ch1bug/dsh-mimo-agent-tools
30最近提交 2026年8月14日
dsh-mimo-agent-tools DSH 插件
mimo-agent-tools 是一个 DSH Cordis 插件，集成小米 MiMo API，为 AI 智能体提供网页搜索、多模态理解（图像、音频、视频）、语音转文字和文字转语音等工具。它使用 Python 驱动来处理大体积多模态数据，避免 Shell 输出截断问题。
如何安装 dsh-mimo-agent-tools DSH 插件
dsh plugin --profile web add /path/to/dsh-mimo-agent-tools复制不会执行命令。安装 dsh-mimo-agent-tools DSH 插件前请核对仓库和版本。
dsh-mimo-agent-tools DSH 插件数据来源
dsh-mimo-agent-tools DSH 插件快照日期：2026年8月16日
discovered
dsh-mimo-agent-tools DSH 插件能做什么
- 通过 `mimo_search` 工具进行网页搜索，返回结果及引用来源
- 通过 `mimo_vision` 进行图像理解，支持本地文件（自动 base64）和公共 URL，多图
- 通过 `mimo_audio` 进行音频理解/转录，支持 wav/mp3/flac/ogg/m4a 格式
- 通过 `mimo_video` 进行视频理解，支持 mp4/webm/mov 公共 URL
- 通过 `mimo_asr` 进行语音转文字，可指定语言偏好
- 通过 `mimo_tts` 进行文字转语音，支持预设声音或自由声音设计，输出 .wav 文件
dsh-mimo-agent-tools DSH 插件适合哪些场景
- 让 AI 智能体直接搜索网页并引用来源
- 分析本地或 URL 中的图像、音频、视频内容
- 将语音转换为文字，用于转录或语音指令
- 生成带有自定义声音设计的文字转语音音频
dsh-mimo-agent-tools DSH 插件适合谁
- 希望为 DSH 智能体添加小米 MiMo AI 能力的用户
- 构建需要多模态理解和语音功能的 AI 助手的开发者
dsh-mimo-agent-tools DSH 插件的限制
- 需要 MiMo API 密钥；`web_search` 工具还需在 MiMo 控制台启用 connected-search 插件
- 依赖主机上的 Python 3 环境（使用 Python 驱动）
- TTS 的 voicedesign 模型不接受 `audio.voice` 字段，改用 `optimize_text_preview`
- ASR 模型不能包含 `thinking` 字段；网页搜索按关键词轮次付费
dsh-mimo-agent-tools DSH 插件的仓库 README 摘录
以下文字摘自 dsh-mimo-agent-tools DSH 插件的上游仓库 ch1bug/dsh-mimo-agent-tools 的 README，版权归原作者，仅作引用。
DSH (DeepSeek Harness) Cordis plugin that turns the **Xiaomi MiMo API** into model tools for an agent: web search, image/audio/video understanding, speech-to-text, and text-to-speech. Backed by the OpenAI-compatible endpoint `https://api.xiaomimimo.com/v1`. ## Tools | Tool | Model | Purpose | |---|---|---| | `mimo_search` | mimo-v2.5-pro | Web search via the native `web_search` tool, returns answer + cited sources | | `mimo_vision` | mimo-v2.5 | Image understanding — local files (auto base64) or public URLs, multi-image | | `mimo_audio` | mimo-v2.5 | Audio understanding / transcription (wav/mp3/flac/ogg/m4a) | | `mimo_video` | mimo-v2.5 | Video understanding from a public URL (mp4/webm/mov) | | `mimo_asr` | mimo-v2.5-asr | Speech-to-text with optional language hint | | `mimo_tts` | mimo-v2.5-tts / -voicedesign | Text-to-speech to a `.wav` file — preset voices or free-form voice design | ## Requirements - A [MiMo API key](https://mimo.mi.com) — the `web_search` tool requires the connected-search plugin enabled in the MiMo console. - `python3` on the host (used by `driver/mimo_driver.py`). - DSH host with the `shell` and `sandboxPolicy` services. ## Configuration The API key
阅读完整 README仓库许可: MIT
dsh-mimo-agent-tools DSH 插件常见问题
如何安装 MiMo Agent Tools 插件？
通过 DSH 插件命令安装：'dsh plugin --profile web add /path/to/dsh-mimo-agent-tools' 或 'dsh plugin --profile web add github:you/dsh-mimo-agent-tools'。安装后，将 Python 驱动复制到默认路径：'mkdir -p ~/.local/lib/mimo-agent-tools/driver && cp driver/mimo_driver.py ~/.local/lib/mimo-agent-tools/driver/'。然后重启 DSH web，工具会自动挂载。
如何配置 API 密钥？
插件会先从 DSH 凭据服务（密钥名 XIAOMI_API_KEY，可通过 web 的 Models 页面设置）读取密钥，然后回退到环境变量 XIAOMI_API_KEY 或 MIMO_API_KEY。无需硬编码密钥。你也可以直接设置环境变量。
这个插件提供了哪些工具？
提供了六个工具：mimo_search（网页搜索）、mimo_vision（图像理解）、mimo_audio（音频理解）、mimo_video（视频理解）、mimo_asr（语音转文字）、mimo_tts（文字转语音）。每个工具使用特定的 MiMo 模型，具体信息见 README 表格。
为什么需要 Python 驱动？
多模态数据（如图像、音频）是大型 base64 字符串，DSH bash shell 捕获标准输出时上限为 64KB，会静默截断大载荷。Python 驱动在一个 Python 进程中处理所有文件读取、请求组装和 HTTP POST，使用磁盘上的 spec/response 文件，避免 shell 截断问题。
TTS 工具有什么限制？
有。'voicedesign' 模型（mimo-v2.5-tts-voicedesign）不接受 'audio.voice' 字段，而是使用 'optimize_text_preview'。TTS 目标文本放在 assistant 消息中，声音描述放在 user 消息中。此外，网页搜索工具按关键词轮次计费，请注意使用量。