DeepSeek Harness Eğitimi: En Popüler Açık Kaynak Yapay Zeka Ajanıyla Hızlı Başlangıç

DeepSeek Harness Neden Popüler?

DeepSeek Harness çok hızlı şekilde ilgi topladı; bu makalenin yayınlandığı tarihte 160.000’in üzerinde GitHub yıldızı ve 18.000 çatala ulaştı. 

Bunun büyük bir nedeni, geliştiricilerin yalnızca DeepSeek’ten değil, farklı modellerden de güçlü sonuçlar aldığını görmeleri. Reddit kullanıcıları, özellikle kodlama ve daha uzun ajan görevleri için Qwen3.8-27b gibi modellerle başarılı kullanım bildirimlerinde bulunuyor.

Diğer bir neden de özerklik ve esnekliği. Kullanıcılar, Harness’in çok adımlı görevlerde çalışmayı sürdürebildiğini, hatalardan toparlanabildiğini, uzun bağlamları yönetebildiğini ve sürekli müdahale gerektirmeden devam edebildiğini bildiriyor. Eklenti tabanlı tasarım, tek bir sabit düzene bağlı kalmak yerine modelleri değiştirmeyi, araçlar eklemeyi ve ajan iş akışını özelleştirmeyi de kolaylaştırıyor.

Harness’i karşılaştırması amaçlanan araçlarla kıyaslıyorsanız, Claude Code alternatifleri kılavuzumuz, başlıca yedi seçeneği yan yana karşılaştırır.

DeepSeek Harness’in Temel Özellikleri

Başlıca özelliklerden bazıları şunlardır:

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

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

• Python SDK: deepseek-harness-sdk, Harness ajanlarını doğrudan Python uygulamaları, betikleri, testleri ve otomasyon iş akışlarından çalıştırmanıza olanak tanır.

• Birden çok model sağlayıcısı: Yalnızca DeepSeek modelleriyle sınırlı değilsiniz. OpenAI ve Anthropic gibi sağlayıcıları kullanabilir veya kendi uyumlu uç noktanızı bağlayabilirsiniz.

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

• Dosya ve terminal araçları: Harness; dosya 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 yapılandırmaya dahildir ve modelle aynı DeepSeek API anahtarını kullanır.

• Code Mode: Harness, araçları kod tabanlı bir yürütme modu üzerinden sunabilir; bu da ajana 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 ajanın ne yaptığını adım adım incelemenize olanak tanır.

• Ajan hazır ayarları: Kendi araç ve istemlerine sahip farklı ajan kurulumları oluşturabilir ve bunları farklı oturumlarda kullanabilirsiniz.

• Oturum istatistikleri: Harness; turlar, adımlar, model süresi, araç süresi, ilk tokene kadar geçen süre ve çözümleme süresi gibi faydalı bilgileri izler.

• Alt ajanlar: Bir ana ajan, daha karmaşık iş akışları için bir görevin parçalarını alt ajanlara 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 kaynaktır ve esnek MIT lisansı altında yayınlanmıştır.

En büyük avantaj; tek bir modele, tek bir araç setine veya tek bir ajan türüne bağlı kalmamanızdır. Varsayılan kurulumla başlayıp, farklı iş akışlarını denerken bileşenleri kademeli olarak ekleyebilir veya değiştirebilirsiniz.

DeepSeek Harness’i Nasıl Kurarım?

DeepSeek Harness’i kurarak ve kılavuzun geri kalanı için gereken her şeyi ayarlayarak başlayalım. Node.js, DeepSeek Harness ve pnpm’yi yükleyecek, ardından API anahtarlarımızı ekleyeceğiz.

Node.js’i yükleyin

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

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

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

Yüklendikten 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

Tam olarak aynı sürümlere sahip olmanız gerekmez. Yeterince güncel bir Node.js sürümü çalıştırdığınız sürece sorun yaşamazsınız.

DeepSeek Harness’i yükleyin

Şimdi, DeepSeek Harness’in kendisini yükleyelim.

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

Şunu çalıştırın:

npm install -g @deepseek-ai/dsh

Ardından doğru kurulduğunu kontrol edin:

dsh --version

Bu kılavuzu test ettiğim sırada şu sürümü kullanıyordum:

0.1.0-rc.7

pnpm’i yükleyin

Ayrıca pnpm’e de ihtiyacımız var. DeepSeek Harness, eklentileri eklerken veya kaldırırken pnpm’i kullanır. Küresel olarak yükleyin:

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: ModLens tarafından görsel anlamada kullanılır.

Şimdi DeepSeek anahtarını ayarlayacağız; çünkü kodlama ve web araması için yalnızca buna ihtiyacımız var. ModLens ile görsel eklediğimizde Gemini anahtarını sonra ekleyeceğiz.

DeepSeek için bir DeepSeek hesabı oluşturmanız, bir API anahtarı üretmeniz ve hesabınıza kredi eklemeniz gerekir. Bu kılavuz için, örnekleri büyük bir tutar eklemeden test etmek adına en az 2 $ kredi eklemenizi öneririm.

API anahtarını aldıktan sonra, ortamınıza ekleyin.

Linux veya macOS’te:

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 duymamamızdır. DeepSeek Harness zaten DeepSeek’in web arama sağlayıcısını içerir ve aynı DEEPSEEK_API_KEY’i kullanır.

DeepSeek API anahtarınızı daha sonra da Web UI içindeki Settings → Models bölümünden ekleyebilirsiniz.

DeepSeek Harness’i Nasıl Başlatırım?

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

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 İçin Nasıl Kullanılır

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

Komut satırı arayüzüne sahip basit bir Python hesap makinesi oluşturun.

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

Görev tamamlandığında, oluşturulan dosyayı ve çalıştırma talimatlarını görmelisiniz.

Harness’i çalıştıran DeepSeek modellerinden daha fazla verim almak için, DeepSeek V4 API eğitimimiz Python’da V4 akıl yürütme modlarını ve API parametrelerini adım adım anlatır.

DeepSeek Harness Web Araması İçin Nasıl Kullanılır

Sırada web aramasını test edelim. DeepSeek Harness zaten DeepSeek’in web arama sağlayıcısını içerdiği için ekstra kurulum gerekmez.

Şu gibi bir istem deneyin:

18 Ağustos 2026 itibarıyla en yeni açık kaynak yapay zeka model sürümlerini web’de arayın ve en iyi üçünü özetleyin.

Ajan web’i aramalı ve kaynaklarla birlikte bir özet döndürmelidir. 

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

Bu, ajanın 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 kullanılır. 

DeepSeek Görsel Görevler İçin Nasıl Kullanılır

Harness’teki DeepSeek sohbet modeli yalnızca metindir; tek başına yüklenen görselleri anlayamaz. Görsel desteği eklemek için ModLens kullanacağız; bu araç DeepSeek ile görsel anlayabilen bir model arasında köprü görevi görür.

ModLens eklentisini yükleyin

Bir görsel yüklediğinizde, ModLens onu bir görsel modelle işler, faydalı görsel bilgiyi çıkarır ve DeepSeek’in görsel üzerine akıl yürütebilmesi için bu bilgiyi geri iletir.

Önce ModLens eklentisini web profiline yükleyin:

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, DeepSeek’i ana akıl yürütme modeli olarak kullanmaya devam ederken görsel yüklemenize imkân tanır.

Görsel arka ucunuzu kaydedin

Bu kılavuzda Gemini API’yi görsel arka uç olarak kullanacağız; bu yüzden bir Gemini API anahtarına ihtiyacınız var. Gemini API Ücretsiz Katmanıyla başlayabilirsiniz. Google, desteklenen Gemini modellere Ücretsiz Katman kota sınırları içinde ücretsiz erişim sağlar; dolayısıyla bu kılavuzdaki görsel kurulumunu test etmek için ödeme bilgileri eklemeniz gerekmez.

Anahtarınızı aldıktan sonra ortamınıza ekleyin.

Linux veya macOS’te:

export GEMINI_API_KEY="your_gemini_api_key"

Windows PowerShell’de:

$env:GEMINI_API_KEY="your_gemini_api_key"

ModLens CLI’ı yükleyip yapılandırın

Sonra ModLens CLI’ı yükleyin:

npm install -g @liustack/modlens

Ardından Gemini API anahtarını kullanarak yapılandırın.

Linux veya macOS’te:

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 sağlayıcı olarak seçilmiş ve hazır olarak raporlanmış olmalıdır.

ModLens ile DeepSeek Harness’i test etme

Şimdi görsel anlamayı test edelim.

Model seçicisinden adında (modlens vision) bulunan modellerden birini, örneğin DeepSeek-V4-Flash (modlens vision)’ı seçin.

Bir görsel yapıştırın veya yükleyin, ardından şunu sorun: Bu görselde ne gösterildiğini açıklayın.

Yukarıdaki örnekte görüldüğü gibi, DeepSeek artık yüklenen görseli betimleyip onun hakkında akıl yürütebilir.

Arka planda ModLens, görseli görsel anlama için Gemini’ye gönderir ve çıkarılan bilgiyi DeepSeek’e geri iletir. Böylece 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 sağlayıcının modelini deneyelim. Settings → Models 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 sayede sağlayıcı kimliği, temel URL, API türü, kimlik bilgileri ve model adı gibi ayrıntıları yapılandırabilirsiniz. 

Sağlayıcı eklendikten sonra oturumunuza dönün ve model seçicisinden yeni modeli seçin.

Örneğin aşağıdaki istemi deneyin:

Kullanıcıların görev ekleyip listeleyebildiği, tamamlayabildiği ve silebildiği; görevlerin yerelde bir JSON dosyasında saklandığı bir Python komut satırı yapılacaklar uygulaması oluşturun.

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

Yapılandırılmış modeller arasında doğrudan model seçicisinden geçiş yapabilirsiniz; 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. Farklı uzantılar kurup ihtiyaçlarınıza bağlı olarak kodlama ajanınza ek yetenekler kazandırabiliyorsunuz. Bu esneklik faydalı; ancak testlerimde DeepSeek Harness etrafındaki abartıyı hâlâ tam olarak anlamış değilim. Genel deneyim, daha önce kullandığım diğer kodlama ajanlarıyla karşılaştırıldığında oldukça normal hissettirdi.

Birkaç can sıkıcı sorunla da karşılaştım. Bazen ajan, nedenini söylemeden bir görevin ortasında duruyordu ve tekrar harekete geçmesi için continue yazmam gerekiyordu. Eklentileri yüklemek ve yapılandırmak ise başka bir sorun noktasıydı. Ne yaptığınızı tam olarak bilmiyorsanız oldukça zor olabiliyor ve belgeler şu anda pek yardımcı olmuyor.

Bununla birlikte, DeepSeek Harness hâlâ çok yeni bir ürün; bu nedenle bu sorunlar anlaşılır. Zamanla deneyimin, belgelerin ve eklenti ekosisteminin epeyce gelişmesini bekliyorum. Ayrıca DeepSeek’in, özellikle kendi modelleriyle çok iyi çalışan bir harness oluşturuyor olması da mümkün; heyecanın bir nedeni de bu olabilir.