让界面成为 Agent 的一种语言：我做了个 DeepSeek Harness GenUI 插件

[pengyue-polaron]

人和 Agent 之间，不该只有聊天框。

现在大多数 Agent 的工作流还是：用户说一段话，Agent 再回一段话。多数时候这没问题，但有两类任务会变得很别扭。

一类是文字很难讲清的东西。比如一个系统里的调用路径、光合作用中几个变量的关系，或者银河系里的尺度。与其读几段解释，不如直接拖动、点击，看结果怎么变。

另一类是用户很难用文字回答的东西。比如从一周日程里挑三个时间段、组合一组复杂参数，或者在多个方案之间反复比较。让用户把每个条件重新打一遍，既慢，也容易丢信息。

所以我做了 DeepSeek Harness GenUI。

它不是“输入一句话，生成一个网站”的 App Builder。它更像是 Agent 任务里临时长出来的一层界面：需要时出现，不需要单独部署，也不用把工作切到另一个 App 里。

我想打通的是这条链路：

语言 → 界面 → 操作 → 状态 → 下一轮对话或工具行动

Agent 可以用界面表达；用户可以直接在界面里回应；页面明确保存的选择、输入、草稿和进度会回到当前任务，供 Agent 后续轮次读取。

关键不只是“生成了一个页面”。如果页面声明了某个 Harness/MCP 工具，它还可以在用户对当前任务授权后调用这个工具。没有声明的调用会被拒绝，MCP 凭据也不会进入生成代码。页面直连只支持提前声明、无需凭据的公开 HTTPS。

也就是说，这块界面可以同时是 Agent 的表达、用户的结构化回应，以及经授权后连接真实工具的入口。

比如安排日程时，Agent 可以先把候选时间做成一个可选界面。用户保存三个时段后，下一轮直接说“把我刚才选的三个建好”，Agent 就能读取这些选择；真正调用日历工具时仍会单独申请授权。

解释概念时，则可以把变量和关系做成能操作的模型：

在 CLI 里也能用。明确要求生成 GenUI 后，Agent 会返回一个 localhost 页面；页面中保存过的代码路径或参数，同样可以在下一轮接着问。

普通问答、改写、摘要和简单列表仍然只返回文字。只有当点击、拖动、比较或图形化表达确实更合适，或者用户明确要求时，才生成界面。

目前支持 Inline、Canvas、全屏、CLI localhost、任务级状态回读、经授权调用已声明工具，以及导入和导出 DESIGN.md。生成代码在沙箱中运行。

项目地址：https://github.com/pengyue-polaron/deepseek-harness-genui
npm：https://www.npmjs.com/package/dsh-plugin-genui

当前版本是 v0.12.2，MIT License，非官方插件，由我个人维护。

我现在最想收集的是真实使用场景：你有没有遇到过那种文字来回说很久，但如果 Agent 当场给你一个能点、能拖、还能继续用的界面，事情会简单很多的任务？