Tutorial DeepSeek Harness: Mulai Menggunakan Agen AI Sumber Terbuka Paling Populer

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 alasannya adalah para pengembang mendapati bahwa ini mampu menghasilkan hasil yang kuat dari berbagai model, bukan hanya DeepSeek. Pengguna Reddit sering melaporkan keberhasilan menggunakannya dengan model seperti Qwen3.8-27b, terutama untuk coding dan tugas agenik yang lebih panjang.

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

Jika Anda menimbang Harness 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 lebih mudah menyesuaikan setelan Anda.

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

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

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

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

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

• Pencarian web bawaan: Penyedia pencarian 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 lebih banyak kendali atas cara menggabungkan dan menjalankan panggilan alat.

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

• Preset agen: Anda dapat membuat setelan agen berbeda dengan alat dan promptnya sendiri, lalu menggunakannya di berbagai sesi.

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

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

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

• Berlisensi MIT: DeepSeek Harness bersifat open source 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 menambahkan 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 memasang Node.js, DeepSeek Harness, dan pnpm, lalu menambahkan kunci API kita.

Pasang 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 yang lebih baru.

Jika Anda menggunakan Ubuntu atau Debian, Anda dapat memasang 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.

Pasang DeepSeek Harness

Selanjutnya, mari pasang DeepSeek Harness itu sendiri.

Panduan mulai cepat resmi menggunakan npx, tetapi saya lebih suka memasangnya secara global sehingga kita bisa menggunakan perintah dsh di seluruh 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

Pasang pnpm

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

npm install -g pnpm

Siapkan kunci API

Untuk tutorial ini, kita hanya memerlukan dua kunci API:

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

Kita akan menyiapkan kunci DeepSeek sekarang, karena itu saja yang kita perlukan untuk coding dan pencarian web, dan 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 sarankan menambahkan setidaknya $2 kredit, yang seharusnya lebih dari cukup untuk menguji contoh tanpa menambah jumlah besar 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"

Satu hal yang menyenangkan dari setelan ini adalah kita tidak memerlukan API pencarian web terpisah. DeepSeek Harness sudah menyertakan penyedia pencarian 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 telah dikonfigurasi, kita dapat memulai DeepSeek Harness dan membuka Web UI. Cukup jalankan dsh web, yang akan memulai antarmuka browser 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 coding, pencarian web, visi, dan model pihak ketiga. 

Cara Menggunakan DeepSeek Harness untuk Coding

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

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

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

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

Untuk memaksimalkan model DeepSeek yang menjalankan Harness, tutorial API DeepSeek V4 kami membahas mode penalaran V4 dan parameter API di Python.

Cara Menggunakan DeepSeek Harness untuk Pencarian Web

Selanjutnya, mari uji pencarian web. Tidak diperlukan setelan tambahan karena DeepSeek Harness sudah menyertakan penyedia pencarian 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 mencari web dan mengembalikan ringkasan beserta sumbernya. 

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

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

Cara Menggunakan DeepSeek untuk Tugas Visi

Model chat DeepSeek di Harness hanya teks, jadi 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.

Pasang 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 API Gemini 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 dalam 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"

Pasang dan konfigurasikan ModLens CLI

Selanjutnya, pasang ModLens CLI:

npm install -g @liustack/modlens

Kemudian 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 uji pemahaman gambar.

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

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

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

Di belakang layar, ModLens mengirimkan 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 menggunakan 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 khusus 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 coding, menunjukkan bahwa DeepSeek Harness tidak terbatas pada model DeepSeek.

Anda dapat beralih di antara model yang telah dikonfigurasi langsung dari pemilih model, dan perubahan berlaku untuk permintaan berikutnya tanpa perlu memulai ulang server Harness.

Penutup

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 coding Anda kemampuan tambahan sesuai kebutuhan. Fleksibilitas itu berguna, tetapi dalam pengujian saya, saya masih belum benar-benar mengerti hype seputar DeepSeek Harness. Pengalaman keseluruhan terasa cukup biasa dibandingkan dengan agen coding lain yang sudah saya gunakan.

Saya juga menemui beberapa masalah yang cukup menjengkelkan. 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 belum terlalu membantu.

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