Programa
Fundamentos de agentes de IA
6 h
Introdução aos agentes de IA
Aprenda os fundamentos dos agentes de IA, seus componentes e o uso no mundo real - não é necessário programar.
Por que o DeepSeek Harness é popular?
O DeepSeek Harness ganhou atenção muito rápido, chegando a mais de 160.000 estrelas no GitHub e 18.000 forks na data de publicação deste artigo.
Um dos motivos é que desenvolvedores estão conseguindo ótimos resultados com diferentes modelos, não só com o DeepSeek. Usuários no Reddit relatam sucesso com modelos como o Qwen3.8-27b, especialmente para programação e tarefas agentic mais longas.
Outro motivo é sua autonomia e flexibilidade. Usuários relatam que o Harness consegue avançar por tarefas com várias etapas, se recuperar de erros, lidar com contextos longos e continuar sem intervenção constante. O design baseado em plugins também facilita trocar modelos, adicionar ferramentas e personalizar o fluxo do agente, em vez de ficar preso a uma configuração fixa.
Se você está comparando o Harness com os rivais a que ele se propõe enfrentar, nosso guia de alternativas ao Claude Code compara lado a lado sete das principais opções.
Principais recursos do DeepSeek Harness
Aqui estão alguns dos destaques:
-
Arquitetura baseada em plugins: a maioria das partes do agente pode ser estendida ou trocada via plugins, o que facilita personalizar sua configuração.
-
Web UI local: executar
dshweb oferece uma interface no navegador onde você gerencia modelos, sessões, workspaces, configurações e agentes. -
SDK em Python: o
deepseek-harness-sdkpermite rodar agentes do Harness diretamente de apps Python, scripts, testes e automações. -
Vários provedores de modelo: você não fica limitado aos modelos da DeepSeek. Dá para usar provedores como OpenAI e Anthropic, ou conectar seu próprio endpoint compatível.
-
Chamada de ferramentas: agentes podem chamar ferramentas para executar ações, e não só gerar texto.
-
Ferramentas de arquivos e terminal: o Harness inclui ferramentas para ler, buscar e editar arquivos, além de Bash no Linux e macOS e PowerShell no Windows.
-
Pesquisa na web integrada: o provedor de pesquisa do DeepSeek já vem na configuração padrão e usa a mesma chave da API do DeepSeek que o modelo.
-
Code Mode: o Harness pode expor ferramentas via um modo de execução baseado em código, dando ao agente mais controle sobre como combinar e executar chamadas.
-
Trajectory: a visualização Trajectory permite inspecionar o que o agente faz passo a passo, incluindo respostas do modelo, chamadas de ferramenta, atividade aninhada, tempos e uso de tokens.
-
Presets de agente: você cria configurações de agentes com suas próprias ferramentas e prompts e as reutiliza em várias sessões.
-
Estatísticas da sessão: o Harness acompanha dados úteis como turns, steps, tempo de modelo, tempo de ferramenta, time to first token e tempo de decodificação.
-
Subagentes: um agente principal pode delegar partes da tarefa a agentes filhos, útil para fluxos mais complexos.
-
Plugins da comunidade: plugins de terceiros adicionam capacidades extras que não existem no modelo base. Neste guia, usamos o ModLens para adicionar visão.
-
Licença MIT: o DeepSeek Harness é open source e distribuído sob a permissiva licença MIT.
A grande vantagem é não ficar preso a um único modelo, conjunto de ferramentas ou tipo de agente. Você pode começar na configuração padrão e ir adicionando ou trocando componentes conforme experimenta diferentes fluxos.
Como configuro o DeepSeek Harness?
Vamos começar instalando o DeepSeek Harness e preparando tudo que vamos usar no restante do guia. Vamos instalar o Node.js, o DeepSeek Harness e o pnpm, depois adicionar nossas chaves de API.
Instale o Node.js
O DeepSeek Harness roda em Node.js. Como também vamos usar o ModLens para visão, recomendo Node.js 22.19 ou mais recente.
Se você usa Ubuntu ou Debian, pode instalar o Node.js com:
curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash - && sudo apt-get install -y nodejsDepois de instalar, confira se o Node.js e o npm estão funcionando:
node --version
npm --versionNo meu ambiente, obtive:
v24.19.0
11.17.0Você não precisa ter exatamente as mesmas versões. Estando em uma versão recente do Node.js, já está pronto para seguir.
Instale o DeepSeek Harness
Agora, vamos instalar o próprio DeepSeek Harness.
O guia oficial de início rápido usa npx, mas prefiro instalar globalmente para podermos usar o comando dsh ao longo do guia.
Execute:
npm install -g @deepseek-ai/dshDepois, verifique se instalou corretamente:
dsh --versionNa época em que testei este guia, eu estava usando:
0.1.0-rc.7Instale o pnpm
Também vamos precisar do pnpm. O DeepSeek Harness usa o pnpm quando adicionamos ou removemos plugins. Instale globalmente:
npm install -g pnpmConfigure as chaves de API
Para este tutorial, precisamos de duas chaves de API:
- Chave da DeepSeek API: usada para o modelo DeepSeek e para a pesquisa na web integrada.
- Chave da API do Gemini: usada pelo ModLens para interpretação de imagens.
Vamos configurar a chave do DeepSeek agora, pois é tudo que precisamos para código e pesquisa na web, e adicionar a chave do Gemini depois, quando incluirmos visão com o ModLens.
No DeepSeek, você precisa criar uma conta, gerar uma chave de API e adicionar crédito. Para este guia, recomendo adicionar pelo menos US$ 2 de crédito, o que deve ser mais que suficiente para testar os exemplos sem colocar um valor alto de início.
Com a chave em mãos, adicione-a ao seu ambiente.
No Linux ou macOS:
export DEEPSEEK_API_KEY="your_deepseek_api_key"No Windows PowerShell:
$env:DEEPSEEK_API_KEY="your_deepseek_api_key"Um ponto positivo dessa configuração é que não precisamos de uma API separada para pesquisa na web. O DeepSeek Harness já inclui o provedor de pesquisa do DeepSeek e usa a mesma variável DEEPSEEK_API_KEY.
Você também pode adicionar sua chave da DeepSeek API depois em Settings → Models dentro da Web UI.
Como inicio o DeepSeek Harness?
Com tudo configurado, podemos iniciar o DeepSeek Harness e abrir a Web UI. Basta rodar dsh web, que inicia a interface no navegador na porta 3080 por padrão.
Abra o endereço http://127.0.0.1:3080 no navegador para ver a interface.
A partir daí, crie um novo workspace ou selecione um existente, inicie uma nova sessão e escolha o modelo DeepSeek que você quer usar.
Com a sessão pronta, já podemos testar código, pesquisa na web, visão e suporte a modelos de terceiros.
Como usar o DeepSeek Harness para programar
Agora que o DeepSeek Harness está rodando, vamos testar os principais recursos da nossa configuração. Comece com uma tarefa simples de código:
Crie uma calculadora simples em Python com interface de linha de comando.
O DeepSeek Harness pode trabalhar diretamente com arquivos e terminal, então ele cria o arquivo Python, edita o código e executa comandos dentro do workspace.
Ao finalizar, você deve ver o arquivo gerado e as instruções para executá-lo.
Para tirar mais proveito dos modelos DeepSeek que alimentam o Harness, nosso tutorial da DeepSeek V4 API explica os modos de raciocínio do V4 e os parâmetros da API em Python.
Como usar o DeepSeek Harness para pesquisa na web
Agora, vamos testar a pesquisa na web. Não é preciso configuração extra, pois o DeepSeek Harness já inclui o provedor de pesquisa do DeepSeek.
Experimente um prompt como:
Pesquise na web os lançamentos mais recentes de modelos de IA open source e resuma os três principais em 18 de agosto de 2026.O agente deve pesquisar na web e retornar um resumo com as fontes.
Enquanto estiver rodando, abra a aba Trajectory. Você deve ver chamadas de ferramenta como SUBTOOL: web_search.
Isso mostra que o agente está de fato usando a ferramenta de pesquisa na web, em vez de depender só do conhecimento do modelo. Por padrão, essa busca é tratada pelo provedor deepseek-official e usa a mesma DEEPSEEK_API_KEY que configuramos antes.
Como usar o DeepSeek para tarefas de visão
O modelo de chat do DeepSeek no Harness é só de texto, então não entende imagens enviadas por conta própria. Para adicionar visão, vamos usar o ModLens, que faz a ponte entre o DeepSeek e um modelo com capacidade de visão.
Instale o plugin ModLens
Quando você envia uma imagem, o ModLens a processa usando um modelo de visão, extrai as informações visuais úteis e repassa isso ao DeepSeek para que ele possa raciocinar sobre a imagem.
Comece instalando o plugin ModLens no perfil web:
dsh plugin --profile web add @liustack/modlens@3.20.0Depois de instalado, o ModLens adiciona a ferramenta modlens_read_image e cria opções de modelo como ``DeepSeek-V4-Flash (modlens vision)`.
Essas variantes permitem enviar imagens mantendo o DeepSeek como modelo principal de raciocínio.
Registre seu backend de visão
Para este guia, vamos usar a Gemini API como backend de visão, então precisamos de uma chave da API do Gemini. Você pode começar pelo Free Tier da Gemini API. O Google oferece acesso gratuito aos modelos suportados dentro dos limites do Free Tier, então não é necessário adicionar forma de pagamento só para testar a configuração de visão deste guia.
Com a chave em mãos, adicione-a ao seu ambiente.
No Linux ou macOS:
export GEMINI_API_KEY="your_gemini_api_key"No Windows PowerShell:
$env:GEMINI_API_KEY="your_gemini_api_key"Instale e configure o ModLens CLI
Em seguida, instale o ModLens CLI:
npm install -g @liustack/modlensDepois, configure usando a chave da API do Gemini.
No Linux ou macOS:
modlens config set gemini-api.apiKey "$GEMINI_API_KEY"
modlens config set provider gemini-apiNo Windows PowerShell:
modlens config set gemini-api.apiKey "$env:GEMINI_API_KEY"
modlens config set provider gemini-apiPor fim, verifique se está tudo certo:
modlens doctorVocê deve ver o gemini-api selecionado como provedor e indicado como pronto.
Testando o DeepSeek Harness com o ModLens
Agora, vamos testar a interpretação de imagens.
No seletor de modelos, escolha uma das opções com (modlens vision) no nome, por exemplo, DeepSeek-V4-Flash (modlens vision).
Cole ou envie uma imagem e pergunte: Explique o que aparece nesta imagem.
Como no exemplo acima, o DeepSeek agora consegue descrever e raciocinar sobre a imagem enviada.
Nos bastidores, o ModLens envia a imagem ao Gemini para compreensão visual e repassa as informações extraídas ao DeepSeek. Assim, mantemos o DeepSeek como modelo principal de raciocínio e usamos o Gemini só para a parte de visão.
Como usar o DeepSeek Harness com um modelo de terceiros
Para finalizar, vamos testar um modelo de outro provedor. Abra Settings → Models.
Aqui, você pode adicionar provedores como OpenAI e Anthropic, ou configurar outro provedor suportado usando suas próprias credenciais de API.
Você também pode adicionar um provedor personalizado para conectar um modelo self-hosted ou outro endpoint compatível. Dá para configurar detalhes como ID do provedor, URL base, tipo de API, credenciais e nome do modelo.
Depois de adicionar o provedor, volte à sua sessão e selecione o novo modelo no seletor.
Por exemplo, experimente o prompt abaixo:
Crie um app de to-do em Python para linha de comando que permita adicionar, listar, concluir e excluir tarefas, com salvamento local em um arquivo JSON.
No exemplo acima, um modelo Kimi-K3 de terceiros executa a tarefa de código, mostrando que o DeepSeek Harness não se limita aos modelos da DeepSeek.
Você pode alternar entre os modelos configurados direto no seletor, e as mudanças valem para o próximo pedido sem reiniciar o servidor do Harness.
Considerações finais
Depois de testar o DeepSeek Harness, ainda prefiro o Pi Coding Agent e o OpenCode para meus próprios fluxos.
O DeepSeek Harness me lembra muito o Pi Coding Agent porque ambos são construídos em um ecossistema de plugins. Você pode instalar extensões diferentes e dar capacidades extras ao seu agente de código conforme a necessidade. Essa flexibilidade é útil, mas, nos meus testes, ainda não entendi muito bem o hype em torno do DeepSeek Harness. A experiência geral pareceu bem normal comparada a outros agentes de código que já usei.
Também esbarrei em alguns pontos frustrantes. Às vezes o agente parava no meio da tarefa sem explicar o motivo, e eu precisava digitar continue para ele seguir. Instalar e configurar plugins foi outro ponto delicado. Pode ser bem difícil se você não souber exatamente o que está fazendo, e a documentação ainda não ajuda muito.
Dito isso, o DeepSeek Harness ainda é um produto muito novo, então dá para entender esses problemas. Eu espero que a experiência, a documentação e o ecossistema de plugins melhorem bastante com o tempo. Também é possível que a DeepSeek esteja construindo um harness que funcione especialmente bem com seus próprios modelos — e isso pode explicar parte da empolgação.