DeepSeek Harness Eğitimi: En Popüler Açık Kaynak Yapay Zeka Aracısıyla Başlarken

DeepSeek Harness Neden Popüler?

DeepSeek Harness çok hızlı ilgi gördü; bu yazı yayımlandığı sırada 160.000’den fazla GitHub yıldızı ve 18.000 çatal sayısına ulaştı. 

Bunun büyük bir nedeni, geliştiricilerin yalnızca DeepSeek’ten değil, farklı modellerden de güçlü sonuçlar alabildiğini görmesi. Reddit kullanıcıları, özellikle kodlama ve daha uzun aracısal görevlerde Qwen3.8-27b gibi modellerle başarılı şekilde kullandıklarını sıkça bildiriyor.

Bir diğer neden de özerklik ve esneklik. Kullanıcılar, Harness’in çok adımlı görevlerde çalışmayı sürdürebildiğini, hatalardan toparlanabildiğini, uzun bağlamları yönetebildiğini ve sürekli müdahaleye ihtiyaç duymadan devam edebildiğini söylüyor. Eklenti tabanlı tasarımı, tek bir kurulumla kilitlenmek yerine modelleri değiştirmeyi, araçlar eklemeyi ve aracı iş akışını özelleştirmeyi de kolaylaştırıyor.

Eğer Harness’i, rakip olması beklenen araçlarla kıyaslıyorsanız, Claude Code alternatifleri rehberimiz, başlıca yedi seçeneği yan yana karşılaştırır.

DeepSeek Harness’in Öne Çıkan Özellikleri

Başlıca özelliklerden bazıları şunlardır:

• Eklenti tabanlı mimari: Aracının çoğu parçası eklentilerle genişletilebilir veya değiştirilebilir; bu da kurulumunuzu özelleştirmeyi kolaylaştırır.

• Yerel Web UI: dsh web çalıştırmak, modelleri, oturumları, çalışma alanlarını, ayarları ve aracıları yönetebileceğiniz tarayıcı tabanlı bir arayüz sağlar.

• Python SDK: deepseek-harness-sdk, Harness aracılarını Python uygulamalarından, betiklerden, testlerden ve otomasyon iş akışlarından doğrudan çalıştırmanıza olanak tanır.

• Birden fazla model sağlayıcısı: Yalnızca DeepSeek modelleriyle sınırlı değilsiniz. OpenAI ve Anthropic gibi sağlayıcıları kullanabilir veya uyumlu kendi uç noktanıza bağlanabilirsiniz.

• Araç çağırma: Aracılar yalnızca metin üretmek yerine eylem gerçekleştirmek için araçları çağırabilir.

• Dosya ve terminal araçları: Harness; dosyaları okuma, arama ve düzenleme araçlarının yanı sıra Linux ve macOS’ta Bash, Windows’ta PowerShell içerir.

• Yerleşik web araması: DeepSeek’in web arama sağlayıcısı varsayılan yapılandırmada dahildir ve modelle aynı DeepSeek API anahtarını kullanır.

• Code Mode: Harness, araçları kod tabanlı bir yürütme modu üzerinden sunarak aracının araç çağrılarını nasıl birleştirip çalıştıracağı üzerinde daha fazla kontrol sağlar.

• Trajectory: Trajectory görünümü, model yanıtları, araç çağrıları, iç içe araç etkinliği, zamanlama ve token kullanımı dahil olmak üzere, aracının adım adım ne yaptığını incelemenize olanak tanır.

• Aracı hazır ayarları: Kendi araçları ve istemleri olan farklı aracı kurulumları oluşturabilir ve bunları farklı oturumlarda kullanabilirsiniz.

• Oturum istatistikleri: Harness; dönüşler, adımlar, model süresi, araç süresi, ilk token’a kadar geçen süre ve çözümleme süresi gibi faydalı bilgileri izler.

• Alt aracılar: Ana bir aracı, daha karmaşık iş akışları için bir görevin bölümlerini alt aracılara devredebilir.

• Topluluk eklentileri: Üçüncü taraf eklentiler, temel modelde bulunmayan ek yetenekler kazandırabilir. Bu kılavuzda görsel desteği eklemek için ModLens kullandık.

• MIT lisanslı: DeepSeek Harness açık kaynaklıdır ve esnek MIT lisansı altında yayımlanmıştır.

En büyük avantaj, tek bir modele, araç setine veya aracı türüne bağlı olmamanızdır. Varsayılan kurulumla başlayabilir ve farklı iş akışları denerken bileşenleri kademeli olarak ekleyip değiştirebilirsiniz.

DeepSeek Harness’i Nasıl Kurarım?

Önce DeepSeek Harness’i kurup bu kılavuzun geri kalanı için gerekenleri ayarlayalım. Node.js, DeepSeek Harness ve pnpm’yi kuracak, ardından API anahtarlarımızı ekleyeceğiz.

Node.js’i kurun

DeepSeek Harness Node.js üzerinde çalışır. Görsel için ileride ModLens de kullanacağımızdan Node.js 22.19 veya daha yenisini öneririm.

Ubuntu veya Debian kullanıyorsanız, Node.js’i şu komutla kurabilirsiniz:

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

Kurulum tamamlandıktan sonra hem Node.js’in hem de npm’in çalıştığını kontrol edin:

node --version
npm --version

Benim kurulumumda şu çıktı:

v24.19.0
11.17.0

Sizin sürümlerinizin birebir aynı olması gerekmez. Yeterince güncel bir Node.js sürümü kullanıyorsanız hazırsınız.

DeepSeek Harness’i kurun

Sırada DeepSeek Harness’in kendisini kurmak var.

Resmi hızlı başlangıç npx kullanıyor, ancak bu kılavuz boyunca dsh komutunu doğrudan kullanabilmek için ben küresel kurmayı tercih ediyorum.

Çalıştırın:

npm install -g @deepseek-ai/dsh

Ardından doğru yüklendiğini kontrol edin:

dsh --version

Bu kılavuzu test ettiğim sırada kullandığım sürüm:

0.1.0-rc.7

pnpm’i kurun

pnpm’e de ihtiyacımız var. DeepSeek Harness, eklenti ekleyip kaldırırken pnpm kullanır. Küresel olarak kurun:

npm install -g pnpm

API anahtarlarını ayarlayın

Bu eğitim için yalnızca iki API anahtarına ihtiyacımız var:

• DeepSeek API anahtarı: DeepSeek modeli ve yerleşik web araması için kullanılır.
• Gemini API anahtarı: Görüntü anlama için ModLens tarafından kullanılır.

DeepSeek anahtarını şimdi ayarlayacağız; çünkü kodlama ve web araması için gereken tek şey bu. ModLens ile görseli eklerken Gemini anahtarını daha sonra ekleyeceğiz.

DeepSeek için bir DeepSeek hesabı oluşturmanız, bir API anahtarı üretmeniz ve hesabınıza kredi eklemeniz gerekir. Bu kılavuz için en az 2 $ kredi eklemenizi öneririm; bu, örnekleri test etmek için fazlasıyla yeterli olacaktır ve baştan yüksek tutar yatırmanızı gerektirmez.

API anahtarınızı aldıktan sonra, ortam değişkeninize ekleyin.

Linux veya macOS’ta:

export DEEPSEEK_API_KEY="your_deepseek_api_key"

Windows PowerShell’de:

$env:DEEPSEEK_API_KEY="your_deepseek_api_key"

Bu kurulumun güzel yanı, ayrı bir web arama API’sine ihtiyaç duymamamız. DeepSeek Harness zaten DeepSeek’in web arama sağlayıcısını içeriyor ve aynı DEEPSEEK_API_KEY’i kullanıyor.

DeepSeek API anahtarınızı, Web UI içinde Ayarlar → Modeller bölümünden daha sonra da ekleyebilirsiniz.

DeepSeek Harness’i Nasıl Başlatırım?

Artık her şey yapılandırıldığına göre, DeepSeek Harness’i başlatıp Web UI’ı açabiliriz. Varsayılan olarak 3080 portunda tarayıcı arayüzünü başlatan dsh web komutunu çalıştırmanız yeterli.

Tarayıcınızda http://127.0.0.1:3080 adresini açtığınızda arayüzü görebilirsiniz.

Buradan yeni bir çalışma alanı oluşturun veya mevcut birini seçin, yeni bir oturum başlatın ve kullanmak istediğiniz DeepSeek modelini seçin. 

Oturum hazır olduğunda, kodlama, web araması, görsel ve üçüncü taraf model desteğini test etmeye başlayabiliriz. 

DeepSeek Harness Kodlama için Nasıl Kullanılır?

DeepSeek Harness çalıştığına göre, kurulumumuzun başlıca yeteneklerini test edebiliriz. Basit bir kodlama göreviyle başlayalım: 

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

DeepSeek Harness dosyalar ve terminalle doğrudan çalışabildiği için Python dosyasını oluşturabilir, kodu düzenleyebilir ve çalışma alanı içinde komutlar çalıştırabilir.

Görev tamamlandığında, oluşturulan dosyayı ve çalıştırma talimatlarını görmelisiniz.

Harness’i güçlendiren DeepSeek modellerinden daha iyi yararlanmak için, DeepSeek V4 API eğitimimiz, Python’da V4 akıl yürütme modları ve API parametrelerini adım adım açıklar.

DeepSeek Harness Web Araması için Nasıl Kullanılır?

Sırada web aramasını test etmek var. Ekstra bir kurulum gerekmez; çünkü DeepSeek Harness zaten DeepSeek’in web arama sağlayıcısını içeriyor.

Şu tarz bir istem deneyin:

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

Aracı, webde arama yapıp kaynaklarıyla birlikte bir özet döndürmelidir. 

Çalışırken Trajectory sekmesini açın. SUBTOOL: web_search gibi araç çağrıları görmelisiniz.

Bu, aracının yalnızca modelin mevcut bilgisine güvenmek yerine gerçekten web arama aracını kullandığını gösterir. Varsayılan olarak bu arama, deepseek-official sağlayıcısı tarafından gerçekleştirilir ve daha önce yapılandırdığımız aynı DEEPSEEK_API_KEY’i kullanır. 

Görsel Görevler için DeepSeek Nasıl Kullanılır?

Harness içindeki DeepSeek’in sohbet modeli yalnızca metin tabanlıdır; bu nedenle tek başına yüklenen görüntüleri anlayamaz. Görsel desteği eklemek için ModLens kullanacağız; bu araç, DeepSeek ile görsel yetenekli bir model arasında köprü görevi görür.

ModLens eklentisini kurun

Bir görüntü yüklediğinizde ModLens, görüntüyü bir görsel modelle işler, yararlı görsel bilgileri çıkarır ve DeepSeek’in bu görüntü üzerine akıl yürütebilmesi için geri iletir.

Önce ModLens eklentisini web profiline kurun:

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

Kurulduktan sonra ModLens, modlens_read_image aracını ekler ve ``DeepSeek-V4-Flash (modlens vision)` gibi model seçenekleri oluşturur.

Bu model varyantları, ana akıl yürütme modeli olarak yine DeepSeek’i kullanırken görüntü yüklemenizi sağlar.

Görsel arka ucunuzu kaydedin

Bu kılavuzda Gemini API’sini görsel arka uç olarak kullanacağız; bu nedenle bir Gemini API anahtarına ihtiyacımız var. Gemini API Ücretsiz Katman ile başlayabilirsiniz. Google, desteklenen Gemini modellere Ücretsiz Katman kota sınırları içinde ücretsiz erişim sağlar; dolayısıyla bu kılavuzdaki görsel kurulumu test etmek için ödeme bilgisi eklemeniz gerekmez.

Anahtarınızı aldıktan sonra ortam değişkeninize ekleyin.

Linux veya macOS’ta:

export GEMINI_API_KEY="your_gemini_api_key"

Windows PowerShell’de:

$env:GEMINI_API_KEY="your_gemini_api_key"

ModLens CLI’ı kurun ve yapılandırın

Sonraki adımda ModLens CLI’ı kurun:

npm install -g @liustack/modlens

Ardından Gemini API anahtarını kullanarak yapılandırın.

Linux veya macOS’ta:

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

Windows PowerShell’de:

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

Son olarak her şeyin çalıştığını kontrol edin:

modlens doctor

gemini-api’nin sağlayıcı olarak seçildiğini ve hazır olduğunu görmelisiniz.

ModLens ile DeepSeek Harness’i test etme

Şimdi görüntü anlama özelliğini test edelim.

Model seçicisinden adında (modlens vision) geçen modellerden birini seçin; örneğin DeepSeek-V4-Flash (modlens vision).

Bir görsel yapıştırın veya yükleyin, ardından şunu sorun: Explain what is shown in this image.

Yukarıdaki örnekte görüldüğü gibi, DeepSeek artık yüklenen görüntüyü betimleyip onun hakkında akıl yürütebiliyor.

Arka planda, ModLens görüntüyü görsel anlama için Gemini’ye gönderir ve çıkarılan bilgileri DeepSeek’e geri iletir. Bu sayede, görsel kısmı için yalnızca Gemini’yi kullanırken ana akıl yürütme modeli olarak DeepSeek’i koruyabiliriz.

DeepSeek Harness Üçüncü Taraf Bir Modelle Nasıl Kullanılır?

Son olarak başka bir sağlayıcıdan bir modeli deneyelim. Ayarlar → Modeller bölümünü açın.

Buradan OpenAI ve Anthropic gibi sağlayıcıları ekleyebilir veya kendi API kimlik bilgilerinizle desteklenen başka bir model sağlayıcısını yapılandırabilirsiniz. 

Kendi barındırdığınız bir modeli veya başka bir uyumlu uç noktayı bağlamak isterseniz özel bir sağlayıcı da ekleyebilirsiniz. Bu, sağlayıcı kimliği, temel URL, API türü, kimlik bilgileri ve model adı gibi ayrıntıları yapılandırmanıza olanak tanır. 

Sağlayıcıyı ekledikten sonra, oturumunuza dönün ve model seçicisinden yeni modeli seçin.

Örneğin şu istemi deneyin:

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.

Yukarıdaki örnekte, kodlama görevini tamamlamak için üçüncü taraf bir Kimi-K3 modeli kullanılıyor; bu da DeepSeek Harness’in yalnızca DeepSeek modelleriyle sınırlı olmadığını gösteriyor.

Yapılandırılmış modeller arasında doğrudan model seçicisinden geçiş yapabilirsiniz ve değişiklikler, Harness sunucusunu yeniden başlatmadan bir sonraki isteğinize uygulanır.

Son Düşünceler

DeepSeek Harness’i test ettikten sonra, kendi iş akışlarım için hâlâ Pi Coding Agent ve OpenCode’u tercih ediyorum.

DeepSeek Harness bana Pi Coding Agent’ı oldukça hatırlatıyor; çünkü her ikisi de eklenti tabanlı bir ekosistem etrafında inşa edilmiş. İhtiyaçlarınıza göre farklı uzantılar kurup kodlama aracınıza ek yetenekler kazandırabiliyorsunuz. Bu esneklik faydalı, ancak benim testlerimde DeepSeek Harness etrafındaki heyecanı tam olarak anlayamadım. Genel deneyim, daha önce kullandığım diğer kodlama aracılarına kıyasla oldukça sıradandı.

Birkaç can sıkıcı sorunla da karşılaştım. Bazen aracı, nedenini belirtmeden bir görevin ortasında duruyordu ve yeniden devam etmesi için continue yazmam gerekiyordu. Eklentileri kurup yapılandırmak da başka bir sorun alanıydı. Ne yaptığınızı tam olarak bilmiyorsanız oldukça zor olabiliyor ve mevcut belgeler şu an için fazla yardımcı olmuyor.

Yine de, DeepSeek Harness çok yeni bir ürün; bu yüzden bu sorunlar anlaşılabilir. Zamanla deneyimin, belgelerin ve eklenti ekosisteminin hayli gelişmesini bekliyorum. Ayrıca DeepSeek’in, kendi modelleriyle özellikle iyi çalışan bir harness oluşturuyor olması da mümkün; bu da heyecanın bir parçası olabilir.