Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@dsh-mcp-connector send DSH a message asking it to summarize my open pull requests"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
把外部 AI 客户端和**本机 DeepSeek Harness（DSH）**接起来的两件小工具，零依赖，不动 DSH 本体。
Two zero-dependency tools that bridge external AI clients and a local DeepSeek Harness (DSH): an MCP server that lets any MCP-capable client send messages into DSH, and a CDP driver that dispatches tasks into the Doubao desktop app.
外部 AI 客户端 ──MCP──▶ dsh-mcp-connector ──▶ dsh --profile headless ──▶ DSH
(Claude Code / Cursor / VS Code / Codex / Kimi Code / CodeBuddy / Qoder / TRAE /
ZCode / Step Code / MiniMax Code / Coze …)
DSH / 脚本 / HTTP ──入队──▶ tasks.jsonl ──task_claim──▶ 任意 MCP 客户端（拉取式任务队列）
脚本 / DSH ──CDP──▶ doubao-cdp ──▶ 豆包桌面版（把任务下发进它的聊天框）DSH 随发行体只带了 MCP 客户端（dsh-mcp-client），没有 MCP server 半区；它的 Web API 又需要浏览器 cookie 与 Host/Origin 围栏，第三方程序难以直接持有。所以「让别的 AI 给 DSH 发消息」必须有一个独立桥——这就是本仓库的第一个工具。
反方向（把任务下发给别家 AI）没有任何官方入站 API，只能走 GUI 自动化——这是第二个工具。
而 MCP 工具只在客户端自己的回合里执行，推送不进去；所以真正能自动化的派活方式是拉取：生产者入队，客户端领取。这部分已经做进第一个工具（task_claim / task_complete / task_publish / task_list + POST /tasks）。
Related MCP server: TaskFlow MCP
路径 | 作用 |
MCP server（stdio + Streamable HTTP 双传输），暴露 | |
用 Chrome DevTools Protocol 驱动豆包桌面版（Electron）： | |
DSH Web 侧栏徽章：把 | |
给 AI agent 用的技能包：17 个 MCP 客户端的配置矩阵、陷阱表、以及「未证实项」清单 | |
设计说明：为什么必须有独立的桥、DSH 的五个机器入口面、队列为何是拉取式、两个方向的合规结论、已知失败模式 | |
注册助手：把连接器写进各 MCP 客户端的配置文件，不用手抄 JSON/TOML |
各自的使用方法见对应 README。
git clone https://github.com/ganmayou2333/dsh-ai-bridge
cd dsh-ai-bridge
npm test # 两套密封测试：不需要 DSH，也不需要豆包
cd dsh-mcp-connector
node selftest.mjs # 完整自测（多跑两项需要本机 DSH 的检查）
# 然后在你的 MCP 客户端里加一条 stdio server：
# 命令: node
# 参数: <你的路径>/dsh-ai-bridge/dsh-mcp-connector/server.mjs
# 环境: DSH_BIN=<dsh 可执行文件> DSH_WORKSPACE=<DSH 会话工作目录>
# 逐客户端配置见 dsh-mcp-connector/README.mdnode scripts/register.mjs --list # 看每个客户端的配置文件位置与注册状态
node scripts/register.mjs --client cursor --dry-run # 只打印将要写入的内容，不落盘
node scripts/register.mjs --client vscode # 写入（已存在的文件会先备份成 .bak）
node scripts/register.mjs --client all --dry-run # 一次看全部支持的客户端与各自的坑都编码在里面（ZCode 的 mcp.servers、Step Code 的 TOML、CodeBuddy/MiniMax 必须显式 type: stdio、VS Code 的 servers）。claude-code 是 CLI 管理的，脚本不写文件，只打印该运行的 claude mcp add 命令。
写入前建议先 --dry-run 看一眼；测试用 --root/--project 重定向到临时目录，不会碰你的真实配置。
要求：Node ≥ 20（本机用 v24 验证）、一个可用的 DSH 安装（dsh 命令）。
项 | 证据 |
| 61 项断言全过，退出码 0（密封 |
离线自测（CI 用） | 58 项通过 / 2 项跳过，退出码 0；跳过的两项需要本机装好 DSH。工作流见 |
真实模型调用 | 一条消息 3.7 秒返回，拿到 |
真实 MCP 客户端握手 | Claude Code 2.1.226 完成握手并协商到协议 |
| 连续 3 次下发-回传成功，最后一次为 |
| 成功路径（队列完成 → 退出 0 |
豆包启动确认 | 34 项断言全过：端口关闭 / 端口通但无匹配页面 / 就绪 / |
状态回报 | 34 项断言全过：固定词表与别名、ini 开关、被关掉的状态静默 no-op、限流（关键状态永不丢）、截断、终态不可覆盖、崩溃半行、时间线排序、忙闲与疑似卡死； |
调用前五维识别 | 23 项断言全过：连通 / 模式 / 命令能力 / 忙闲 / 通道，三态区分（ |
状态推送（P2） | 16 项断言全过：只推阶段转换（ |
状态面板（DSH Web 侧栏徽章） | 54 项断言全过： |
统一入口 | 仓库根 |
自测默认不产生模型费用；DSH_MCP_CONNECTOR_LIVE=1 node selftest.mjs 会追加一次真实调用。
dsh-mcp-connector 的 stdio 模式由客户端进程本身充当信任边界；HTTP 模式强制 Bearer token，默认只绑 127.0.0.1，未列入白名单的 Origin 一律 403。要上公网请再套 TLS 反向代理并换掉示例 token。
外部投递的消息在 DSH 内以 {kind:"user"} 进入会话，与真人输入不可区分——请让下游在任务文本里自带来源标记。
不要相信任何 AI 客户端的"我已经调用了工具"。实测：豆包在连接器未启用时会回复「已调用 task_claim，status 为 ok」，而队列里那条任务仍是 pending。核实副作用（队列事件、文件、日志）才是唯一证据——doubao-cdp/dispatch.mjs 就是按这个原则写的。
doubao-cdp 需要给豆包加 --remote-debugging-port，这意味着本机任何进程都能接管你的豆包（读聊天、以你身份发消息）。不用时退出并正常启动。
两者都只做消息投递：不要把外部订阅凭证当作 DSH 的模型后端，那违反各家消费者条款。
MIT，见 LICENSE。
This server cannot be deployed
Talk to your public-facing AI from any MCP client — Claude, ChatGPT, Cursor, Cline, Windsurf.
Real-time chat for AI agents. Claude Code, Cursor, Cline and Codex join channels over MCP.
Real-time chat hub for AI agents — Claude Code, Cursor, Cline, Codex over MCP or REST.
Nifty's MCP server — exposes tasks, projects, messages, and files as tools for AI agents.
