DeepSeek Harness-handleiding: aan de slag met de populairste open-source AI-agent

Waarom is DeepSeek Harness populair?

DeepSeek Harness kreeg razendsnel aandacht en bereikte meer dan 160.000 GitHub-sterren en 18.000 forks op het moment van publicatie van dit artikel. 

Een belangrijke reden is dat developers merken dat het sterke resultaten kan halen uit verschillende modellen, niet alleen DeepSeek. Reddit-gebruikers melden vaak succes met modellen zoals Qwen3.8-27b, vooral voor coderen en langere agentische taken.

Een andere reden is de autonomie en flexibiliteit. Gebruikers melden dat Harness door meerstaps taken kan blijven werken, kan herstellen van fouten, lange contexten aankan en kan doorgaan zonder constante tussenkomst. Dankzij het plug-inontwerp is het ook eenvoudig om modellen te wisselen, tools toe te voegen en de agentworkflow aan te passen in plaats van vast te zitten aan één vaste setup.

Als je Harness afweegt tegen de tools waar het mee moet concurreren, vergelijkt onze gids met alternatieven voor Claude Code zeven van de belangrijkste opties naast elkaar.

Belangrijkste functies van DeepSeek Harness

Dit zijn enkele van de belangrijkste functies:

• Plug-inarchitectuur: De meeste onderdelen van de agent kunnen worden uitgebreid of vervangen via plug-ins, wat het makkelijker maakt om je setup aan te passen.

• Lokale Web UI: Met dsh web krijg je een browserinterface waarin je modellen, sessies, werkruimtes, instellingen en agents kunt beheren.

• Python-SDK: Met de deepseek-harness-sdk kun je Harness-agents rechtstreeks aanroepen vanuit Python-applicaties, scripts, tests en automatiseringsworkflows.

• Meerdere modelproviders: Je bent niet beperkt tot DeepSeek-modellen. Je kunt providers gebruiken zoals OpenAI en Anthropic, of je eigen compatibele endpoint koppelen.

• Toolaanroepen: Agents kunnen tools aanroepen om acties uit te voeren in plaats van alleen tekst te genereren.

• Bestands- en terminaltools: Harness bevat tools voor het lezen, zoeken en bewerken van bestanden, plus Bash op Linux en macOS en PowerShell op Windows.

• Ingebouwde webzoekfunctie: DeepSeek's webzoekprovider is inbegrepen in de standaardconfiguratie en gebruikt dezelfde DeepSeek-API-sleutel als het model.

• Code Mode: Harness kan tools aanbieden via een op code gebaseerde uitvoermodus, waardoor de agent meer controle krijgt over hoe hij toolaanroepen combineert en uitvoert.

• Trajectory: In de Trajectory-weergave kun je stap voor stap inspecteren wat de agent doet, inclusief modelantwoorden, toolaanroepen, geneste toolactiviteit, timing en tokengebruik.

• Agent-presets: Je kunt verschillende agentsetups maken met hun eigen tools en prompts en ze vervolgens in verschillende sessies gebruiken.

• Sessiestatistieken: Harness houdt nuttige informatie bij zoals beurten, stappen, modeltijd, tooltijd, time to first token en decoderingstijd.

• Subagents: Een hoofdagent kan delen van een taak delegeren aan onderliggende agents, wat nuttig is voor complexere workflows.

• Community-plug-ins: Plug-ins van derden kunnen extra mogelijkheden toevoegen die niet beschikbaar zijn in het basismodel. In deze gids gebruikten we ModLens om visionsupport toe te voegen.

• MIT-licentie: DeepSeek Harness is open source en uitgebracht onder de permissieve MIT-licentie.

Het grootste voordeel is dat je niet vastzit aan één model, één toolset of één type agent. Je kunt beginnen met de standaardsetup en geleidelijk onderdelen toevoegen of vervangen terwijl je experimenteert met verschillende workflows.

Hoe stel ik DeepSeek Harness in?

Laten we beginnen met het installeren van DeepSeek Harness en alles in te richten wat we nodig hebben voor de rest van de gids. We installeren Node.js, DeepSeek Harness en pnpm, en voegen daarna onze API-sleutels toe.

Installeer Node.js

DeepSeek Harness draait op Node.js. Omdat we later ook ModLens gaan gebruiken voor vision, raad ik Node.js 22.19 of nieuwer aan.

Als je Ubuntu of Debian gebruikt, kun je Node.js installeren met:

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

Controleer na installatie of zowel Node.js als npm werken:

node --version
npm --version

Op mijn setup kreeg ik:

v24.19.0
11.17.0

Je hoeft niet exact dezelfde versies te hebben. Zolang je een recente genoeg versie van Node.js draait, zit je goed.

Installeer DeepSeek Harness

Laten we nu DeepSeek Harness zelf installeren.

De officiële quickstart gebruikt npx, maar ik geef de voorkeur aan globale installatie, zodat we in de hele gids simpelweg het dsh-commando kunnen gebruiken.

Voer uit:

npm install -g @deepseek-ai/dsh

Controleer daarna of het correct is geïnstalleerd:

dsh --version

Toen ik deze gids testte, gebruikte ik:

0.1.0-rc.7

Installeer pnpm

We hebben ook pnpm nodig. DeepSeek Harness gebruikt dit wanneer we plug-ins toevoegen of verwijderen. Installeer het globaal:

npm install -g pnpm

Stel de API-sleutels in

Voor deze tutorial hebben we slechts twee API-sleutels nodig:

• DeepSeek API-sleutel: gebruikt voor het DeepSeek-model en de ingebouwde webzoekfunctie.
• Gemini API-sleutel: gebruikt door ModLens voor beeldbegrip.

We stellen nu de DeepSeek-sleutel in, want die is alles wat we nodig hebben voor coderen en webzoekopdrachten, en voegen de Gemini-sleutel later toe wanneer we vision met ModLens toevoegen.

Voor DeepSeek moet je een DeepSeek-account aanmaken, een API-sleutel genereren en tegoed op je account zetten. Voor deze gids raad ik aan om minstens $2 tegoed toe te voegen; dat zou ruim voldoende moeten zijn om de voorbeelden te testen zonder meteen veel vooruit te betalen.

Zodra je de API-sleutel hebt, voeg je die toe aan je omgeving.

Op Linux of macOS:

export DEEPSEEK_API_KEY="your_deepseek_api_key"

Op Windows PowerShell:

$env:DEEPSEEK_API_KEY="your_deepseek_api_key"

Een fijn voordeel van deze setup is dat we geen aparte webzoek-API nodig hebben. DeepSeek Harness bevat al de webzoekprovider van DeepSeek en gebruikt dezelfde DEEPSEEK_API_KEY.

Je kunt je DeepSeek-API-sleutel later ook toevoegen via Settings → Models in de Web UI.

Hoe start ik DeepSeek Harness?

Nu alles is geconfigureerd, kunnen we DeepSeek Harness starten en de Web UI openen. Voer simpelweg dsh web uit; dit start standaard de browserinterface op poort 3080.

Je ziet de UI zodra je in je browser het adres http://127.0.0.1:3080 opent.

Maak vanaf daar een nieuwe workspace of selecteer een bestaande, start een nieuwe sessie en kies het DeepSeek-model dat je wilt gebruiken. 

Zodra de sessie klaar is, kunnen we coderen, webzoekopdrachten, vision en ondersteuning voor modellen van derden gaan testen. 

DeepSeek Harness gebruiken voor coderen

Nu DeepSeek Harness draait, kunnen we de belangrijkste mogelijkheden van onze setup testen. Laten we beginnen met een eenvoudige codetaak: 

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

DeepSeek Harness kan direct met bestanden en de terminal werken, dus het kan het Python-bestand aanmaken, de code bewerken en opdrachten uitvoeren binnen de workspace.

Na afloop van de taak zie je het gegenereerde bestand en instructies om het uit te voeren.

Wil je meer uit de DeepSeek-modellen halen die Harness aansturen? Onze DeepSeek V4 API-tutorial laat de V4-redeneermodi en API-parameters in Python zien.

DeepSeek Harness gebruiken voor webzoekopdrachten

Laten we vervolgens webzoeken testen. Er is geen extra setup nodig, omdat DeepSeek Harness al de webzoekprovider van DeepSeek bevat.

Probeer een prompt zoals:

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

De agent zou het web moeten doorzoeken en een samenvatting met bronnen moeten geven. 

Terwijl het werkt, open je het tabblad Trajectory. Je zou toolaanroepen moeten zien zoals SUBTOOL: web_search.

Dit laat zien dat de agent daadwerkelijk de webzoektool gebruikt in plaats van alleen te vertrouwen op de bestaande kennis van het model. Standaard wordt deze zoekopdracht afgehandeld door de deepseek-official-provider en wordt dezelfde DEEPSEEK_API_KEY gebruikt die we eerder hebben geconfigureerd. 

DeepSeek gebruiken voor vision-taken

Het chatmodel van DeepSeek in Harness is alleen tekst, dus het kan geüploade afbeeldingen niet zelfstandig begrijpen. Om visionsupport toe te voegen, gebruiken we ModLens, dat fungeert als een brug tussen DeepSeek en een vision-capabel model.

Installeer de ModLens-plug-in

Wanneer je een afbeelding uploadt, verwerkt ModLens die met een visionmodel, extraheert de relevante visuele informatie en geeft die informatie terug aan DeepSeek zodat het over de afbeelding kan redeneren.

Begin met het installeren van de ModLens-plug-in in het web-profiel:

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

Na installatie voegt ModLens de tool modlens_read_image toe en creëert het modelopties zoals ``DeepSeek-V4-Flash (modlens vision)`.

Met deze modelvarianten kun je afbeeldingen uploaden terwijl je DeepSeek als hoofdredeneermodel blijft gebruiken.

Registreer je vision-backend

Voor deze gids gebruiken we de Gemini API als vision-backend, dus we hebben een Gemini API-sleutel nodig. Je kunt beginnen met de Gemini API Free Tier. Google biedt gratis toegang tot ondersteunde Gemini-modellen binnen de Free Tier-limieten, dus je hoeft geen betaalgegevens toe te voegen om de vision-setup in deze gids te testen.

Zodra je je sleutel hebt, voeg je die toe aan je omgeving.

Op Linux of macOS:

export GEMINI_API_KEY="your_gemini_api_key"

Op Windows PowerShell:

$env:GEMINI_API_KEY="your_gemini_api_key"

Installeer en configureer de ModLens-CLI

Installeer vervolgens de ModLens-CLI:

npm install -g @liustack/modlens

Configureer die daarna met de Gemini API-sleutel.

Op Linux of macOS:

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

Op Windows PowerShell:

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

Controleer tot slot of alles werkt:

modlens doctor

Je zou moeten zien dat gemini-api als provider is geselecteerd en als gereed wordt gemeld.

DeepSeek Harness testen met ModLens

Laten we nu beeldbegrip testen.

Selecteer in de modelkiezer een van de modellen met (modlens vision) in de naam, bijvoorbeeld DeepSeek-V4-Flash (modlens vision).

Plak of upload een afbeelding en vraag dan: Explain what is shown in this image.

Zoals in het voorbeeld hierboven te zien is, kan DeepSeek nu de geüploade afbeelding beschrijven en erover redeneren.

Achter de schermen stuurt ModLens de afbeelding naar Gemini voor visueel begrip en geeft de geëxtraheerde informatie terug aan DeepSeek. Dit betekent dat we DeepSeek als hoofdredeneermodel kunnen houden en Gemini alleen gebruiken voor het vision-gedeelte.

DeepSeek Harness gebruiken met een model van derden

Laten we tot slot een model van een andere provider proberen. Open Settings → Models.

Vanaf hier kun je providers toevoegen zoals OpenAI en Anthropic, of een andere ondersteunde modelprovider configureren met je eigen API-gegevens. 

Je kunt ook een aangepaste provider toevoegen als je een self-hosted model of een ander compatibel endpoint wilt koppelen. Zo kun je zaken configureren zoals de provider-ID, basis-URL, API-type, inloggegevens en modelnaam. 

Zodra de provider is toegevoegd, ga je terug naar je sessie en selecteer je het nieuwe model in de modelkiezer.

Probeer bijvoorbeeld de volgende prompt:

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.

In het voorbeeld hierboven wordt een Kimi-K3-model van een derde partij gebruikt om de codetaak te voltooien, wat laat zien dat DeepSeek Harness niet beperkt is tot DeepSeek-modellen.

Je kunt wisselen tussen geconfigureerde modellen rechtstreeks in de modelkiezer; de wijzigingen gelden voor je volgende verzoek zonder de Harness-server te herstarten.

Tot slot

Na het testen van DeepSeek Harness geef ik voor mijn eigen workflows nog steeds de voorkeur aan Pi Coding Agent en OpenCode.

DeepSeek Harness doet me sterk denken aan Pi Coding Agent, omdat beide zijn gebouwd rond een ecosysteem van plug-ins. Je kunt verschillende extensies installeren en je code-assistent extra mogelijkheden geven afhankelijk van wat je nodig hebt. Die flexibiliteit is nuttig, maar in mijn tests begrijp ik de hype rond DeepSeek Harness nog niet echt. De algehele ervaring voelde vrij normaal vergeleken met andere code-agents die ik al heb gebruikt.

Ik liep ook tegen een paar frustrerende issues aan. Soms stopte de agent halverwege een taak zonder te vertellen waarom, en moest ik continue typen om hem weer op gang te krijgen. Het installeren en configureren van plug-ins was een ander pijnpunt. Het kan best lastig zijn, tenzij je precies weet wat je doet, en de documentatie helpt op dit moment niet veel.

Dat gezegd hebbende, DeepSeek Harness is nog een heel nieuw product, dus deze issues zijn begrijpelijk. Ik verwacht dat de ervaring, documentatie en het plug-in-ecosysteem in de loop van de tijd flink verbeteren. Het is ook mogelijk dat DeepSeek een harness bouwt dat juist bijzonder goed werkt met zijn eigen modellen, en dat kan deels de reden zijn voor het enthousiasme.