DeepSeek Harness: Plugin-basiertes Agent-Framework

1. Projektübersicht

DeepSeek Harness (dsh) ist ein Open-Source-Agent-Framework von DeepSeek AI, das auf Plugins basiert und es Entwicklern ermöglicht, KI-Agenten zu erstellen, auszuführen und lückenlos nachzuvollziehen – von jedem Modellaufruf und jeder Tool-Ausführung bis hin zur isolierten Codeausführung in einer Sandbox –, wobei jeder Teil des Systems als Plugin ausgetauscht oder neu zusammengesetzt werden kann.

2. Hintergrund und Positionierung

DeepSeek Harness wurde entwickelt, um der Community eine offene, wiederverwendbare und kombinierbare Infrastruktur zur Verfügung zu stellen, mit der sich erkunden lässt, was KI-Agenten in realen Umgebungen können (und was nicht), anstatt jedes Team dazu zu zwingen, das gleiche Agent-Gerüst – Modell-Routing, Tool-Ausführung, Sandboxing, Sitzungsspeicherung, Planung – immer wieder von Grund auf neu zu bauen.

Die Kernmission wird in den eigenen Worten des Projekts klar formuliert: „Alles ist ein Plugin.“ Das Framework basiert auf Cordis, einer Plugin-Laufzeitumgebung, die für das konzipiert wurde, was ihre Autoren als „raumzeitliche Kombinierbarkeit“ bezeichnen – die Fähigkeit, Funktionen (Modelle, Tools, Skills, Sandboxes, Speicher) hinzuzufügen, zu entfernen oder im laufenden Betrieb auszutauschen, ohne das umgebende System neu entwerfen zu müssen.

Was es von vielen anderen Agent-Frameworks unterscheidet, ist dieses einheitliche Plugin-Modell, das durchgängig angewendet wird: Modelle, Tools, Skills, Sitzungen, Sandboxes, Speicher, Planungsschleifen und sogar die Web-Benutzeroberfläche sind allesamt erstklassige Plugins, die auf derselben Grundlage aufbauen, statt eines festen Kerns mit einigen nachträglich angebrachten Erweiterungspunkten. In Kombination mit einer rein anhängenden Sitzungsprotokollierung für vollständige Nachvollziehbarkeit richtet es sich an Teams, die Agenten benötigen, deren Verhalten inspiziert, wiedergegeben und geprüft werden kann – nicht nur Agenten, die eine Antwort liefern.

3. Funktionskategorien

🧩 Plugin-System — die grundlegende Ebene; jede Funktion (Modelle, Tools, Skills, Sitzungen, Sandboxes, Speicher, Schleifen, Planung, UI) ist als Cordis-Plugin implementiert, das unabhängig ausgetauscht werden kann, sodass Teams Komponenten frei kombinieren können, ohne den Kern forken zu müssen.
🤖 Modell- und Tool-Orchestrierung — austauschbare Modell-Backends und ein vollständiges Toolset für Coding-Agenten, einschließlich Dateibearbeitung, Shell-Zugriff und Websuche, damit Agenten in echten Codebasen und realen Umgebungen arbeiten können.
📝 Sitzungsaufzeichnung und Wiedergabe — rein anhängende Sitzungsprotokolle erfassen jede Modellinteraktion und ermöglichen die Inspektion, Fortsetzung, das Forking und die Wiedergabe vergangener Agentenläufe für Debugging und Audits.
🖥️ Mehrere Laufzeitmodi — Standard (vollständiges Coding-Agent-Toolset), Code (TypeScript-basierte Tool-Orchestrierung), Minimal (eine schlanke Benchmarking-Umgebung) und Creator (Entwicklung benutzerdefinierter Presets mit Live-Laufzeitinspektion), die Anwendungsfälle von produktiven Agenten bis hin zu kontrollierten Benchmarks abdecken.
🌐 Web-UI — eine integrierte Browser-Oberfläche (lokal bereitgestellt, z. B. unter http://127.0.0.1:3080) zur Interaktion mit und Beobachtung von laufenden Agenten ohne zusätzliche Tools.
🔌 Community-Plugin-Ökosystem — Hunderte von Drittanbieter-Plugins, die auf GitHub mit dsh-plugin getaggt sind und Vision/Multimodal-Erweiterungen, Sandboxes, MCP-Integrationen, Terminal-UIs und Workflow-Tools umfassen.

4. Wichtige Highlights

Alles ist ein Plugin — Modelle, Tools, Skills, Sitzungen, Sandboxes, Speicher, Schleifen, Planung und die UI werden alle auf die gleiche Weise implementiert und ausgetauscht, sodass es nur ein einziges gedankliches Modell für die Erweiterung des Systems gibt statt mehrerer verschiedener Ansätze.
Vollständige Nachvollziehbarkeit durch Design — der Sitzungszustand ist rein anhängend, sodass jeder Agentenlauf inspiziert, fortgesetzt, geforkt oder wiedergegeben werden kann, was für das Debugging von nicht-deterministischem Agentenverhalten unerlässlich ist.
Aufgebaut auf Cordis — einer dedizierten Plugin-Laufzeitumgebung (dokumentiert im Paper A Programming Paradigm for Spatiotemporal Composability) statt eines Ad-hoc-Erweiterungsmechanismus, was dem Plugin-System eine formale Grundlage verleiht.
Host/Client-Aggregatarchitektur — die Codebasis trennt Host-Pakete (tsconfig.host.json) sauber von Client-Paketen (tsconfig.client.json), sodass beide Seiten dieselbe Cordis-Context-Schnittstelle sicher mit unterschiedlichen Diensten erweitern können, ohne Typkollisionen zu verursachen.
Mehrere Laufzeit-Presets sofort einsatzbereit — die Modi Standard, Code, Minimal und Creator decken Coding-Agenten, TypeScript-orchestrierte Tool-Nutzung, leichtgewichtiges Benchmarking und die Erstellung benutzerdefinierter Presets ohne zusätzlichen Einrichtungsaufwand ab.
Schnellstart ohne Installation — npx @deepseek-ai/dsh web startet sofort eine funktionierende Web-UI und senkt so die Einstiegshürde für die Erstnutzung.

5. Anwendungsfälle nach Rolle

Allgemeine Entwickler: Nutzen Sie den Standard-Laufzeitmodus, um einen Coding-Agenten mit Tools zur Dateibearbeitung, Shell und Websuche zu starten, und steuern Sie ihn über die Web-UI für alltägliche Entwicklungsaufgaben.
DevOps/SRE: Nutzen Sie die isolierte Ausführung und die rein anhängenden Sitzungsprotokolle, um automatisierte Betriebsagenten auszuführen und zu prüfen, und spielen Sie vergangene Läufe bei der Diagnose von Incidents erneut ab.
Daten-/Forschungswissenschaftler: Verwenden Sie den Minimal-Modus als kontrollierte Benchmarking-Umgebung, um das Verhalten von Agenten oder Modellen unter einem reduzierten, reproduzierbaren Toolset zu bewerten, und nutzen Sie die Sitzungswiedergabe für Analysen.
Projektmanager / Plattformteams: Adoptieren Sie den Creator-Modus, um benutzerdefinierte Agenten-Presets zusammenzustellen und zu inspizieren, die auf den Workflow eines Teams zugeschnitten sind, und verteilen Sie diese dann als wiederverwendbare Plugins.

6. Erste Schritte

Finden Sie, was Sie brauchen — durchstöbern Sie die offizielle Dokumentation, den Entwicklungsleitfaden und Community-Plugins, die auf GitHub mit dsh-plugin getaggt sind.

Installieren / Integrieren — der schnellste Weg führt über npm, kein Klonen erforderlich:

npx @deepseek-ai/dsh web

Dies startet die Web-UI unter http://127.0.0.1:3080. Um stattdessen aus dem Quellcode zu bauen:

git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web

Beitragen — lesen Sie CONTRIBUTING.md und AGENTS.md im Repository und führen Sie dann die relevanten Prüfungen aus, bevor Sie eine Änderung einreichen:

pnpm run typecheck
pnpm run lint
pnpm run check:all

7. Projektstruktur

deepseek-harness/
├── tsconfig.json          # Lösungsstamm / tsserver-Erkennungseinstieg
├── tsconfig.base.json      # Gemeinsame Compiler-Optionen und Pfadauflösung
├── tsconfig.host.json      # Host-Aggregat: Host-Pakete, Beispiele, Tests, Skripte, Website
├── tsconfig.client.json    # Client-Aggregat: packages/client/* und Browser-Apps
├── api/remotes/            # Das einzige Paket, das auf Host- und Client-Konfigurationen aufgeteilt ist
├── docs/                   # Entwicklungs-, Architektur- und Benutzerhandbücher
└── AGENTS.md                # Konventionen für agentenbezogene Beiträge

Pakete registrieren sich in genau einem Aggregat – Host oder Client –, niemals in beiden, wodurch verhindert wird, dass die deklarationsgemischten Cordis-Context-Schnittstellen beider Seiten kollidieren, wenn sie zusammen kompiliert werden.

8. Verwandtes Ökosystem

Cordis — das zugrundeliegende Plugin-Laufzeit-Framework, auf dem DeepSeek Harness aufgebaut ist und das das Modell der „raumzeitlichen Kombinierbarkeit“ für Plugins bereitstellt.
Model Context Protocol (MCP) — wird als Integrationsschicht unterstützt und ermöglicht es, externe Tools (z. B. Statistik- oder Datenanalysetools) über MCP-Server für Agenten bereitzustellen.
Community-Plugins — ein wachsendes Ökosystem von über 800 Repositories unter dem GitHub-Topic dsh-plugin, einschließlich Vision/Multimodal-Plugins, Sandbox-Anbietern, Terminal-UIs und Web-UI-Skins.

9. Lizenz

✅ Nutzung, Änderung und Verbreitung des Codes, auch für kommerzielle Zwecke, unter der permissiven MIT-Lizenz.
✅ Integration von DeepSeek Harness in proprietäre Produkte, sofern die Lizenz- und Urheberrechtshinweise beibehalten werden.
❌ Es wird keine Garantie gewährt – die Software wird „wie besehen“ bereitgestellt.
ℹ️ Drittanbieter-Abhängigkeiten unterliegen ihren eigenen Lizenzen, die separat in THIRD_PARTY_NOTICES.md dokumentiert sind.

10. FAQ

F: Ist DeepSeek Harness bereit für den Produktionseinsatz?
A: Es befindet sich derzeit in der Developer Preview und wird schnell weiterentwickelt, wobei die Maintainer ausdrücklich vor Änderungen warnen, die die Kompatibilität brechen können – evaluieren Sie es sorgfältig, bevor Sie sich in der Produktion darauf verlassen.

F: Was ist Cordis und warum hängt das Projekt davon ab?
A: Cordis ist das Plugin-Laufzeit-Framework, das der „Alles ist ein Plugin“-Architektur von DeepSeek Harness zugrunde liegt; siehe das im Repo referenzierte Paper A Programming Paradigm for Spatiotemporal Composability für die Designbegründung.

F: Wie kann ich es ausprobieren, ohne aus dem Quellcode zu bauen?
A: Führen Sie npx @deepseek-ai/dsh web aus, um die Web-UI lokal unter http://127.0.0.1:3080 zu starten.

F: Kann ich eigene Plugins schreiben?
A: Ja – Plugins werden auf Host-Diensten mithilfe von @Remote- oder @RemoteScope-Dekoratoren deklariert und auf der Client-Seite über ctx.remote konsumiert; siehe den Entwicklungsleitfaden für Details.

F: Wo finde ich von der Community erstellte Plugins?
A: Durchstöbern Sie das dsh-plugin-Topic auf GitHub, das Drittanbieter-Plugins für Vision, Sandboxes, Terminal-UIs und mehr auflistet.

11. Schnelllinks

Repository: https://github.com/deepseek-ai/deepseek-harness
Entwicklungsleitfaden: https://github.com/deepseek-ai/deepseek-harness/blob/master/docs/development.md
Beitragsleitfaden: https://github.com/deepseek-ai/deepseek-harness/blob/master/CONTRIBUTING.md
Community-Diskussionen: GitHub Discussions im Repository sowie eine dedizierte Discord-Community

12. Zusammenfassung

DeepSeek Harness bietet eine einheitliche, vollständig nachvollziehbare Plugin-Architektur zum Erstellen von KI-Agenten, die es Teams ermöglicht, Modelle, Tools, Sandboxes und Speicher auszutauschen, ohne ihren Stack neu architektonieren zu müssen. Es eignet sich am besten für Entwickler und Teams, die prüfbare und wiedergebbar Agentenläufe benötigen und gerne mit einer sich schnell entwickelnden Developer Preview arbeiten, statt mit einem stabilen Release mit Langzeitsupport.