DeepSeek Harness ट्यूटोरियल: सबसे लोकप्रिय ओपन-सोर्स AI एजेंट के साथ शुरुआत करें

DeepSeek Harness लोकप्रिय क्यों है?

DeepSeek Harness ने बहुत तेजी से ध्यान आकर्षित किया है—इस लेख के प्रकाशित होने के समय तक 160,000 से अधिक GitHub स्टार्स और 18,000 फोर्क्स तक पहुँच गया है। 

एक बड़ा कारण यह है कि डेवलपर्स इसे विभिन्न मॉडल्स से अच्छे नतीजे निकालने में सक्षम पा रहे हैं—सिर्फ DeepSeek से नहीं। Reddit यूज़र्स अक्सर बताते हैं कि उन्होंने इसे Qwen3.8-27b जैसे मॉडल्स के साथ सफलतापूर्वक उपयोग किया है, खासकर कोडिंग और लंबे एजेंटिक टास्क्स के लिए।

एक और कारण है इसकी स्वायत्तता और लचीलेपन का स्तर। यूज़र्स रिपोर्ट करते हैं कि Harness मल्टी-स्टेप टास्क्स पर काम जारी रख सकता है, एरर्स से उबर सकता है, लंबे कॉन्टेक्स्ट्स संभाल सकता है, और बिना लगातार हस्तक्षेप के आगे बढ़ सकता है। इसकी प्लगइन-आधारित डिजाइन मॉडल्स स्वैप करना, टूल्स जोड़ना, और एजेंट वर्कफ़्लो को कस्टमाइज़ करना आसान बनाती है—एक फ़िक्स्ड सेटअप में फँसने की बजाय।

यदि आप Harness को उन टूल्स के मुकाबले तौल रहे हैं जिनसे यह प्रतिस्पर्धा करता है, तो हमारे Claude Code विकल्प गाइड में सात प्रमुख विकल्पों की आमने-सामने तुलना है।

DeepSeek Harness की प्रमुख विशेषताएँ

मुख्य विशेषताएँ इस प्रकार हैं:

• प्लगइन-आधारित आर्किटेक्चर: एजेंट के ज़्यादातर हिस्से प्लगइन्स के जरिए बढ़ाए या बदले जा सकते हैं, जिससे आपकी सेटअप को कस्टमाइज़ करना आसान होता है।

• लोकल Web UI: dsh web चलाने पर आपको ब्राउज़र-आधारित इंटरफेस मिलता है जहाँ आप मॉडल्स, सेशन्स, वर्कस्पेसेज़, सेटिंग्स और एजेंट्स मैनेज कर सकते हैं।

• Python SDK: deepseek-harness-sdk आपको Python एप्लिकेशंस, स्क्रिप्ट्स, टेस्ट्स और ऑटोमेशन वर्कफ़्लोज़ से सीधे Harness एजेंट्स चलाने देता है।

• एकाधिक मॉडल प्रोवाइडर्स: आप DeepSeek मॉडल्स तक सीमित नहीं हैं। आप OpenAI और Anthropic जैसे प्रोवाइडर्स का उपयोग कर सकते हैं या अपना संगत एंडपॉइंट कनेक्ट कर सकते हैं।

• टूल कॉलिंग: एजेंट्स केवल टेक्स्ट जनरेट करने के बजाय एक्शन करने के लिए टूल्स कॉल कर सकते हैं।

• फ़ाइल और टर्मिनल टूल्स: Harness में फ़ाइलें पढ़ने, खोजने और संपादित करने के टूल शामिल हैं, साथ ही Linux और macOS पर Bash और Windows पर PowerShell।

• बिल्ट-इन वेब सर्च: DeepSeek का वेब सर्च प्रोवाइडर डिफ़ॉल्ट कॉन्फ़िगरेशन में शामिल है और मॉडल की तरह ही वही DeepSeek API key उपयोग करता है।

• Code Mode: Harness टूल्स को एक कोड-आधारित एक्ज़ीक्यूशन मोड के जरिए एक्सपोज़ कर सकता है, जिससे एजेंट को टूल कॉल्स को मिलाने और चलाने पर अधिक नियंत्रण मिलता है।

• Trajectory: Trajectory व्यू आपको स्टेप-बाय-स्टेप यह निरीक्षण करने देता है कि एजेंट क्या कर रहा है—मॉडल प्रतिक्रियाएँ, टूल कॉल्स, नेस्टेड टूल गतिविधि, समय और टोकन उपयोग सहित।

• एजेंट प्रीसेट्स: आप अलग-अलग टूल्स और प्रॉम्प्ट्स के साथ विभिन्न एजेंट सेटअप बना सकते हैं, फिर उन्हें अलग-अलग सेशन्स में उपयोग कर सकते हैं।

• सेशन आँकड़े: Harness उपयोगी जानकारी ट्रैक करता है, जैसे टर्न्स, स्टेप्स, मॉडल समय, टूल समय, पहला टोकन आने का समय, और डिकोडिंग समय।

• सबएजेंट्स: एक मुख्य एजेंट टास्क के कुछ हिस्सों को चाइल्ड एजेंट्स को सौंप सकता है, जो जटिल वर्कफ़्लोज़ के लिए उपयोगी है।

• कम्युनिटी प्लगइन्स: थर्ड-पार्टी प्लगइन्स बेस मॉडल में उपलब्ध नहीं अतिरिक्त क्षमताएँ जोड़ सकते हैं। इस गाइड में, हमने विज़न सपोर्ट जोड़ने के लिए ModLens का उपयोग किया।

• MIT लाइसेंस: DeepSeek Harness ओपन सोर्स है और परमीसिव MIT लाइसेंस के तहत जारी किया गया है।

सबसे बड़ा फ़ायदा यह है कि आप किसी एक मॉडल, एक टूलसेट या एक प्रकार के एजेंट से बँधे नहीं हैं। आप डिफ़ॉल्ट सेटअप से शुरू कर सकते हैं और अलग-अलग वर्कफ़्लोज़ के साथ प्रयोग करते हुए धीरे-धीरे कंपोनेंट्स जोड़ या बदल सकते हैं।

मैं DeepSeek Harness कैसे सेट अप करूँ?

चलिए DeepSeek Harness इंस्टॉल करने और इस गाइड के बाकी हिस्से के लिए ज़रूरी सब कुछ सेट अप करने से शुरू करते हैं। हम Node.js, DeepSeek Harness और pnpm इंस्टॉल करेंगे, फिर अपनी API keys जोड़ेंगे।

Node.js इंस्टॉल करें

DeepSeek Harness Node.js पर चलता है। चूँकि हम आगे विज़न के लिए ModLens भी उपयोग करेंगे, मैं Node.js 22.19 या नया संस्करण लेने की सलाह दूँगा।

यदि आप Ubuntu या Debian पर हैं, तो आप Node.js इस तरह इंस्टॉल कर सकते हैं:

curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash - && sudo apt-get install -y nodejs

इंस्टॉल होने के बाद, जाँच लें कि Node.js और npm दोनों काम कर रहे हैं:

node --version
npm --version

मेरे सेटअप पर मुझे यह मिला:

v24.19.0
11.17.0

आपके पास बिल्कुल यही वर्ज़न होना ज़रूरी नहीं है। जब तक आपका Node.js काफ़ी नया है, सब ठीक रहेगा।

DeepSeek Harness इंस्टॉल करें

अब, DeepSeek Harness को ही इंस्टॉल करते हैं।

ऑफिशियल क्विक स्टार्ट npx का उपयोग करता है, लेकिन मैं इसे ग्लोबली इंस्टॉल करना पसंद करता/करती हूँ ताकि हम पूरे गाइड में सरलता से dsh कमांड उपयोग कर सकें।

चलाएँ:

npm install -g @deepseek-ai/dsh

फिर जाँचें कि यह सही से इंस्टॉल हुआ है:

dsh --version

जब मैंने इस गाइड को टेस्ट किया, तब मैं यह वर्ज़न उपयोग कर रहा/रही था/थी:

0.1.0-rc.7

pnpm इंस्टॉल करें

हमें pnpm भी चाहिए। जब हम प्लगइन्स जोड़ते या हटाते हैं, DeepSeek Harness इसका उपयोग करता है। इसे ग्लोबली इंस्टॉल करें:

npm install -g pnpm

API keys सेट करें

इस ट्यूटोरियल के लिए हमें केवल दो API keys चाहिए:

• DeepSeek API key: DeepSeek मॉडल और उसके बिल्ट-इन वेब सर्च के लिए।
• Gemini API key: इमेज समझने के लिए ModLens उपयोग करता है।

हम अभी DeepSeek key सेट करेंगे, क्योंकि कोडिंग और वेब सर्च के लिए फिलहाल हमें बस वही चाहिए, और बाद में ModLens के साथ विज़न जोड़ते समय Gemini key जोड़ेंगे।

DeepSeek के लिए, आपको DeepSeek अकाउंट बनाना होगा, एक API key जनरेट करनी होगी, और अपने अकाउंट में क्रेडिट जोड़ना होगा। इस गाइड के लिए, कम से कम $2 क्रेडिट जोड़ने की सलाह दूँगा—यह उदाहरणों को टेस्ट करने के लिए पर्याप्त होगा, और आपको पहले से अधिक रकम जोड़ने की जरूरत नहीं पड़ेगी।

एक बार API key मिल जाए, उसे अपने एन्वायरनमेंट में जोड़ें।

Linux या macOS पर:

export DEEPSEEK_API_KEY="your_deepseek_api_key"

Windows PowerShell पर:

$env:DEEPSEEK_API_KEY="your_deepseek_api_key"

इस सेटअप की एक अच्छी बात यह है कि हमें अलग वेब सर्च API की आवश्यकता नहीं है। DeepSeek Harness में पहले से ही DeepSeek का वेब सर्च प्रोवाइडर शामिल है और वही DEEPSEEK_API_KEY उपयोग करता है।

आप अपनी DeepSeek API key बाद में Web UI के अंदर Settings → Models से भी जोड़ सकते हैं।

मैं DeepSeek Harness कैसे शुरू करूँ?

अब जब सब कुछ कॉन्फ़िगर हो गया है, हम DeepSeek Harness शुरू कर सकते हैं और Web UI खोल सकते हैं। बस dsh web चलाएँ—यह डिफ़ॉल्ट रूप से ब्राउज़र इंटरफेस को पोर्ट 3080 पर शुरू करता है।

ब्राउज़र में http://127.0.0.1:3080 पता खोलने पर आप UI देख पाएँगे।

वहाँ से, एक नया वर्कस्पेस बनाएँ या मौजूदा चुनें, नया सेशन शुरू करें, और वह DeepSeek मॉडल चुनें जिसे आप उपयोग करना चाहते हैं। 

सेशन तैयार होते ही, हम कोडिंग, वेब सर्च, विज़न और थर्ड-पार्टी मॉडल सपोर्ट का परीक्षण शुरू कर सकते हैं। 

कोडिंग के लिए DeepSeek Harness कैसे उपयोग करें

अब जब DeepSeek Harness चल रहा है, हम अपने सेटअप की मुख्य क्षमताओं का परीक्षण कर सकते हैं। चलिए एक सरल कोडिंग कार्य से शुरू करते हैं: 

Create a simple Python calculator with a command-line interface.

DeepSeek Harness सीधे फ़ाइलों और टर्मिनल के साथ काम कर सकता है, इसलिए यह Python फ़ाइल बना सकता है, कोड एडिट कर सकता है, और वर्कस्पेस के भीतर कमांड चला सकता है।

टास्क पूरा होने के बाद, आपको बनी हुई फ़ाइल और उसे चलाने के निर्देश दिखने चाहिए।

Harness को शक्ति देने वाले DeepSeek मॉडल्स का बेहतर उपयोग करने के लिए, हमारा DeepSeek V4 API ट्यूटोरियल Python में V4 रीजनिंग मोड्स और API पैरामीटर्स समझाता है।

वेब सर्च के लिए DeepSeek Harness कैसे उपयोग करें

अब वेब सर्च टेस्ट करते हैं। कोई अतिरिक्त सेटअप की ज़रूरत नहीं है क्योंकि DeepSeek Harness में पहले से DeepSeek का वेब सर्च प्रोवाइडर शामिल है।

इस तरह का प्रॉम्प्ट आज़माएँ:

Search the web for the latest open-source AI model releases and summarize the top three as of August 18, 2026.

एजेंट वेब पर सर्च करेगा और सोर्सेज़ के साथ सारांश लौटाएगा। 

काम के दौरान, Trajectory टैब खोलें। आपको SUBTOOL: web_search जैसे टूल कॉल्स दिखने चाहिए।

यह दिखाता है कि एजेंट वास्तव में वेब सर्च टूल का उपयोग कर रहा है, केवल मॉडल के मौजूदा ज्ञान पर निर्भर नहीं है। डिफ़ॉल्ट रूप से, यह सर्च deepseek-official प्रोवाइडर द्वारा संभाला जाता है और वही DEEPSEEK_API_KEY उपयोग करता है जिसे हमने पहले कॉन्फ़िगर किया था। 

विज़न टास्क्स के लिए DeepSeek कैसे उपयोग करें

Harness में DeepSeek का चैट मॉडल केवल टेक्स्ट-आधारित है, इसलिए यह अपने आप अपलोड की गई इमेज समझ नहीं सकता। विज़न सपोर्ट जोड़ने के लिए, हम ModLens का उपयोग करेंगे, जो DeepSeek और किसी विज़न-सक्षम मॉडल के बीच ब्रिज की तरह काम करता है।

ModLens प्लगइन इंस्टॉल करें

जब आप कोई इमेज अपलोड करते हैं, तो ModLens उसे किसी विज़न मॉडल से प्रोसेस करता है, उपयोगी विज़ुअल जानकारी निकालता है, और वह जानकारी वापस DeepSeek को देता है ताकि वह इमेज पर तर्क कर सके।

शुरू करें web प्रोफाइल में ModLens प्लगइन इंस्टॉल करके:

dsh plugin --profile web add @liustack/modlens@3.20.0

इंस्टॉल होने के बाद, ModLens modlens_read_image टूल जोड़ता है और ``DeepSeek-V4-Flash (modlens vision)` जैसी मॉडल ऑप्शंस बनाता है।

ये मॉडल वेरिएंट आपको इमेज अपलोड करने देते हैं जबकि मुख्य रीजनिंग मॉडल के रूप में DeepSeek ही बना रहता है।

अपना विज़न बैकएंड रजिस्टर करें

इस गाइड के लिए, हम Gemini API को विज़न बैकएंड के रूप में उपयोग करेंगे, इसलिए हमें Gemini API key चाहिए। आप Gemini API Free Tier से शुरू कर सकते हैं। Google समर्थित Gemini मॉडल्स तक Free Tier रेट लिमिट्स के भीतर मुफ्त एक्सेस देता है, इसलिए इस गाइड में विज़न सेटअप टेस्ट करने के लिए आपको पेमेंट डिटेल्स जोड़ने की ज़रूरत नहीं है।

एक बार आपकी key आ जाए, उसे अपने एन्वायरनमेंट में जोड़ें।

Linux या macOS पर:

export GEMINI_API_KEY="your_gemini_api_key"

Windows PowerShell पर:

$env:GEMINI_API_KEY="your_gemini_api_key"

ModLens CLI इंस्टॉल और कॉन्फ़िगर करें

अब, ModLens CLI इंस्टॉल करें:

npm install -g @liustack/modlens

फिर इसे Gemini API key के साथ कॉन्फ़िगर करें।

Linux या macOS पर:

modlens config set gemini-api.apiKey "$GEMINI_API_KEY"
modlens config set provider gemini-api

Windows PowerShell पर:

modlens config set gemini-api.apiKey "$env:GEMINI_API_KEY"
modlens config set provider gemini-api

अंत में जाँचें कि सब कुछ काम कर रहा है:

modlens doctor

आपको gemini-api प्रोवाइडर चुना हुआ और रेडी दिखना चाहिए।

ModLens के साथ DeepSeek Harness का परीक्षण

अब इमेज समझने की क्षमता टेस्ट करते हैं।

मॉडल पिकर से, उन मॉडल्स में से एक चुनें जिनके नाम में (modlens vision) आता है, जैसे DeepSeek-V4-Flash (modlens vision)।

कोई इमेज पेस्ट या अपलोड करें, फिर पूछें: Explain what is shown in this image.

जैसा कि ऊपर के उदाहरण में दिखाया गया है, अब DeepSeek अपलोड की गई इमेज का वर्णन और उस पर तर्क कर सकता है।

पर्दे के पीछे, ModLens विज़ुअल समझ के लिए इमेज को Gemini को भेजता है और निकाली गई जानकारी वापस DeepSeek को देता है। इसका मतलब है कि हम मुख्य रीजनिंग मॉडल के रूप में DeepSeek को बनाए रख सकते हैं और Gemini का उपयोग केवल विज़न हिस्से के लिए कर सकते हैं।

थर्ड-पार्टी मॉडल के साथ DeepSeek Harness कैसे उपयोग करें

अंत में, किसी अन्य प्रोवाइडर का मॉडल आज़माते हैं। Settings → Models खोलें।

यहाँ से, आप OpenAI और Anthropic जैसे प्रोवाइडर्स जोड़ सकते हैं, या अपने API क्रेडेंशियल्स के साथ किसी अन्य सपोर्टेड मॉडल प्रोवाइडर को कॉन्फ़िगर कर सकते हैं। 

आप कोई कस्टम प्रोवाइडर भी जोड़ सकते हैं यदि आप किसी सेल्फ-होस्टेड मॉडल या अन्य संगत एंडपॉइंट को कनेक्ट करना चाहते हैं। इससे आप प्रोवाइडर ID, बेस URL, API प्रकार, क्रेडेंशियल्स और मॉडल नाम जैसी डिटेल्स कॉन्फ़िगर कर सकते हैं। 

प्रोवाइडर जोड़ने के बाद, अपने सेशन पर लौटें और मॉडल पिकर से नया मॉडल चुनें।

उदाहरण के लिए, यह प्रॉम्प्ट आज़माएँ:

Create a Python command-line to-do app that lets users add, list, complete, and delete tasks, with tasks saved locally in a JSON file.

ऊपर के उदाहरण में, थर्ड-पार्टी Kimi-K3 मॉडल का उपयोग कोडिंग टास्क पूरा करने के लिए किया गया है, जो दिखाता है कि DeepSeek Harness केवल DeepSeek मॉडल्स तक सीमित नहीं है।

आप कॉन्फ़िगर किए गए मॉडल्स के बीच सीधे मॉडल पिकर से स्विच कर सकते हैं, और बदलावों का असर अगली रिक्वेस्ट पर बिना Harness सर्वर रीस्टार्ट किए लागू हो जाता है।

अंतिम विचार

DeepSeek Harness का परीक्षण करने के बाद भी, अपनी वर्कफ़्लोज़ के लिए मैं Pi Coding Agent और OpenCode को प्राथमिकता देता/देती हूँ।

DeepSeek Harness मुझे काफी हद तक Pi Coding Agent की याद दिलाता है, क्योंकि दोनों ही प्लगइन-आधारित इकोसिस्टम पर बने हैं। आप अलग-अलग एक्सटेंशंस इंस्टॉल कर सकते हैं और अपनी ज़रूरत के हिसाब से अपने कोडिंग एजेंट को अतिरिक्त क्षमताएँ दे सकते हैं। यह लचीलापन उपयोगी है, लेकिन अपने परीक्षणों में मुझे अब भी DeepSeek Harness के आसपास की हलचल पूरी तरह समझ नहीं आई। कुल मिलाकर अनुभव मुझे पहले से उपयोग किए गए अन्य कोडिंग एजेंट्स की तुलना में काफ़ी सामान्य लगा।

मुझे कुछ निराशाजनक समस्याएँ भी मिलीं। कभी-कभी एजेंट बीच टास्क में बिना कारण बताए रुक जाता था, और मुझे उसे आगे बढ़ाने के लिए continue टाइप करना पड़ता था। प्लगइन्स इंस्टॉल और कॉन्फ़िगर करना भी एक दर्द बिंदु था—जब तक आपको ठीक-ठीक पता न हो कि आप क्या कर रहे हैं, यह काफ़ी कठिन हो सकता है, और फिलहाल डाक्यूमेंटेशन भी बहुत मदद नहीं करता।

यह कहा जाना चाहिए कि DeepSeek Harness अभी बहुत नया प्रोडक्ट है, इसलिए ये समस्याएँ समझ में आती हैं। मुझे उम्मीद है कि समय के साथ अनुभव, डाक्यूमेंटेशन और प्लगइन इकोसिस्टम में अच्छा सुधार होगा। यह भी संभव है कि DeepSeek अपने मॉडल्स के साथ विशेष रूप से अच्छा काम करने वाला हार्नेस बना रहा हो—और यही उत्साह की एक वजह हो सकती है।