Tracks
AIエージェントの基礎
6時間
DeepSeek Harness が人気の理由
DeepSeek Harness は公開から非常に短期間で注目を集め、GitHub スター 160,000 超、フォーク 18,000 を達成しました（本記事公開時点）。
大きな理由のひとつは、DeepSeek に限らずさまざまなモデルで強力な結果を引き出せる点が開発者に評価されていることです。Reddit では、特にコーディングや長いエージェントタスクで、Qwen3.8-27b などのモデルを問題なく使えているという報告が頻繁に見られます。
もうひとつの理由は、その自律性と柔軟性です。Harness はマルチステップのタスクを継続実行し、エラーから回復し、長いコンテキストを管理し、常に介入を必要とせず作業を続行できるという声が多く寄せられています。プラグイン設計により、モデルの入れ替え、ツールの追加、ワークフローのカスタマイズが容易で、固定構成に縛られません。
競合と比較検討している場合は、Claude Code の代替に関するガイドで、主要な 7 つの選択肢を横並びで比較しています。
DeepSeek Harness の主な機能
主な機能は次のとおりです。
-
プラグインベースのアーキテクチャ：エージェントの大半の部分はプラグインで拡張・置換でき、セットアップのカスタマイズが容易です。
-
ローカル Web UI：
dshweb を実行すると、モデル、セッション、ワークスペース、設定、エージェントを管理できるブラウザベースのインターフェースが起動します。 -
Python SDK：
deepseek-harness-sdkにより、Python アプリ、スクリプト、テスト、自動化ワークフローから直接 Harness エージェントを実行できます。 -
複数のモデルプロバイダー：DeepSeek モデルに限定されません。OpenAI や Anthropic などのプロバイダーを利用したり、互換エンドポイントを接続できます。
-
ツール呼び出し：エージェントはテキスト生成だけでなく、ツールを呼び出してアクションを実行できます。
-
ファイル／ターミナルツール：ファイルの読み取り、検索、編集に加え、Linux と macOS の Bash、Windows の PowerShell 用ツールが含まれます。
-
内蔵ウェブ検索：DeepSeek のウェブ検索プロバイダーがデフォルト設定に含まれ、モデルと同じ DeepSeek API キーを使用します。
-
コードモード：コードベースの実行モードでツールを公開し、エージェントがツール呼び出しの組み合わせや実行方法をより細かく制御できます。
-
Trajectory：Trajectory ビューで、モデル応答、ツール呼び出し、ネストしたツールの動作、タイミング、トークン使用量など、エージェントの処理をステップごとに確認できます。
-
エージェントのプリセット：ツールやプロンプトを個別に持つエージェント構成を作成し、異なるセッションで使い回せます。
-
セッション統計：ターン数、ステップ数、モデル時間、ツール時間、最初のトークンまでの時間、デコード時間などを追跡します。
-
サブエージェント：メインエージェントがタスクの一部を子エージェントに委任でき、複雑なワークフローで有用です。
-
コミュニティプラグイン：サードパーティ製プラグインで、ベースモデルにない機能を追加できます。本ガイドでは、ビジョン対応のために ModLens を使用しました。
-
MIT ライセンス：DeepSeek Harness はオープンソースで、寛容な MIT ライセンスで提供されています。
最大の利点は、単一のモデルやツールセット、エージェントの型に縛られないことです。デフォルト構成から始め、ワークフローを試行しながら徐々にコンポーネントを追加・置換できます。
DeepSeek Harness をどうやってセットアップする？
まず DeepSeek Harness をインストールし、このガイドで必要なものを揃えましょう。Node.js、DeepSeek Harness、pnpm をインストールし、その後 API キーを追加します。
Node.js をインストール
DeepSeek Harness は Node.js 上で動作します。後でビジョン用に ModLens も使うので、Node.js 22.19 以降を推奨します。
Ubuntu または Debian の場合は、次で Node.js をインストールできます。
curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash - && sudo apt-get install -y nodejsインストール後、Node.js と npm が動作するか確認します。
node --version
npm --version筆者の環境では次のように表示されました。
v24.19.0
11.17.0まったく同じバージョンである必要はありません。十分に新しい Node.js を使っていれば問題ありません。
DeepSeek Harness をインストール
次に、DeepSeek Harness 本体をインストールします。
公式クイックスタートでは npx を使いますが、このガイドではコマンド dsh を通して使えるよう、グローバルインストールを推奨します。
次を実行します。
npm install -g @deepseek-ai/dsh正しくインストールされたか確認します。
dsh --version本ガイドの検証時は次のバージョンでした。
0.1.0-rc.7pnpm をインストール
pnpm も必要です。DeepSeek Harness はプラグインの追加・削除時に pnpm を使用します。グローバルにインストールします。
npm install -g pnpmAPI キーを設定
本チュートリアルで必要な API キーは 2 つだけです。
- DeepSeek API キー：DeepSeek モデルと内蔵ウェブ検索に使用。
- Gemini API キー：画像理解に ModLens が使用。
まずは DeepSeek キーを設定します。これだけでコーディングとウェブ検索を使えます。ビジョン対応を追加する段階で Gemini キーを設定します。
DeepSeek を使うには、アカウント作成、API キーの生成、アカウントへのクレジット追加が必要です。本ガイドでは、まず 2 ドル程度のクレジット追加をおすすめします。サンプルを試す分には十分で、最初から大きな額を入れる必要はありません。
API キーを取得したら、環境変数に追加します。
Linux または macOS：
export DEEPSEEK_API_KEY="your_deepseek_api_key"Windows PowerShell：
$env:DEEPSEEK_API_KEY="your_deepseek_api_key"この構成の良い点は、別途ウェブ検索 API を用意する必要がないことです。DeepSeek Harness にはすでに DeepSeek のウェブ検索プロバイダーが含まれており、同じ DEEPSEEK_API_KEY を使用します。
Web UI のSettings → Models から後で DeepSeek API キーを追加することもできます。
DeepSeek Harness を起動するには？
設定が完了したら、DeepSeek Harness を起動し、Web UI を開きます。dsh web を実行するだけで、既定ではポート 3080 のブラウザインターフェースが起動します。
ブラウザで http://127.0.0.1:3080 にアクセスすると UI を確認できます。
ここから、新規ワークスペースを作成するか既存のものを選択し、新しいセッションを開始して、使用したい DeepSeek モデルを選びます。
セッションの準備ができたら、コーディング、ウェブ検索、ビジョン、サードパーティモデル対応をテストできます。
DeepSeek Harness をコーディングに使う方法
DeepSeek Harness が起動したので、セットアップの主要機能を試してみましょう。まずは簡単なコーディングタスクから始めます。
Create a simple Python calculator with a command-line interface.
DeepSeek Harness はファイルやターミナルを直接扱えるため、Python ファイルの作成、コードの編集、ワークスペース内でのコマンド実行まで行えます。
タスク完了後、生成されたファイルとその実行手順が表示されるはずです。
Harness を支える DeepSeek モデルをさらに使いこなすには、DeepSeek V4 API チュートリアルで、V4 の推論モードと Python における API パラメータを解説しています。
DeepSeek Harness をウェブ検索に使う方法
次に、ウェブ検索を試します。DeepSeek Harness には既に DeepSeek のウェブ検索プロバイダーが含まれているため、追加の設定は不要です。
次のようなプロンプトを試してください。
Search the web for the latest open-source AI model releases and summarize the top three as of August 18, 2026.エージェントはウェブを検索し、出典付きの要約を返すはずです。
動作中に Trajectory タブを開くと、SUBTOOL: web_search のようなツール呼び出しが表示されます。
これは、モデルの既存知識に頼るだけでなく、実際にウェブ検索ツールを使用していることを示します。既定では、この検索は deepseek-official プロバイダーが処理し、先ほど設定したのと同じ DEEPSEEK_API_KEY を使用します。
DeepSeek をビジョンタスクに使う方法
Harness の DeepSeek チャットモデルはテキスト専用のため、アップロードした画像を自力で理解することはできません。ビジョン対応を追加するため、ModLens を使用します。これは DeepSeek とビジョン対応モデルの橋渡しをします。
ModLens プラグインをインストール
画像をアップロードすると、ModLens がビジョンモデルで画像を処理し、有用な視覚情報を抽出して DeepSeek に渡すため、DeepSeek が画像について推論できるようになります。
まず web プロファイルに ModLens プラグインをインストールします。
dsh plugin --profile web add @liustack/modlens@3.20.0インストールされると、ModLens は modlens_read_image ツールを追加し、``DeepSeek-V4-Flash (modlens vision)` のようなモデルオプションを作成します。
これらのモデルバリアントを使うと、メインの推論モデルとして DeepSeek を維持したまま、画像をアップロードできます。
ビジョンのバックエンドを登録
本ガイドでは Gemini API をビジョンのバックエンドとして使用するため、Gemini API キーが必要です。Gemini API Free Tier から始められます。Google は Free Tier のレート制限内で対応モデルへの無料アクセスを提供しているため、本ガイドのビジョン設定を試すだけなら支払い情報の追加は不要です。
キーを取得したら、環境に追加します。
Linux または macOS：
export GEMINI_API_KEY="your_gemini_api_key"Windows PowerShell：
$env:GEMINI_API_KEY="your_gemini_api_key"ModLens CLI をインストールして設定
次に、ModLens CLI をインストールします。
npm install -g @liustack/modlens続いて、Gemini API キーを使って設定します。
Linux または macOS：
modlens config set gemini-api.apiKey "$GEMINI_API_KEY"
modlens config set provider gemini-apiWindows PowerShell：
modlens config set gemini-api.apiKey "$env:GEMINI_API_KEY"
modlens config set provider gemini-api最後に、正常動作を確認します。
modlens doctorgemini-api がプロバイダーとして選択され、準備完了と表示されるはずです。
ModLens とあわせた DeepSeek Harness のテスト
それでは画像理解をテストしてみましょう。
モデルピッカーから、名前に (modlens vision) が付いたモデル（例：DeepSeek-V4-Flash (modlens vision)）を選びます。
画像を貼り付けるかアップロードし、Explain what is shown in this image. と尋ねてください。
上の例のとおり、DeepSeek はアップロードした画像を説明・推論できるようになりました。
裏側では、ModLens が画像を Gemini に送って視覚理解を行い、その抽出情報を DeepSeek に返しています。これにより、メインの推論モデルは DeepSeek のまま、ビジョン部分だけ Gemini を利用できます。
サードパーティモデルと一緒に DeepSeek Harness を使う方法
最後に、他プロバイダーのモデルを試してみましょう。Settings → Models を開きます。
ここから、OpenAI や Anthropic などのプロバイダーを追加したり、別の対応プロバイダーを自分の API 資格情報で設定できます。
セルフホストのモデルや互換エンドポイントに接続したい場合は、カスタムプロバイダーを追加できます。プロバイダー ID、ベース URL、API タイプ、認証情報、モデル名などを設定できます。
プロバイダーを追加したら、セッションに戻り、モデルピッカーから新しいモデルを選択します。
例えば、次のプロンプトを試してください。
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.
上の例では、サードパーティの Kimi-K3 モデルでコーディングタスクを完了しており、DeepSeek Harness が DeepSeek モデルに限定されないことを示しています。
モデルピッカーから構成済みモデルを切り替えられ、Harness サーバーを再起動せずに次のリクエストから反映されます。
まとめ
DeepSeek Harness を試した結果、筆者のワークフローでは依然として Pi Coding Agent と OpenCode を好みます。
DeepSeek Harness は、プラグイン中心のエコシステムという点で Pi Coding Agent によく似ています。必要に応じて拡張機能をインストールし、コーディングエージェントに追加の能力を与えられます。柔軟性は有用ですが、正直なところ、テストした限りでは DeepSeek Harness をめぐる熱狂はまだよく理解できません。全体的な体験は、すでに使ってきた他のコーディングエージェントと比較して、かなり普通に感じられました。
いくつか気になる点もありました。ときどきエージェントが理由を告げずにタスクの途中で止まってしまい、再開には continue と入力する必要がありました。プラグインのインストールと設定も別の難所で、何をすべきか正確に分かっていないとかなり難しく、現時点ではドキュメントも十分ではありません。
とはいえ、DeepSeek Harness はまだ非常に新しい製品なので、これらの課題は理解できます。時間とともに、体験・ドキュメント・プラグインエコシステムは大きく改善されると期待しています。DeepSeek 独自モデルと特に相性の良いハーネスを構築している可能性もあり、それが盛り上がりの一因かもしれません。