Tutorial DeepSeek Harness: Mulai Menggunakan Agen AI Sumber Terbuka Terpopuler

Mengapa DeepSeek Harness Populer?

DeepSeek Harness dengan cepat menarik perhatian, meraih lebih dari 160.000 bintang GitHub dan 18.000 fork pada saat artikel ini diterbitkan. 

Salah satu alasan besarnya adalah para pengembang menemukan bahwa ia mampu memberikan hasil kuat dari berbagai model, bukan hanya DeepSeek. Pengguna Reddit sering melaporkan keberhasilan menggunakannya dengan model seperti Qwen3.8-27b, terutama untuk pengodean dan tugas agenik yang lebih panjang.

Alasan lainnya adalah otonomi dan fleksibilitasnya. Pengguna melaporkan bahwa Harness dapat terus bekerja melalui tugas multi-langkah, memulihkan dari kesalahan, mengelola konteks panjang, dan melanjutkan tanpa perlu intervensi terus-menerus. Desain berbasis plugin juga memudahkan menukar model, menambahkan alat, dan menyesuaikan alur kerja agen alih-alih terkunci pada satu setelan tetap.

Jika Anda sedang mempertimbangkan Harness dibandingkan dengan alat yang ingin disainginya, panduan kami tentang alternatif Claude Code membandingkan tujuh opsi utama secara berdampingan.

Fitur Utama DeepSeek Harness

Berikut beberapa fitur utamanya:

• Arsitektur berbasis plugin: Sebagian besar bagian agen dapat diperluas atau diganti melalui plugin, sehingga memudahkan kustomisasi setelan Anda.

• Web UI lokal: Menjalankan dsh web memberi Anda antarmuka berbasis peramban untuk mengelola model, sesi, ruang kerja, setelan, dan agen.

• SDK Python: deepseek-harness-sdk memungkinkan Anda menjalankan agen Harness langsung dari aplikasi, skrip, pengujian, dan alur kerja otomatisasi Python.

• Beragam penyedia model: Anda tidak terbatas pada model DeepSeek. Anda dapat menggunakan penyedia seperti OpenAI dan Anthropic, atau menghubungkan endpoint kompatibel Anda sendiri.

• Pemanggilan alat: Agen dapat memanggil alat untuk melakukan tindakan alih-alih hanya menghasilkan teks.

• Alat berkas dan terminal: Harness menyertakan alat untuk membaca, mencari, dan mengedit berkas, beserta Bash di Linux dan macOS serta PowerShell di Windows.

• Penelusuran web bawaan: Penyedia penelusuran web DeepSeek sudah disertakan dalam konfigurasi default dan menggunakan kunci API DeepSeek yang sama dengan model.

• Code Mode: Harness dapat mengekspos alat melalui mode eksekusi berbasis kode, memberi agen kontrol lebih atas cara menggabungkan dan menjalankan panggilan alat.

• Trajectory: Tampilan Trajectory memungkinkan Anda memeriksa apa yang dilakukan agen selangkah demi selangkah, termasuk respons model, pemanggilan alat, aktivitas alat bertingkat, waktu, dan penggunaan token.

• Preset agen: Anda dapat membuat setelan agen berbeda dengan alat dan prompt masing-masing, lalu menggunakannya di berbagai sesi.

• Statistik sesi: Harness melacak informasi berguna seperti giliran, langkah, waktu model, waktu alat, waktu hingga token pertama, dan waktu decoding.

• Subagent: Agen utama dapat mendelegasikan bagian tugas ke agen anak, yang berguna untuk alur kerja yang lebih kompleks.

• Plugin komunitas: Plugin pihak ketiga dapat menambah kemampuan ekstra yang tidak tersedia di model dasar. Dalam panduan ini, kami menggunakan ModLens untuk menambahkan dukungan visi.

• Lisensi MIT: DeepSeek Harness bersifat sumber terbuka dan dirilis di bawah lisensi permisif MIT.

Keuntungan utamanya adalah Anda tidak terikat pada satu model, satu set alat, atau satu jenis agen. Anda dapat mulai dengan setelan default dan secara bertahap menambah atau mengganti komponen saat bereksperimen dengan berbagai alur kerja.

Bagaimana Cara Menyiapkan DeepSeek Harness?

Mari mulai dengan memasang DeepSeek Harness dan menyiapkan semua yang kita perlukan untuk sisa panduan. Kita akan menginstal Node.js, DeepSeek Harness, dan pnpm, lalu menambahkan kunci API kita.

Instal Node.js

DeepSeek Harness berjalan di Node.js. Karena kita juga akan menggunakan ModLens nanti untuk visi, saya menyarankan menggunakan Node.js 22.19 atau lebih baru.

Jika Anda menggunakan Ubuntu atau Debian, Anda dapat menginstal Node.js dengan:

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

Setelah terpasang, periksa bahwa Node.js dan npm berfungsi:

node --version
npm --version

Di setelan saya, hasilnya:

v24.19.0
11.17.0

Anda tidak perlu memiliki versi yang persis sama. Selama Anda menjalankan Node.js versi yang cukup baru, seharusnya tidak masalah.

Instal DeepSeek Harness

Selanjutnya, mari kita instal DeepSeek Harness itu sendiri.

Panduan mulai cepat resmi menggunakan npx, tetapi saya lebih suka memasangnya secara global agar kita bisa cukup menggunakan perintah dsh sepanjang panduan.

Jalankan:

npm install -g @deepseek-ai/dsh

Lalu periksa apakah sudah terpasang dengan benar:

dsh --version

Saat saya menguji panduan ini, saya menggunakan:

0.1.0-rc.7

Instal pnpm

Kita juga perlu pnpm. DeepSeek Harness menggunakannya saat kita menambah atau menghapus plugin. Instal secara global:

npm install -g pnpm

Siapkan kunci API

Untuk tutorial ini, kita hanya perlu dua kunci API:

• Kunci DeepSeek API: digunakan untuk model DeepSeek dan penelusuran web bawaannya.
• Kunci API Gemini: digunakan oleh ModLens untuk pemahaman gambar.

Kita akan menyiapkan kunci DeepSeek sekarang, karena itu saja yang kita perlukan untuk pengodean dan penelusuran web, lalu menambahkan kunci Gemini nanti saat kita menambahkan visi dengan ModLens.

Untuk DeepSeek, Anda perlu membuat akun DeepSeek, menghasilkan kunci API, dan menambahkan kredit ke akun Anda. Untuk panduan ini, saya menyarankan menambahkan setidaknya $2 kredit, yang seharusnya lebih dari cukup untuk menguji contoh tanpa perlu menambah banyak di awal.

Setelah Anda memiliki kunci API, tambahkan ke lingkungan Anda.

Di Linux atau macOS:

export DEEPSEEK_API_KEY="your_deepseek_api_key"

Di Windows PowerShell:

$env:DEEPSEEK_API_KEY="your_deepseek_api_key"

Salah satu hal yang menyenangkan dari setelan ini adalah kita tidak perlu API penelusuran web terpisah. DeepSeek Harness sudah menyertakan penyedia penelusuran web DeepSeek dan menggunakan DEEPSEEK_API_KEY yang sama.

Anda juga dapat menambahkan kunci API DeepSeek Anda nanti dari Settings → Models di dalam Web UI.

Bagaimana Cara Menjalankan DeepSeek Harness?

Sekarang semuanya sudah dikonfigurasi, kita bisa menjalankan DeepSeek Harness dan membuka Web UI. Cukup jalankan dsh web, yang memulai antarmuka peramban pada port 3080 secara default.

Anda dapat melihat UI setelah membuka alamat http://127.0.0.1:3080 di peramban Anda.

Dari sana, buat ruang kerja baru atau pilih yang sudah ada, mulai sesi baru, dan pilih model DeepSeek yang ingin Anda gunakan. 

Setelah sesi siap, kita dapat mulai menguji dukungan pengodean, penelusuran web, visi, dan model pihak ketiga. 

Cara Menggunakan DeepSeek Harness untuk Pengodean

Sekarang DeepSeek Harness berjalan, kita bisa menguji kemampuan utama setelan kita. Mari mulai dengan tugas pengodean sederhana: 

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

DeepSeek Harness dapat bekerja langsung dengan berkas dan terminal, sehingga dapat membuat berkas Python, mengedit kode, dan menjalankan perintah di dalam ruang kerja.

Setelah tugas selesai, Anda akan melihat berkas yang dihasilkan dan instruksi untuk menjalankannya.

Untuk mendapatkan lebih banyak manfaat dari model DeepSeek yang menjalankan Harness, tutorial DeepSeek V4 API kami membahas mode penalaran V4 dan parameter API di Python.

Cara Menggunakan DeepSeek Harness untuk Penelusuran Web

Berikutnya, mari kita uji penelusuran web. Tidak diperlukan setelan tambahan karena DeepSeek Harness sudah menyertakan penyedia penelusuran web DeepSeek.

Coba prompt seperti:

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

Agen akan menelusuri web dan mengembalikan ringkasan beserta sumbernya. 

Saat sedang bekerja, buka tab Trajectory. Anda akan melihat pemanggilan alat seperti SUBTOOL: web_search.

Ini menunjukkan bahwa agen benar-benar menggunakan alat penelusuran web alih-alih hanya mengandalkan pengetahuan yang sudah ada pada model. Secara default, penelusuran ini ditangani oleh penyedia deepseek-official dan menggunakan DEEPSEEK_API_KEY yang sama seperti yang kita konfigurasi sebelumnya. 

Cara Menggunakan DeepSeek untuk Tugas Visi

Model chat DeepSeek di Harness hanya teks, sehingga tidak dapat memahami gambar yang diunggah secara mandiri. Untuk menambahkan dukungan visi, kita akan menggunakan ModLens, yang bertindak sebagai jembatan antara DeepSeek dan model yang mendukung visi.

Instal plugin ModLens

Saat Anda mengunggah gambar, ModLens memprosesnya menggunakan model visi, mengekstrak informasi visual yang berguna, dan mengembalikannya ke DeepSeek agar dapat menalar tentang gambar tersebut.

Mulailah dengan memasang plugin ModLens ke profil web:

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

Setelah terpasang, ModLens menambahkan alat modlens_read_image dan membuat opsi model seperti ``DeepSeek-V4-Flash (modlens vision)`.

Varian model ini memungkinkan Anda mengunggah gambar sambil tetap menggunakan DeepSeek sebagai model penalaran utama.

Daftarkan backend visi Anda

Untuk panduan ini, kita akan menggunakan Gemini API sebagai backend visi, jadi kita memerlukan kunci API Gemini. Anda dapat memulai dengan Gemini API Free Tier. Google menyediakan akses gratis ke model Gemini yang didukung dalam batas laju Free Tier, sehingga Anda tidak perlu menambahkan detail pembayaran hanya untuk menguji setelan visi pada panduan ini.

Setelah Anda memiliki kunci, tambahkan ke lingkungan Anda.

Di Linux atau macOS:

export GEMINI_API_KEY="your_gemini_api_key"

Di Windows PowerShell:

$env:GEMINI_API_KEY="your_gemini_api_key"

Instal dan konfigurasikan ModLens CLI

Berikutnya, instal ModLens CLI:

npm install -g @liustack/modlens

Lalu konfigurasikan menggunakan kunci API Gemini.

Di Linux atau macOS:

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

Di Windows PowerShell:

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

Terakhir, periksa bahwa semuanya berfungsi:

modlens doctor

Anda akan melihat gemini-api dipilih sebagai penyedia dan dilaporkan siap.

Menguji DeepSeek Harness dengan ModLens

Sekarang mari kita uji pemahaman gambar.

Dari pemilih model, pilih salah satu model dengan (modlens vision) di namanya, misalnya DeepSeek-V4-Flash (modlens vision).

Tempel atau unggah gambar, lalu ajukan pertanyaan: Explain what is shown in this image.

Seperti terlihat pada contoh di atas, DeepSeek sekarang dapat mendeskripsikan dan menalar tentang gambar yang diunggah.

Di balik layar, ModLens mengirim gambar ke Gemini untuk pemahaman visual dan meneruskan informasi yang diekstrak kembali ke DeepSeek. Ini berarti kita dapat tetap menggunakan DeepSeek sebagai model penalaran utama sambil memakai Gemini hanya untuk bagian visi.

Cara Menggunakan DeepSeek Harness dengan Model Pihak Ketiga

Terakhir, mari coba model dari penyedia lain. Buka Settings → Models.

Dari sini, Anda dapat menambahkan penyedia seperti OpenAI dan Anthropic, atau mengonfigurasi penyedia model lain yang didukung menggunakan kredensial API Anda sendiri. 

Anda juga dapat menambahkan penyedia kustom jika ingin menghubungkan model self-hosted atau endpoint kompatibel lainnya. Ini memungkinkan Anda mengonfigurasi detail seperti ID penyedia, base URL, jenis API, kredensial, dan nama model. 

Setelah penyedia ditambahkan, kembali ke sesi Anda dan pilih model baru dari pemilih model.

Sebagai contoh, coba prompt berikut:

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.

Contoh di atas menggunakan model pihak ketiga Kimi-K3 untuk menyelesaikan tugas pengodean, menunjukkan bahwa DeepSeek Harness tidak terbatas pada model DeepSeek.

Anda dapat beralih antar model yang dikonfigurasi langsung dari pemilih model, dan perubahan berlaku pada permintaan berikutnya tanpa perlu memulai ulang server Harness.

Pemikiran Akhir

Setelah menguji DeepSeek Harness, saya masih lebih menyukai Pi Coding Agent dan OpenCode untuk alur kerja saya sendiri.

DeepSeek Harness sangat mengingatkan saya pada Pi Coding Agent karena keduanya dibangun di sekitar ekosistem berbasis plugin. Anda dapat memasang berbagai ekstensi dan memberi agen pengodean Anda kemampuan ekstra sesuai kebutuhan. Fleksibilitas itu berguna, tetapi dalam pengujian saya, saya masih belum benar-benar memahami hype seputar DeepSeek Harness. Pengalaman keseluruhannya terasa cukup biasa dibandingkan agen pengodean lain yang sudah saya gunakan.

Saya juga menemui beberapa masalah yang membuat frustrasi. Terkadang agen berhenti di tengah tugas tanpa memberi tahu alasannya, dan saya harus mengetik continue untuk membuatnya berjalan lagi. Memasang dan mengonfigurasi plugin juga menjadi titik lemah. Ini bisa cukup sulit kecuali Anda sudah tahu persis apa yang Anda lakukan, dan dokumentasinya saat ini tidak banyak membantu.

Meski begitu, DeepSeek Harness masih merupakan produk yang sangat baru, jadi masalah ini bisa dimaklumi. Saya berharap pengalaman, dokumentasi, dan ekosistem plugin akan banyak meningkat seiring waktu. Ada juga kemungkinan bahwa DeepSeek sedang membangun harness yang bekerja sangat baik dengan modelnya sendiri, dan itu bisa menjadi bagian dari alasan di balik antusiasme tersebut.