Hace tiempo que no nos vemos~ Soy Lena.
DeepSeek Harness, o dsh, es un entorno de ejecución de agentes de código abierto desde agosto de 2026. DeepSeek Harness está en vista previa para desarrolladores. La versión corta es: modelo más harness igual a agente. El modelo maneja el razonamiento; el harness maneja herramientas, entorno, sesiones, permisos, sandboxing y el ciclo de ejecución. DeepSeek Harness no es simplemente "el código Claude de DeepSeek". Es más bien un entorno modular para componer agentes.
¿Qué es DeepSeek Harness?
DeepSeek Harness es un harness de agentes que se ejecuta alrededor de un modelo y decide cómo opera el agente. El repositorio oficial describe dsh como código abierto, con licencia MIT, en vista previa para desarrolladores y construido alrededor de una idea: todo es un plugin. Un modelo puede responder, pero un harness decide lo que el modelo puede ver, qué herramientas puede usar, qué se registra y cuándo se requiere aprobación.
npx @deepseek-ai/dsh web
En una frase: el modelo piensa; el harness hace que ese pensamiento sea ejecutable dentro de un entorno controlado.
Cómo Funciona “Todo es un Plugin”
Cordis como el Núcleo del Plugin
DeepSeek Harness funciona con Cordis, un meta-framework para plugins componibles. Pienso en Cordis menos como “el cerebro del agente” y más como la placa base bajo el agente. Carga plugins, gestiona su ciclo de vida y les permite registrar servicios, eventos y efectos reversibles. Cordis en sí no proporciona planificación, codificación o memoria. Le da a dsh una forma de montar esas partes sin hacerlas intocables.
Qué se Puede Reemplazar
Las notas de arquitectura dicen que el adaptador del modelo, el registro de herramientas, el registro de sesiones y el ciclo del agente son todos plugins, por lo que cada parte puede ser reemplazada a través de la configuración. La misma idea se aplica a Skills, almacenamiento, proveedores de sandbox, interfaces de usuario, acceso al sistema de archivos y política de ejecución. No hay un núcleo privilegiado que debas parchear primero.
En un agente de codificación fijo, usualmente aceptas el ciclo empaquetado, el conjunto de herramientas, el modelo de aprobación y la UI. En DeepSeek Harness, esas piezas se convierten en infraestructura componible. Algo no está del todo claro aquí, porque la libertad de plugins también significa más responsabilidad.
Lo que DeepSeek Harness Incluye Hoy
Ajustes Predefinidos y Modos de Ejecución
A partir de la vista previa para desarrolladores de agosto de 2026, los modos de ejecución a verificar son Standard, PTC, Minimal y Creator. No trataría esos nombres como permanentes porque el repositorio advierte que pueden ocurrir cambios que rompan la compatibilidad.
Estándar es la configuración completa. PTC parece orientado a la agrupación de herramientas en modo código. Minimal mantiene la superficie pequeña, usualmente alrededor de cambios persistentes en shell y archivos estilo editor. Creator apunta a flujos de trabajo de autoinspección o creación de plugins.
Sesiones Reproducibles y Múltiples Interfaces
El modelo de sesión importa. DeepSeek Harness registra eventos de sesión duraderos, deriva historial visible para el modelo a partir de ese registro y soporta patrones como reanudar, bifurcar y reproducir. Si la sesión está basada en eventos, el tiempo de ejecución se puede inspeccionar, continuar o ramificar en lugar de convertirse en una conversación difusa.
La superficie actual incluye UI web, ejecución sin cabeza, SDK de Python, ejemplos orientados a JSON-RPC y rutas de protocolo que los equipos deberían verificar antes de integrarlas en editores estilo ACP. También soporta DeepSeek, OpenAI, Anthropic y puntos de acceso compatibles con OpenAI personalizados.
DeepSeek Harness vs. Agentes de Codificación y Capas de Evolución
| Sistema | Posicionamiento | Responsabilidad principal | Experiencia de manejo |
|---|---|---|---|
| DeepSeek Harness | Tiempo de ejecución de agente recomponible | Herramientas, sesiones, adaptadores, sandbox, permisos, bucle | Registra y reproduce eventos del tiempo de ejecución |
| Claude Code / Codex | Experiencia de producto de agente de codificación | Flujo de trabajo de codificación orientado y la interacción con repositorios | Memoria de sesión específica del producto |
| EvoMap | Capa de evolución de experiencia | Estructura, valida y hereda comportamientos de agente exitosos | Convierte la experiencia en activos reutilizables |
Esto no es un ranking. Un agente de codificación te da una experiencia de producto funcional. DeepSeek Harness expone las piezas del tiempo de ejecución detrás de esa experiencia. EvoMap se sitúa después de la ejecución y hace una pregunta diferente: ¿qué comportamientos exitosos deberían convertirse en activos reutilizables, auditables y heredables?
Tampoco implicaría una integración oficial aquí. La relación en este artículo es arquitectónica, no basada en asociación. Para referencia, el repositorio de DeepSeek Harness es la fuente primaria correcta para dsh, mientras que la documentación del Modelo de Contexto del Protocolo es un trasfondo útil para la capa de conexión de herramientas donde muchos tiempos de ejecución de agentes ahora se ubican.
Cómo puede estructurarse la experiencia del agente después del tiempo de ejecución
Esto es una comparación arquitectónica, no una afirmación de integración de producto existente.
Un arnés responde a “¿cómo se ejecuta el agente?” Una capa de evolución de la experiencia responde a “¿qué debería sobrevivir después de la ejecución?” EvoMap enmarca esa segunda capa a través de Gene, Capsule y Event: una forma de evitar que el comportamiento exitoso desaparezca después de una tarea.
| Activo | Definición | Contenido guardado | Uso |
|---|---|---|---|
| Gene | Unidad de estrategia reutilizable | Plantilla de estrategia reutilizable con precondiciones, restricciones y comandos de validación | Permitir que los agentes hereden una táctica comprobada |
| Capsule | Activo de ejecución verificado | Camino exitoso con contexto y evidencia | Reutilizar una solución o patrón de ejecución validado con evidencia |
| EvolutionEvent | Registro de proceso inmutable | Lo ocurrido durante la ejecución | Auditoría, auditar el historial de evolución y validar linaje, y validar linaje |
El arnés resuelve cómo ejecutar; la capa de evolución resuelve cómo reutilizar lo aprendido después de la ejecución.
Quién debería prestar atención y cuáles son los límites
DeepSeek Harness merece atención si construyes infraestructura de agentes, agentes multimodelo, entornos de herramientas personalizados o sistemas de ejecución en sandbox.
Los límites son reales. Esta es una vista previa para desarrolladores de agosto de 2026, no un contrato silencioso de producción. Las API y los ajustes predeterminados pueden cambiar. El ecosistema de plugins todavía se está formando. La arquitectura de plugins tampoco hace automáticamente que un agente mejore por sí mismo. El aprendizaje, la validación, la herencia y la reutilización segura aún requieren un diseño separado.
Preguntas frecuentes
¿Requiere DeepSeek Harness un modelo de DeepSeek para ejecutarse?
No. La vista previa soporta DeepSeek, OpenAI, Anthropic y endpoints compatibles con OpenAI personalizados. Aún así, prueba cada ruta de proveedor antes de asumir un comportamiento idéntico de las herramientas.
¿Está DeepSeek Harness listo para uso en producción ahora mismo?
Trátalo como infraestructura en vista previa para desarrolladores. Los equipos de producción deberían aislar experimentos, fijar versiones y esperar trabajo de migración.
¿Puedo usar DeepSeek Harness para agentes que no sean de codificación?
Sí, en principio. Debido a que se pueden reemplazar herramientas, adaptadores, almacenamiento, sandbox y la interfaz de usuario (UI), el tiempo de ejecución no se limita solo a la codificación.
¿En qué se diferencia un plugin de DeepSeek Harness de una Skill típica de agente?
Un plugin puede cambiar el propio runtime: herramientas, adaptadores, eventos, comportamiento de la sesión, sandbox o UI. Una Skill usualmente proporciona instrucciones reutilizables dentro de un runtime existente.
¿Hace un harness basado en plugins que un agente se mejore automáticamente?
No. Hace que el agente sea más fácil de recomponer. La auto-mejora necesita retroalimentación validada, experiencia almacenada y reglas de herencia.
Conclusión
DeepSeek Harness es importante porque hace que el runtime del agente sea modular. Separa el modelo de la maquinaria que lo rodea. No estoy listo para llamar a esto el futuro completo de los agentes, pero sí aclara una cosa: después de que los agentes puedan ejecutarse, la siguiente pregunta es qué conservan. Ahí es donde el trabajo de EvoMap sobre la experiencia reutilizable de agentes comienza a tener relevancia.
Publicaciones anteriores:
- Si quieres ver dónde encaja un runtime modular como dsh en la pila más amplia de agentes, lee OpenHarness y GEP: Dónde se Sitúan en la Pila de Agentes para una mirada más cercana a la frontera entre la infraestructura del harness y la evolución de la experiencia.
- Para una visión más amplia de por qué el harness de agentes se está convirtiendo en una categoría de infraestructura propia, vea Harness Engineering: Mem0, LangGraph, y CrewAI.
- Para separar la ejecución del runtime, la conexión de herramientas y la evolución del agente de manera más clara, lea MCP, CLI, y GEP: Tres Capas de la Pila de Agentes.
- Si la diferencia entre los plugins de DeepSeek Harness, las Skills de Agente y los activos de experiencia reutilizable todavía resulta confusa, Agent Skills vs GEP Assets: La Real Diferencia va directamente a esa distinción.
- Para la capa de conexión de herramientas que se sitúa junto a los runtimes de agentes como DeepSeek Harness, ¿Qué es MCP? El Estándar de Conexión de Herramientas de AI explica qué maneja MCP —y qué deja a la infraestructura de agentes circundante.
