dashboard,进入 Settings > Models, 配置模型 API Key 后即可创建 Agent 和会话。
接入 DeepSeek Harness
先构建固定版本源码并启动 Runtime:
git clone --branch v0.3.7 --depth 1 https://github.com/sandbaseai/sandbase-harness.git
cd sandbase-harness
npm ci
npm run build:runtime
mkdir ../my-agents && cd ../my-agents
node ../sandbase-harness/dist/index.js init
node ../sandbase-harness/dist/index.js start
另开终端,把插件安装到 DSH Web Profile:
export MANAGED_AGENTS_URL=http://127.0.0.1:3000
# 仅在 Runtime 开启认证时设置 MANAGED_AGENTS_API_KEY
# 从上面创建的 my-agents 目录运行,直接安装固定源码,不解析 npm 同名包
dsh plugin --profile web add -w ../sandbase-harness
dsh web
DSH 随后可以通过原生 MCP Namespace:
- 列出 Agent
- 创建和运行持久化会话
- 读取会话状态和产物
- 停止正在运行的任务
完整工具列表、兼容性证据、权限边界和卸载方法见 DeepSeek Harness 集成指南。
如果希望从 DSH 开始,按步骤加入这个第三方 Runtime 插件,请阅读 DeepSeek Harness 开发者指南。
官方社区展示: DeepSeek Harness Discussion #1918。
添加可移植研究 Skill
在同一个 DSH 项目根目录安装无需 SandBase 账号的 multi-source-search:
npx --yes github:sandbaseai/sandbase-skills add multi-source-search
dsh web
安装器会把完整 Skill 写入 DSH 的项目级发现目录 .dsh/skills/multi-source-search。当 DSH 已提供网页搜索和页面读取工具时, 该 Skill 不需要 SandBase API。
工作区结构
my-agents/
├── agents/ # YAML Agent 定义
├── skills/ # 启动时导入的 Skill
└── .managed-agents/ # Runtime 状态(应加入 gitignore)
├── config.yaml
├── data.db
├── logs/
├── files/
├── skills/
├── snapshots/
└── sandbox/
安全边界
- API Key 应只通过环境变量或受控配置传入,不要写入 Prompt 或提交到 Git。
- 默认 Local Sandbox 以当前操作系统用户执行命令,适合可信开发环境。
- 需要更强隔离时使用 Docker 或 Kubernetes Sandbox。
- DSH MCP 子进程只连接 MANAGED_AGENTS_URL,有效权限由 MANAGED_AGENTS_API_KEY 决定,Bridge 不持久化凭证。
安全问题请使用仓库的 Security 页面, 不要在公开 Issue 中附带 API Key、工作区数据或会话产物。
文档
开发与验证
npm ci
npm run typecheck
npm test
npm run build
npm run release:check
项目采用 Apache-2.0 许可证。欢迎通过 Issues 和 Discussions 反馈问题、分享集成经验或参与贡献。
原始 README: https://github.com/sandbaseai/sandbase-harness/blob/main/README.zh-CN.md ↗
同类插件
查看全部 →
deepseek-harness
从仓库或系统描述生成经过校验的自包含交互式架构图、流程图、时序图、数据流图和生命周期图。

dsh-plugin
通过 DSH MCP 客户端挂载 Ouroboros 的纯配置包,在 DSH 中提供 36 个涵盖需求访谈、Seed、执行、评估与演化流程的工具。

dsh-tongflow
基于 TongFlow 的“片场”插件,用于图片、配音、音乐与视频制作:agent 为每个资产生成 TongFlow 工作流文件(.tongflow.json)并通过 TongFlow 插件执行,内嵌工作流画布,按镜头/角色/take 组织项目,附漫剧模板;以 @tongflow 开头的会话进入 Studio 界面。

helloagents
AI 编码 CLI 的工作流层:技能、项目知识、交付检查、更安全的配置写入与可恢复执行

dsh-ai-novel-writer
安装专用 AI 小说创作预设与工作台:提供带修订号的本地项目资产、紧凑侧边工作台,以及需要原生审批的逐文件变更。

rea
用 agent 逆向任何东西:从应用行为到原生二进制