Em 13 de agosto, a DeepSeek lançou duas coisas em uma única noite: o modelo flagship V4 Pro e o DeepSeek Harness v0.1, um runtime para agentes com licença MIT, agora em preview público para desenvolvedores. O modelo ficou com as manchetes, mas o harness é o lançamento mais interessante para quem constrói agentes. Trata-se do mesmo runtime que a DeepSeek usou para fazer benchmarks de seus próprios agentes de programação, e ele foi construído em torno de uma premissa deliberadamente radical: tudo é um plugin.
Por que a camada de harness importa
Um agente não é um modelo. O modelo é o cérebro, mas o harness — a camada de engenharia que permite ler arquivos, chamar ferramentas, gerenciar contexto, tentar novamente após falhas e continuar trabalhando por horas — é o que o torna útil em tarefas reais. O Claude Code provou que essa camada tem valor comercial; a DeepSeek acabou de abri-la como código-fonte. Se você tratava agentes de programação como caixas-pretas, o Harness é a chance de ver (e reconstruir) a caixa inteira.
Quickstart: um comando
Pré-requisitos: Node.js 18+. Só isso. O pacote npm inicia uma Web UI que roda na sua própria máquina:
# Start the Web UI (defaults to http://127.0.0.1:3080)
npx @deepseek-ai/dsh web
Abra a URL em um navegador. O painel esquerdo lista os workspaces — cada um mapeia para um diretório de projeto local — o do meio é o chat, e cada chamada de ferramenta aparece em uma linha do tempo. Prefere rodar a partir do código-fonte?
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web
Quatro modos integrados
- Standard — o agente completo: edição de arquivos, shell, busca na web e em arquivos, skills, planejamento, gerenciamento de metas, subagentes, workflows.
- Code (PTC) — as ferramentas são expostas por meio de um SDK em Code Mode; o modelo escreve um programa em TypeScript e mescla o que seriam uma dúzia de idas e vindas de ferramentas em uma única execução.
- Minimal — apenas um bash persistente e um editor de arquivos. Uso oficial: benchmarks. Remova o shell e meça o modelo puro.
- Creator — crie seu próprio modo e preset. Os outros três, no fim das contas, são apenas configurações pré-definidas.
Tudo é um plugin
Por baixo dos panos está o Cordis, um micronúcleo que surgiu no ecossistema do framework de chatbots Koishi. Modelos, ferramentas, skills, sessões, sandboxes, armazenamento, loops, agendamento — até mesmo a UI que você está vendo — são todos plugins. Duas propriedades tornam isso prático:
- Efeitos colaterais reversíveis: todo efeito colateral registrado por um plugin é rastreado e revertido na desinstalação. Os plugins fazem hot-swap sem reiniciar o processo — sem vazamentos, sem lixo deixado para trás.
- Descobribilidade: marque seu repositório com o tópico
dsh-plugine ele aparece em diretórios da comunidade comoawesome-dsh-plugins(288 repositórios em menos de um dia após o lançamento).
Plugins iniciais úteis: o dsh-plan-execute direciona o planejamento para um modelo de raciocínio e a execução para um mais barato (a conta cai imediatamente); o dsh-vision faz ponte com qualquer modelo de visão compatível com OpenAI, permitindo que um modelo DeepSeek apenas textual veja imagens; o isolamento por sandbox também é uma escolha — troque por sandbox-micro, sandbox-mxc ou sandbox-nono.
Cada execução é rastreável
O recurso Trajectory registra tudo o que o modelo vê — prompt de sistema, raciocínio, chamadas e resultados de ferramentas, agendamento de subagentes, injeções de contexto — em um log de sessão append-only. Você pode inspecionar cada entrada por origem e, em seguida, retomar, fazer fork, buscar ou reproduzir qualquer execução. Depurar um agente vira um problema de reprodução, e não um jogo de adivinhação.
Dicas práticas
- Espere quebras. O README avisa em maiúsculas: HAVERÁ MUDANÇAS QUE QUEBRAM COMPATIBILIDADE. Fixe sua versão se você construir plugins.
- Pense no sandbox. Os plugins acessam seu shell e sistema de arquivos, então escolha um plugin de isolamento e leve a superfície de ataque a sério.
- Faça benchmarks com o modo Minimal. Ele remove a variável do harness das avaliações, para que você compare modelos, e não shells.
- Combine com o V4 Pro. O mesmo lançamento trouxe suporte nativo à API OpenAI Responses e um grande salto em benchmarks de agentes — veja o guia da API DeepSeek V4 Pro para detalhes de integração e armadilhas de orçamento de tokens.
Recursos
- GitHub: deepseek-ai/deepseek-harness (MIT)
- Site oficial: deepseek.com/harness
- Ecossistema de plugins: tópico dsh-plugin
- Preços e especificações do modelo: página de ferramentas DeepSeek
