¿Qué es la Harness de DeepSeek
DeepSeek tiene código abierto el tiempo de funcionamiento agente DeepSeek Harness: versión v0.1 se libera en modo de previsualización del desarrollador y está disponible bajo la licencia MIT. El proyecto se distribuye como dsh paquete en el repositorio Deepseek-ai/deepseek-harness.
Según los autores, Harness es una capa entre el modelo y el ambiente en el que opera. Incluye herramientas, un sistema de archivos, cajas de arena y un circuito de control. La fórmula es simple: Agente = Modelo + Harness. En otras palabras, esto no es un asistente listo, sino un marco desde el cual se monta tal asistente.
Es importante entender: v0.1 es específicamente la infraestructura del desarrollador. Aún no está destinado a cargas de trabajo de producción, pero te permite validar las ideas arquitectónicas del proyecto en una etapa temprana y construir tus propias soluciones encima de ellas.
Arquitectura: todo es un plugin
La principal diferencia de la mayoría de los arneses con una capa fija es la posición indicada literalmente en las primeras líneas del README: todo es un plugin. Modelos, herramientas, habilidades, sesiones, sandboxes, almacenamiento, bucles de ejecución, agendadores, e incluso la interfaz de usuario están externalizados como plugins Cordis.
Cordis es un metaframework cuyo diseño se describe en el documento "A Programming Paradigm for Spatiotemporal Composability". Su núcleo es responsable solamente de montar y desmontar plugins y gestionar sus dependencias. Todas las capacidades viven en plugins, no en un núcleo privilegiado — esta es una decisión arquitectónica clave.
La implicación práctica: cualquier componente puede ser seleccionado, reemplazado o extendido directamente en la configuración sin tocar el código fuente de DeepSeek Harness. En efecto, se trata de un constructor para los tiempos de ejecución agentes a la medida de una tarea específica, no un ayudante de codificación fijo.
Cuatro modos de funcionamiento
El proyecto ofrece cuatro modos preestablecidos:
- Estándar — un agente de codificación completo: edición de archivos, shell, búsqueda de archivos y web, habilidades, planificación, objetivos, subagentes y flujos de trabajo.
- Código — las mismas herramientas, pero accesible a través del SDK del Modo de Código: el modelo monta operaciones de varios pasos en un solo programa TipoScript.
- Minimal — un ambiente "bare" con sólo dos herramientas (bajo persistente y str replace editor), diseñado para el modelo de referencia.
- Creador — un modo de inspección de tiempo de ejecución, experimentación de plugins en memoria, y consejos para crear presets.
Este conjunto de modos le permite utilizar el mismo tiempo de ejecución para los agentes de producción, evaluación de modelos y depurar sus propios plugins — sin cambiar a marcos separados.
Trazabilidad completa de las carreras
Cada carrera en DeepSeek Harness es completamente rastreable. El registro de sesión sólo de apéndice registra todo lo que el modelo ve: los impulsos del sistema, el razonamiento, las llamadas de herramientas y sus resultados, la planificación subagente y cada inyección de contexto. Este último es una promesa notablemente más fuerte que el registro ordinario de llamadas de herramientas.
Construido en la parte superior de esta secuencia de eventos es una visión de trayectoria para los registros de navegación por fuente, así como reanudar, tenedor, búsqueda y repetición. Cualquier sesión puede ser revertida, forzada, encontrada por contenido, y repetida, lo cual es crítico para depurar y para las acciones de los agentes auditivos.
Modelos y proveedores
Model routing es también un plugin, y esta es una continuación lógica de la arquitectura general. En Ajustes → Modelos, una clave de API de DeepSeek tiene efecto desde la siguiente solicitud, sin reiniciar el servidor. El catálogo de proveedores incorporados añade antrópico y OpenAI a través de la clave de API.
Para los servicios de nube empresarial, se requieren credenciales nativas: para Bedrock — credenciales de AWS y una región, para Vertex — un proyecto con ADC, para Azure — api-versión, para Codex — OAuth. Además, los proveedores personalizados son compatibles: simplemente especificar cualquier URL y protocolo base compatible con OpenAI.
Las claves se almacenan con una bandera escrita en la $DSH_HOME/.credentials.yaml archivo; los ajustes guardan sólo una referencia a las credenciales, no los secretos mismos. Esto es conveniente tanto desde un punto de vista de seguridad como cuando trabaja en un equipo.
Cómo ejecutar y conectar el SDK
Web UI
La forma más simple de probar el tiempo de ejecución es el comando npx @deepseek-ai/dsh web, que comienza la interfaz web http://127.0.0.1:3080. Si usted prefiere construir de la fuente: git cloneEntonces pnpm install, pnpm run build, y pnpm dsh web.
Python SDK
Para la integración programática, se proporciona el paquete profundo-harness-sdk. Requiere Python 3.10 o más reciente, y las plataformas compatibles incluyen Linux x64, Linux arm64 y macOS 14+ en el brazo64. Un detalle agradable: el tiempo de funcionamiento incorporado no requiere un sistema Node.js, por lo que no necesitará configurar un entorno adicional para dirigir agentes.
¿Quién puede ser útil para
El público objetivo del proyecto es las startups nativas de AI y los equipos de experiencia de desarrolladores en empresas grandes y medianas. Las empresas reguladas pueden pilotar DeepSeek Harness localmente: se distribuye bajo el MIT y es autoanfitriona, lo que significa que los datos sensibles nunca salen del perímetro.
Las industrias en las que tal tiempo de ejecución parece apropiado incluyen: desarrollo de software y devtools, servicios financieros y seguros con su necesidad de funcionamientos de agentes auditables, atención médica y farmaceutica, proveedores de nubes y semiconductores, y laboratorios de investigación académica e industrial.
Los casos de uso típico incluyen agentes de codificación interna para repositorios privados, evaluación de modelos en un entorno controlado, observabilidad de agente con repetición de ejecución, políticas de sandbox personalizado y aprobación, y embalaje de herramientas internas en plugins reutilizables. Todo esto encaja en la idea general: en lugar de tomar un asistente listo, construir un tiempo de ejecución adaptado a sus necesidades.
