mr-potato-123/dsh-mcp
Developer toolsこのページは AI により自動翻訳されています。技術的な詳細は原文をご確認ください。 原文を見る
DSHをMCPとして使えば、Claudeのコードやコデックスなどをより速く、よりパワフルで経済的にしましょう!
概要
エージェント型コーディングツールが高価で遅いのは、親モデルがファイルを一つずつ読み込むからです。DSH-MCPはこれを逆に行います — バッチ読み込み、編集、コマンド実行を、あなたのマシン上でDeepSeek-V4-Flashレートで価格設定します。 長期的で複数ファイルの作業は、エージェント型ツールが時間とお金を浪費する場です。親モデルはすべてのファイル自体を細かく処理し、ファイルごとに1回の読み取り、探索ループ、成長と漂流のコンテキストを繰り返します。あなたは親のトークンごとの料金を支払い、モデルが直列的に処理するのを待つだけです。 1 delegate_to_dshコールでトークンの多いサブタスク全体が、ワークスペース内で稼働する新しく集中したDeepSeek Harnessエージェントに渡されます。すべてのファイルI/Oはそこで行われます — バッチ処理され、ローカルで、安価に行われます。親ファイルは、実際に頭脳が必要な部分について常に情報を共有します。
概要（AI 翻訳）
速くて安価 — 重労働はdeepseek-v4-flashで動く。
MCPエージェント向けの処刑層 — ローカルのDeepSeekハーネスで駆動。
エージェントコーディングツールが高価で遅いのは、親モデルのせいです
ファイルを一つずつ読みます。dsh-mcp それを裏返す — 親エージェントは
理由として、地元のDeepSeek Harnessが重労働を担っている:バッチは、
編集やコマンド実行は、DeepSeek-V4-Flashレートで、あなたのマシン上で行われます。
どのMCPクライアントでも動作 ·Claudeコードでエンドツーエンドでテスト
** 🌐 英語 ·简体中文 ·日本語**
なぜ:速くて安い、それが設計上
**痛み。**長期的で多ファイルな仕事は、エージェントのツールが金を流す場です
時間:親モデルはすべてのファイル自体をグラインドします — 1つあたり1つ Read
ファイル、探索ループ、成長し漂うコンテキスト。親の支払い
読み取りのトークンごとのレートをモデルが処理するのを待ちます
連続。
修正。 1つのdelegate_to_dsh呼び出しはトークン多いサブタスク全体を次のに渡します。
新鮮で集中したDeepSeek Harnessエージェントが内部でdeepseek-v4-flashを動かしている
あなたのワークスペースです。すべてのファイルI/Oはそこで行われます — バッチ処理され、ローカルで、安価です。その
このページは AI により自動翻訳されています。技術的な詳細は原文をご確認ください。
README
以下は原文 README の抜粋です。原文を見る。
Why: fast and cheap, by design
The pain. Long-horizon, multi-file work is where agentic tools bleed money
and time: the parent model grinds through every file itself — one Read per
file, exploration loops, context that grows and drifts. You pay the parent’s
per-token rates for the reading, and you wait for the model to do it
serially.
The fix. One delegate_to_dsh call hands the whole token-heavy subtask to
a fresh, focused DeepSeek Harness agent running deepseek-v4-flash inside
your workspace. All the file I/O happens there — batched, local, cheap. The
parent stays in the loop for what actually needs a brain: planning,
diagnosis, decisions, verification.
Measured on 100 SWE-bench-style long-horizon tasks (heterogeneous model setup: parent = deepseek-v4-pro, DSH = deepseek-v4-flash; arm B runs the same parent model without the plugin):
with dsh-mcp |
raw agent | |
|---|---|---|
| Accuracy | 100/100 · 100% | 89/100 · 89% |
| Avg. wall time | 76s | 120s |
| Statistical significance | — | Fisher p < 0.001 |
Faster, more accurate — and the accuracy gap is now statistically significant (p = 3.7×10⁻⁴ at n=100), not just directional. The expensive reads now run on deepseek-v4-flash. Full report · Reproduce it
How it works
The prompt used to generate this is in
docs/architecture-image-prompt.md.
- A standard MCP stdio server. Any client that speaks MCP can use it — Claude Code is the client we validated end-to-end (real API calls, subdir launches, Chinese, spaces in paths).
- Parent-agent model. Each delegation is one self-contained subtask; DSH is a stateless worker (fresh process per call — no session to corrupt).
- Zero config, works out of the box. The DSH CLI is auto-discovered (env override →
sibling checkout → child checkout → installed under
%USERPROFILE%\.dsh). - Windows-first.
process.execPath+ explicit argv,shell: false— no
インストール
This server does not publish a one-line install command.
Open the repository installation guide MCP 初心者？mcpskill.org のガイドから始めましょう →設定
{
"mcpServers": {
"dsh": {
"command": "node",
"args": ["D:\\path\\to\\dsh-mcp\\dist\\index.js"],
"env": { "DEEPSEEK_API_KEY": "sk-..." }
}
}
}