Tutorial DeepSeek Harness: Primii pași cu cel mai popular agent AI open-source

De ce este popular DeepSeek Harness?

DeepSeek Harness a atras atenția foarte repede, ajungând la peste 160.000 de stele pe GitHub și 18.000 de fork-uri la momentul publicării acestui articol. 

Un motiv important este că dezvoltatorii constată că poate obține rezultate bune din modele diferite, nu doar DeepSeek. Utilizatorii de pe Reddit raportează frecvent folosirea cu succes a unor modele precum Qwen3.8-27b, în special pentru coding și sarcini agentice mai lungi.

Un alt motiv este autonomia și flexibilitatea. Utilizatorii spun că Harness poate continua să lucreze prin sarcini în mai mulți pași, se poate reface după erori, gestionează contexte lungi și își continuă execuția fără intervenție constantă. Designul bazat pe pluginuri face, de asemenea, ușor schimbul de modele, adăugarea de unelte și personalizarea fluxului de lucru al agentului, în loc să fii blocat într-o configurare fixă.

Dacă pui în balanță Harness față de instrumentele pe care vrea să le rivalizeze, ghidul nostru despre alternative la Claude Code compară șapte opțiuni principale, una lângă alta.

Funcții cheie ale DeepSeek Harness

Iată câteva dintre principalele funcții:

• Arhitectură bazată pe pluginuri: Majoritatea părților agentului pot fi extinse sau înlocuite prin pluginuri, ceea ce face mai ușoară personalizarea configurării tale.

• Interfață Web locală: Rularea dsh web îți oferă o interfață în browser unde poți gestiona modele, sesiuni, spații de lucru, setări și agenți.

• SDK Python: deepseek-harness-sdk îți permite să rulezi agenți Harness direct din aplicații Python, scripturi, teste și fluxuri de automatizare.

• Multipli furnizori de modele: Nu ești limitat la modelele DeepSeek. Poți folosi furnizori precum OpenAI și Anthropic sau poți conecta propriul endpoint compatibil.

• Apelarea uneltelor: Agenții pot apela unelte pentru a executa acțiuni, nu doar pentru a genera text.

• Unelte pentru fișiere și terminal: Harness include unelte pentru citirea, căutarea și editarea fișierelor, plus Bash pe Linux și macOS și PowerShell pe Windows.

• Căutare web integrată: Furnizorul de căutare web al DeepSeek este inclus în configurația implicită și folosește aceeași cheie API DeepSeek ca modelul.

• Code Mode: Harness poate expune unelte printr-un mod de execuție bazat pe cod, oferind agentului mai mult control asupra modului în care combină și rulează apelurile de unelte.

• Trajectory: Vizualizarea Trajectory îți permite să inspectezi ce face agentul pas cu pas, inclusiv răspunsurile modelului, apelurile de unelte, activitatea uneltelor imbricate, timpii și utilizarea de tokeni.

• Preseturi de agenți: Poți crea configurări diferite de agenți, cu propriile unelte și prompturi, apoi să le folosești în sesiuni diferite.

• Statistici de sesiune: Harness urmărește informații utile precum ture, pași, timp pentru model, timp pentru unelte, timpul până la primul token și timpul de decodare.

• Subagenți: Un agent principal poate delega părți dintr-o sarcină unor agenți copil, util pentru fluxuri de lucru mai complexe.

• Pluginuri din comunitate: Pluginurile terțe pot adăuga capabilități suplimentare indisponibile în modelul de bază. În acest ghid, am folosit ModLens pentru a adăuga suport de viziune.

• Licență MIT: DeepSeek Harness este open-source și publicat sub permisiva licență MIT.

Principalul avantaj este că nu ești legat de un singur model, un singur set de unelte sau un singur tip de agent. Poți începe cu configurarea implicită și apoi să adaugi sau să înlocuiești treptat componentele pe măsură ce experimentezi cu fluxuri de lucru diferite.

Cum configurez DeepSeek Harness?

Să începem prin a instala DeepSeek Harness și a seta tot ce vom avea nevoie pentru restul ghidului. Vom instala Node.js, DeepSeek Harness și pnpm, apoi vom adăuga cheile noastre API.

Instalează Node.js

DeepSeek Harness rulează pe Node.js. De vreme ce vom folosi și ModLens pentru viziune, îți recomand Node.js 22.19 sau mai nou.

Dacă ești pe Ubuntu sau Debian, poți instala Node.js cu:

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

După instalare, verifică faptul că atât Node.js, cât și npm funcționează:

node --version
npm --version

Pe configurația mea, am obținut:

v24.19.0
11.17.0

Nu trebuie să ai exact aceleași versiuni. Atât timp cât rulezi o versiune suficient de recentă de Node.js, ești în regulă.

Instalează DeepSeek Harness

În continuare, să instalăm DeepSeek Harness propriu-zis.

Ghidul oficial de pornire rapidă folosește npx, dar eu prefer instalarea globală ca să putem folosi simplu comanda dsh pe tot parcursul ghidului.

Rulează:

npm install -g @deepseek-ai/dsh

Apoi verifică dacă s-a instalat corect:

dsh --version

La momentul în care am testat acest ghid, foloseam:

0.1.0-rc.7

Instalează pnpm

Avem nevoie și de pnpm. DeepSeek Harness îl folosește când adăugăm sau eliminăm pluginuri. Instalează-l global:

npm install -g pnpm

Configurează cheile API

Pentru acest tutorial, avem nevoie doar de două chei API:

• Cheie API DeepSeek: folosită pentru modelul DeepSeek și căutarea web integrată.
• Cheie API Gemini: folosită de ModLens pentru înțelegerea imaginilor.

Vom configura acum cheia DeepSeek, deoarece e tot ce ne trebuie pentru coding și căutare web, iar cheia Gemini o vom adăuga mai târziu când vom integra viziunea cu ModLens.

Pentru DeepSeek, va trebui să creezi un cont DeepSeek, să generezi o cheie API și să adaugi credit în cont. Pentru acest ghid, îți recomand să adaugi cel puțin 2 $ credit, suficient pentru a testa exemplele fără a plăti mult din start.

După ce ai cheia API, adaug-o în mediul tău.

Pe Linux sau macOS:

export DEEPSEEK_API_KEY="your_deepseek_api_key"

Pe Windows PowerShell:

$env:DEEPSEEK_API_KEY="your_deepseek_api_key"

Un lucru plăcut la această configurare este că nu avem nevoie de un API separat pentru căutare web. DeepSeek Harness include deja furnizorul de căutare web al DeepSeek și folosește același DEEPSEEK_API_KEY.

Îți poți adăuga cheia API DeepSeek și mai târziu din Settings → Models în interfața Web.

Cum pornesc DeepSeek Harness?

Acum că totul e configurat, putem porni DeepSeek Harness și deschide interfața Web. Rulează simplu dsh web, care pornește interfața în browser pe portul implicit 3080.

Poți vedea UI-ul după ce deschizi adresa http://127.0.0.1:3080 în browser.

De acolo, creează un spațiu de lucru nou sau selectează unul existent, pornește o sesiune nouă și alege modelul DeepSeek pe care vrei să îl folosești. 

După ce sesiunea este gata, putem începe testarea capabilităților de coding, căutare web, viziune și suport pentru modele terțe. 

Cum folosești DeepSeek Harness pentru coding

Acum că DeepSeek Harness rulează, putem testa capabilitățile principale ale configurării noastre. Să începem cu o sarcină simplă de coding: 

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

DeepSeek Harness poate lucra direct cu fișierele și terminalul, așa că poate crea fișierul Python, edita codul și rula comenzi în spațiul de lucru.

După ce sarcina este finalizată, ar trebui să vezi fișierul generat și instrucțiuni pentru a-l rula.

Pentru a obține mai mult de la modelele DeepSeek care alimentează Harness, tutorialul nostru despre DeepSeek V4 API parcurge modurile de raționare V4 și parametrii API în Python.

Cum folosești DeepSeek Harness pentru căutare web

În continuare, să testăm căutarea web. Nu este necesară o configurare suplimentară deoarece DeepSeek Harness include deja furnizorul de căutare web al DeepSeek.

Încearcă un prompt de tipul:

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

Agentul ar trebui să caute pe web și să întoarcă un rezumat cu surse. 

Cât timp rulează, deschide fila Trajectory. Ar trebui să vezi apeluri de unelte precum SUBTOOL: web_search.

Asta arată că agentul chiar folosește unealta de căutare pe web, în loc să se bazeze doar pe cunoștințele existente ale modelului. Implicit, această căutare este gestionată de furnizorul deepseek-official și folosește același DEEPSEEK_API_KEY pe care l-am configurat mai devreme. 

Cum folosești DeepSeek pentru sarcini de viziune

Modelul de chat DeepSeek din Harness este doar text, deci nu poate înțelege singur imaginile încărcate. Pentru a adăuga suport de viziune, vom folosi ModLens, care acționează ca un pod între DeepSeek și un model cu capabilități de viziune.

Instalează pluginul ModLens

Când încarci o imagine, ModLens o procesează folosind un model de viziune, extrage informațiile vizuale utile și transmite acele informații înapoi către DeepSeek, astfel încât acesta să poată raționa despre imagine.

Începe prin a instala pluginul ModLens în profilul web:

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

După instalare, ModLens adaugă unealta modlens_read_image și creează opțiuni de model precum ``DeepSeek-V4-Flash (modlens vision)`.

Aceste variante de model îți permit să încarci imagini păstrând totodată DeepSeek ca model principal de raționare.

Înregistrează backend-ul de viziune

Pentru acest ghid, vom folosi Gemini API ca backend de viziune, deci avem nevoie de o cheie API Gemini. Poți începe cu Gemini API Free Tier. Google oferă acces gratuit la modelele Gemini suportate în limitele de rată ale Free Tier, astfel că nu trebuie să adaugi detalii de plată doar pentru a testa configurarea de viziune din acest ghid.

După ce ai cheia, adaug-o în mediul tău.

Pe Linux sau macOS:

export GEMINI_API_KEY="your_gemini_api_key"

Pe Windows PowerShell:

$env:GEMINI_API_KEY="your_gemini_api_key"

Instalează și configurează CLI-ul ModLens

În continuare, instalează CLI-ul ModLens:

npm install -g @liustack/modlens

Apoi configurează-l folosind cheia API Gemini.

Pe Linux sau macOS:

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

Pe Windows PowerShell:

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

În final, verifică dacă totul funcționează:

modlens doctor

Ar trebui să vezi gemini-api selectat ca provider și raportat ca pregătit.

Testarea DeepSeek Harness cu ModLens

Acum să testăm înțelegerea imaginilor.

Din selectorul de modele, alege unul dintre modelele cu (modlens vision) în nume, de exemplu DeepSeek-V4-Flash (modlens vision).

Lipește sau încarcă o imagine, apoi întreabă: Explain what is shown in this image.

După cum se vede în exemplul de mai sus, DeepSeek poate acum descrie și raționa despre imaginea încărcată.

În culise, ModLens trimite imaginea către Gemini pentru înțelegere vizuală și transmite informațiile extrase înapoi la DeepSeek. Asta înseamnă că putem păstra DeepSeek ca model principal de raționare, folosind Gemini doar pentru partea de viziune.

Cum folosești DeepSeek Harness cu un model terț

În final, să încercăm un model de la alt furnizor. Deschide Settings → Models.

De aici, poți adăuga furnizori precum OpenAI și Anthropic sau poți configura un alt furnizor de modele suportat, folosind propriile tale credențiale API. 

Poți adăuga și un furnizor personalizat dacă vrei să conectezi un model self-hosted sau un alt endpoint compatibil. Astfel poți configura detalii precum ID-ul furnizorului, URL-ul de bază, tipul de API, credențialele și numele modelului. 

După ce ai adăugat furnizorul, revino la sesiunea ta și selectează noul model din selectorul de modele.

De exemplu, încearcă următorul 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.

Exemplul de mai sus folosește un model terț Kimi-K3 pentru a finaliza sarcina de coding, arătând că DeepSeek Harness nu este limitat la modelele DeepSeek.

Poți comuta între modelele configurate direct din selectorul de modele, iar schimbările se aplică la următoarea cerere fără a reporni serverul Harness.

Gânduri finale

După ce am testat DeepSeek Harness, încă prefer Pi Coding Agent și OpenCode pentru propriile mele fluxuri de lucru.

DeepSeek Harness îmi amintește mult de Pi Coding Agent pentru că ambele sunt construite în jurul unui ecosistem bazat pe pluginuri. Poți instala extensii diferite și îi poți oferi agentului tău de coding capabilități suplimentare, în funcție de ce ai nevoie. Acea flexibilitate este utilă, dar, în testele mele, încă nu înțeleg cu adevărat entuziasmul din jurul DeepSeek Harness. Per ansamblu, experiența mi s-a părut destul de normală comparativ cu alți agenți de coding pe care i-am folosit deja.

M-am lovit și de câteva probleme frustrante. Uneori agentul se oprea la mijlocul unei sarcini fără să-mi spună de ce și trebuia să tastez continue ca să pornească din nou. Instalarea și configurarea pluginurilor a fost un alt punct dureros. Poate fi destul de dificilă dacă nu știi deja exact ce faci, iar documentația nu ajută prea mult deocamdată.

Pe de altă parte, DeepSeek Harness este încă un produs foarte nou, așa că aceste probleme sunt de înțeles. Mă aștept ca experiența, documentația și ecosistemul de pluginuri să se îmbunătățească mult în timp. Este posibil, de asemenea, ca DeepSeek să construiască un harness care funcționează în mod special bine cu propriile modele, iar asta ar putea explica o parte din entuziasm.