Faz tempo que não nos vemos~ Sou Lena.
DeepSeek Harness, ou dsh, é um runtime de agente de código aberto. Em agosto de 2026, o DeepSeek Harness está em pré-visualização para desenvolvedores. A versão resumida é: modelo mais harness equivale a agente. O modelo lida com raciocínio; o harness lida com ferramentas, ambiente, sessões, permissões, sandboxing e o loop de execução. O DeepSeek Harness não é simplesmente "o código Claude da DeepSeek". Ele está mais próximo de um runtime modular para compor agentes.
O Que É o DeepSeek Harness?
DeepSeek Harness é um harness de agente que roda em torno de um modelo e decide como o agente opera. O repositório oficial descreve dsh como código aberto, licenciado sob MIT, em pré-visualização para desenvolvedores, e construído em torno de uma ideia: tudo é um plugin. Um modelo pode responder, mas um harness decide o que o modelo pode ver, quais ferramentas pode chamar, o que é registrado e quando a aprovação é necessária.
npx @deepseek-ai/dsh web
Em uma frase: o modelo pensa; o harness torna esse pensamento executável dentro de um ambiente controlado.
Como Funciona o Conceito de “Tudo É um Plugin”
Cordis como o Kernel de Plugins
DeepSeek Harness é impulsionado pelo Cordis, um meta-framework para plugins componíveis. Eu penso no Cordis menos como "o cérebro do agente" e mais como a placa de soquetes sob o agente. Ele carrega plugins, gerencia seu ciclo de vida e permite que registrem serviços, eventos e efeitos reversíveis. O próprio Cordis não fornece planejamento, codificação ou memória. Ele dá ao dsh uma maneira de montar essas partes sem torná-las inalcançáveis.
O Que Pode Ser Substituído
As notas de arquitetura dizem que o adaptador de modelo, registro de ferramentas, log de sessões e loop do agente são todos plugins, então cada parte pode ser substituída através da configuração. A mesma ideia se estende para Skills, armazenamento, provedores de sandbox, superfícies de UI, acesso ao sistema de arquivos e política de execução. Não há um núcleo privilegiado que você deve alterar primeiro.
Em um agente de codificação fixo, geralmente você aceita o loop empacotado, o conjunto de ferramentas, o modelo de aprovação e a UI. No DeepSeek Harness, essas peças se tornam infraestrutura componível. Algo é um pouco confuso aqui, porque a liberdade de plugin também significa mais responsabilidade.
O Que o DeepSeek Harness Inclui Hoje
Predefinições e Modos de Runtime
A partir da pré-visualização para desenvolvedores de agosto de 2026, os modos de runtime para verificação são Standard, PTC, Minimal e Creator. Eu não trataria esses nomes como permanentes, pois o repositório alerta que mudanças que quebram compatibilidade podem acontecer.
O padrão é a configuração mais completa. O PTC parece direcionado para o agrupamento de ferramentas no estilo de modo de código. O Minimal mantém a superfície pequena, geralmente em torno do shell persistente e alterações de arquivos no estilo do editor. O Creator aponta para fluxos de trabalho de autoinspeção ou autoria de plugins.
Sessões Reproduzíveis e Múltiplas Interfaces
O modelo de sessão importa. O DeepSeek Harness registra eventos de sessão duráveis, deriva histórico visível ao modelo a partir desse registro e suporta padrões como retomar, ramificar e reproduzir. Se a sessão for baseada em eventos, o tempo de execução pode ser inspecionado, continuado ou ramificado, em vez de se tornar uma transcrição de chat confusa.
A superfície atual inclui Web UI, execução headless, SDK Python, exemplos orientados a JSON-RPC e caminhos voltados ao protocolo que as equipes devem verificar antes de integrar em editores no estilo ACP. Ele também suporta DeepSeek, OpenAI, Anthropic e endpoints personalizados compatíveis com OpenAI.
DeepSeek Harness vs. Agentes de Codificação e Camadas de Evolução
| Sistema | Posicionamento | Responsabilidade principal | Experiência de manipulação |
|---|---|---|---|
| DeepSeek Harness | Runtime de agente recomponível | Ferramentas, sessões, adaptadores, sandbox, permissões, loop | Registra e reproduz eventos de runtime |
| Claude Code / Codex | Experiência de produto de agente de codificação | Fluxo de trabalho de codificação opinativo e interação com repositórios | Memória de sessão específica do produto |
| EvoMap | Camada de evolução de experiência | Estrutura, valida e herda comportamentos de agente bem-sucedidos | Transforma experiência em ativos reutilizáveis |
Isso não é um ranking. Um agente de codificação oferece uma experiência de produto funcional. O DeepSeek Harness expõe as peças do runtime por trás dessa experiência. EvoMap aparece após a execução e faz uma pergunta diferente: quais comportamentos bem-sucedidos devem se tornar ativos reutilizáveis, auditáveis e herdáveis?
Também não sugeriria integração oficial aqui. O relacionamento neste artigo é arquitetônico, não baseado em parceria. Para referência, o repositório do DeepSeek Harness é a fonte primária certa para dsh, enquanto os documentos do Model Context Protocol são um pano de fundo útil para a camada de conexão de ferramentas em que muitos runtimes de agentes atualmente se situam.
Como a Experiência do Agente Pode Ser Estruturada Após o Runtime
Esta é uma comparação arquitetural, não uma alegação de integração de produto existente.
Um harness responde “como o agente roda?” Uma camada de evolução de experiência responde “o que deve sobreviver após a execução?” EvoMap enquadra essa segunda camada através de Gene, Capsule e Event: uma forma de evitar que comportamentos bem-sucedidos desapareçam após uma tarefa.
| Ativo | Definição | Conteúdo salvo | Uso |
|---|---|---|---|
| Gene | Unidade de estratégia reutilizável | Template de estratégia reutilizável com pré-condições, restrições e comandos de validação | Permitir que agentes herdem uma tática comprovada |
| Capsule | Ativo de execução verificado | Caminho bem-sucedido com contexto e evidência | Reutilizar uma correção ou padrão de execução validado com evidências |
| EvolutionEvent | Registro de processo imutável | O que aconteceu durante a execução | Auditoria, auditar histórico de evolução e validar linhagem |
O Harness resolve como executar; a camada de evolução resolve como reutilizar o que foi aprendido após a execução.
Quem deve prestar atenção—e quais são os limites?
O DeepSeek Harness vale a pena ser observado se você constrói infraestrutura de agentes, agentes multimodais, ambientes de ferramentas personalizados ou sistemas de execução isolados.
Os limites são reais. Esta é uma prévia de desenvolvedor de agosto de 2026, não um contrato de produção silencioso. APIs e presets podem mudar. O ecossistema de plugins ainda está se formando. A arquitetura de plugins também não torna automaticamente um agente capaz de autoaperfeiçoamento. Aprendizado, validação, herança e reutilização segura ainda precisam de um design separado.
FAQ
O DeepSeek Harness requer um modelo DeepSeek para rodar?
Não. A prévia suporta DeepSeek, OpenAI, Anthropic e endpoints compatíveis com OpenAI personalizados. Ainda assim, teste cada caminho do provedor antes de assumir que o comportamento das ferramentas é idêntico.
O DeepSeek Harness está pronto para uso em produção agora?
Trate-o como infraestrutura de prévia de desenvolvedor. Equipes de produção devem isolar experimentos, definir versões e esperar trabalho de migração.
Posso usar o DeepSeek Harness para agentes que não sejam de codificação?
Sim, em princípio. Porque ferramentas, adaptadores, armazenamento, sandbox e UI podem ser substituídos, o runtime não se limita à programação.
Como um plugin do DeepSeek Harness é diferente de uma Habilidade típica de Agente?
Um plugin pode alterar o próprio runtime: ferramentas, adaptadores, eventos, comportamento de sessão, sandbox ou UI. Uma Habilidade geralmente fornece instruções reutilizáveis dentro de um runtime existente.
Um harness baseado em plugin faz automaticamente com que um agente se auto-aperfeiçoe?
Não. Ele facilita a recomposição do agente. O autoaperfeiçoamento precisa de feedback validado, experiência armazenada e regras de herança.
Conclusão
O DeepSeek Harness é importante porque torna o runtime do agente modular. Ele separa o modelo da maquinaria ao redor dele. Não estou pronto para chamar isso de todo o futuro dos agentes, mas deixa algo mais claro: depois que os agentes podem executar, a próxima questão é o que eles mantêm. É aí que o trabalho do EvoMap sobre experiência de agente reutilizável começa a se tornar relevante.
Postagens anteriores:
- Se você quer ver onde um runtime modular como o dsh se encaixa na pilha de agentes mais ampla, leia OpenHarness e GEP: Onde Eles Se Situam na Pilha de Agentes para uma análise mais próxima da fronteira entre infraestrutura do harness e evolução da experiência.
- Para uma visão mais ampla de por que o harness de agentes está se tornando uma categoria de infraestrutura própria, veja Harness Engineering: Mem0, LangGraph e CrewAI.
- Para separar mais claramente a execução do runtime, a conexão de ferramentas e a evolução do agente, leia MCP, CLI e GEP: Três Camadas da Pilha de Agentes.
- Se a diferença entre plugins do DeepSeek Harness, Habilidades de Agente e ativos de experiência reutilizáveis ainda parecer confusa, Agent Skills vs GEP Assets: A Real Diferença vai direto a essa distinção.
- Para a camada de conexão de ferramentas que se situa ao lado de runtimes de agentes como o DeepSeek Harness, O Que É MCP? O Padrão de Conexão de Ferramentas de IA explica o que o MCP gerencia—e o que deixa para a infraestrutura de agentes ao redor.
