dsh-mmx-bridge

一个工具 = MiniMax 全部多模态能力。 让 DeepSeek Harness（DSH）的纯文本模型直接看图、画图、生成视频、说话、唱歌、翻唱、搜索、查额度。

English · 简体中文

概述（Overview）

DSH 默认只支持纯文本对话——看不了图、画不了画、说不了话、做不了视频。dsh-mmx-bridge 通过一个 mmx_bridge 工具接入 MiniMax 全栈多模态模型，一次安装，8 种能力即开即用：

v1.0.5 起：拖图直接发送，AI 就能识别——输入零改动。 拖入/粘贴图片后正常发送：你的消息（图片＋提示词）在会话里原样显示，一个字节都不改。插件在背后把图片落盘到临时目录（默认 /tmp/mmx-out/）并替换为「图片地址＋本地路径」文本——Agent 收到地址后自动调用 read_image / mmx_bridge(describe) 查看图片。你感知不到中间过程。

v1.0.7 起：图片识别缓存（内嵌 JSON，默认开启）。 识别结果以 imgjson 标准块（PNG tEXt / JPEG COM）写回图片本身，同图同问题再次读取直接复用，零 VLM 调用；追问按问题分层缓存，各层互不覆盖；图片被重新编码时缓存自动失效重建。可在设置页「插件配置」关闭。

兼容性（Compatibility）

| 项目 | 说明 | |:--|:--| | DSH 版本 | 0.1.0-rc.7+（Web GUI profile） | | 运行时依赖 | Node 内置模块 + @deepseek-ai 生态 peer 包（宿主运行时提供），无第三方运行时依赖 | | 外部依赖 | mmx-cli（工具调用时；插件支持自动扫描 / 配置路径 / 一键安装 / api-key 一键登录） | | OS | macOS / Linux（一等支持）；Windows 尽力支持（os.tmpdir 默认路径、where mmx 发现、cmd.exe 启动分支已适配，未经真机验证） |

安装与卸载（Install / Uninstall）

前置条件

1. 已安装 DSH（v0.1.0-rc.7+）
2. 已安装 mmx-cli 并登录：npm i -g mmx-cli && mmx auth login

安装

dsh plugin --profile web add dsh-mmx-bridge

⚠️ npm 不通？改用 dsh plugin --profile web add github:welsione/dsh-mmx-bridge

安装后重启 dsh（服务端 ESM 缓存不热替换），再刷新 Web GUI 即可使用。详见 AGENT.md。

让 Agent 帮你装（复制给 Agent 的提示词）

帮我安装 DSH 插件 dsh-mmx-bridge（仓库 https://github.com/welsione/dsh-mmx-bridge ）：

执行 `dsh plugin --profile web add dsh-mmx-bridge` 装到 web GUI profile；npm 拉不动就改用 `dsh plugin --profile web add github:welsione/dsh-mmx-bridge`。装完验证插件已挂载，并提醒我重启 dsh（设置页管理卡片需重启才生效）。

卸载

dsh plugin --profile web rm dsh-mmx-bridge

快速开始（Quick Start）

一个工具，多模态全家桶。mmx_bridge 按 action 分发：

| action | 能力 | 关键参数 | |:--|:--|:--| | describe | 图片理解（VLM） | image＋可选 prompt（追问） | | image | 文生图 | prompt / aspectRatio / count | | video | 文/图生视频 | prompt + 可选 image | | speech | 语音合成 | text / voice | | music | 音乐生成 | prompt / lyrics / instrumental | | cover | 音频翻唱 | prompt + audio 参考音频 | | search | 联网搜索 | q | | quota | 用量查询 | — |

聊天里直接对 Agent 说即可，例如：「描述这张图片」、「生成一张赛博朋克猫的图」、「把这段文字变成语音」。

配置（Configuration）

所有配置均可通过设置页「插件配置」卡片或控制文件调整。

控制文件（默认 /tmp/dsh-vision-control.json）

| 键 | 默认 | 含义 | |:--|:--|:--| | enabled | true | 插件总开关 | | count | 3 | 每次文生图张数（1–8） | | webSearchEnabled | true | web_search 改用 mmx-cli | | readImageEnabled | true | read_image 改用 MiniMax VLM | | imageBridgeEnabled | true | 图片桥：拖图直发、发给 LLM 前落盘替换 | | imageCacheEnabled | true | 识别缓存：识别结果内嵌写回图片，同图同问复用 | | mmxBin | 自动 | mmx 可执行文件路径（留空/删除 = 回到自动扫描） |

键缺省即按默认值（false 显式关闭）。设置页开关写入同一文件。

mmx 环境管理（设置卡「环境」区块）

插件自动完成 mmx-cli 的发现 / 配置 / 安装 / 登录全闭环：

1. 自动扫描：按优先级探测 控制文件 mmxBin > 环境变量 MMX_BIN > 自动扫描（command -v mmx / where mmx、/usr/local/bin/mmx、/opt/homebrew/bin/mmx、npm 全局目录等）；
2. 扫描不到 → 手动配置：设置卡「mmx 路径」输入真实路径保存（校验存在性），留空保存即清除、回到自动扫描；
3. 未安装 → 一键安装：设置卡一键执行 npm install -g mmx-cli（跟随系统 npm 配置），成功后自动重扫；
4. 未登录 → api-key 一键登录：设置卡输入 MiniMax API Key 点「登录」（内部执行 mmx auth login --api-key），Key 不落盘、不写日志、不回显；「登录状态」按钮实时查询 mmx auth status。
5. 模型自助修复（免去后台配置）：新增 mmx_env 工具（status / install / login / set-path）。mmx_bridge 报「找不到 mmx / 未登录 / 命令错误」时，错误信息自带修复引导；Agent 先 status 自查原因，再 install（一键安装）、login（向用户索要 API Key 后登录，Key 不写进输出）、set-path（配置路径）现场修复，最后 status 确认——用户无需进设置页，只管对话。

环境变量（MMX_*）

| 变量 | 默认 | |:--|:--| | MMX_BIN | 平台默认（macOS /usr/local/bin/mmx；Windows mmx） | | MMX_OUT_DIR | 系统临时目录下的 mmx-out（macOS/Linux 即 /tmp/mmx-out） | | MMX_CONTROL_FILE | 系统临时目录下的 dsh-vision-control.json | | MMX_STATUS_FILE | 系统临时目录下的 dsh-vision-status.json | | MMX_DEBUG_LOG | 系统临时目录下的 dsh-mmx-multimodal-debug.log | | MMX_INSTALL_PATH | /api/mmx-bridge/install-mmx | | MMX_LOGIN_PATH | /api/mmx-bridge/login-mmx | | MMX_AUTH_STATUS_PATH | /api/mmx-bridge/auth-status |

权限与数据（Permissions & Data）

• 生成/桥接产物：图片、视频、音频统一保存到 MMX_OUT_DIR（默认 /tmp/mmx-out/），经同源 /mmx-files/ 提供（支持 Range、防目录穿越）。
• 附件读取：桥接时从 DSH 附件存储（attachments/v1）按内容寻址读取图片字节，只读不写。
• 识别缓存写入：只写回插件自建的 bridge-* 副本（位于 outDir 内）；绝不修改 DSH 附件存储中的原始对象。
• 缓存是明文：内嵌 JSON 未加密，懂文件结构的人可读——请勿在图片中放入不宜展示的信息。
• 重新编码即失效：图片经社交平台转存/压缩/截图后，内嵌缓存因 sha256 不匹配自动失效，读取端显式告知而非静默返回旧数据。

常见问题（Troubleshooting）

确认 DSH 版本 ≥ 0.1.0-rc.7，且 mmx-cli 已安装（mmx --version）。刷新 Web GUI 页面后重试。

请确认插件已升级到 v1.0.5+ 并重启 dsh（服务端 ESM 缓存不热替换）、强刷页面；再到 设置 → 插件 → 插件配置 确认「图片桥」为「已启用」。本身支持图片输入的模型自动直通不受影响。

识别结果以内嵌 JSON（PNG tEXt/JPEG COM 标准块）写回图片桥副本。同图同问题再次读取（read_image 或 mmx_bridge(describe)）直接复用并标注 cached:true，零 VLM 调用；不同问题（追问）各自分层缓存，互不覆盖；图片字节变化（重新编码）后缓存显式失效并自动重建。

需插件 ≥ 1.0.4 并重启 dsh（服务端 ESM 缓存不热替换），再强刷 Web GUI 页面。

先运行 mmx auth login 登录 MiniMax 账号。Token Plan 需确保套餐有效。

mmx-cli 直连 MiniMax API（api.minimax.chat），国内一般可直连。如遇问题检查代理设置。

开发（Development）

git clone https://github.com/welsione/dsh-mmx-bridge.git
cd dsh-mmx-bridge
npm test                 # 单元测试（图片缓存 / read_image 包装，真实 PNG/JPEG）
npm run check            # 语法检查（4 个 lib 文件）
dsh plugin --profile web add .   # 本地安装测试

架构

用户对话 → DSH Agent → mmx_bridge 工具 → mmx-cli → MiniMax API
                                                  ↓
                                           /mmx-files/ 同源服务
                                          （图片预览 / 音视频播放器）
识别结果 → imgjson 块内嵌回写图片（PNG tEXt / JPEG COM）→ 下次同图同问直接复用

• 无第三方运行时依赖：Node 内置模块 + @deepseek-ai 生态包（宿主运行时提供）
• 同源产物服务：生成的文件经 /mmx-files/ 路径直接内嵌在对话中，支持 Range 请求
• Web GUI 增强：图片预览、音频/视频播放器、设置页管理卡片自动加载

许可证与安全（License & Security）

• MIT：LICENSE
• 不收集任何遥测；不读取系统凭据；不修改 DSH 附件存储
• 内嵌识别缓存为明文，无需保密信息；按需在写回前自行加密

相关项目

| 项目 | 说明 | |:--|:--| | DeepSeek Harness | DSH 本体 —— 一切皆插件的 Agent 框架 | | MiniMax CLI | MiniMax 官方命令行工具 | | awesome-dsh-plugin | DSH 插件精选集（本插件已收录） | | dsh-recommend | DSH 插件排行榜（本插件已收录） |