DeepSeek Harness v0.1 ya está disponible en vista previa para desarrolladores como una infraestructura abierta destinada a ensamblar agentes de IA modulares. El proyecto se distribuye como dsh, publica su código completo bajo licencia MIT y permite sustituir modelos, herramientas, sesiones, almacenamientos y otros componentes mediante plugins.
En lugar de ofrecer un asistente de programación cerrado, Harness plantea una capa configurable entre el modelo y el entorno en el que opera. La propuesta se apoya en Cordis, un metaframework que gestiona el montaje, desmontaje y las dependencias de los plugins sin concentrar las capacidades en un núcleo privilegiado.
Modelos, herramientas, sandboxes, sesiones, bucles de ejecución, programación, almacenamiento y la interfaz pueden seleccionarse, sustituirse o ampliarse desde la configuración, sin modificar el código de Harness.
Cuatro formas de utilizar el entorno
La versión inicial incluye cuatro modos con conjuntos de plugins distintos. Standard reúne las funciones propias de un agente de programación completo: edición de archivos, terminal, búsqueda de archivos y web, habilidades, planificación, objetivos, subagentes y flujos de trabajo.
Code expone las herramientas mediante un SDK de Code Mode para que el modelo pueda combinar varias operaciones en un único programa de TypeScript. Minimal reduce el entorno a una sesión persistente de Bash y str_replace_editor, una configuración pensada para evaluar modelos en un entorno controlado con solo dos herramientas.
Por su parte, Creator incorpora inspección del tiempo de ejecución, experimentos con plugins en memoria y orientación para crear presets. Estas opciones sitúan el proyecto más cerca de un kit para equipos de infraestructura, investigación y desarrollo interno que de un producto de agente listo para producción.
Registro completo de las ejecuciones
Harness guarda lo que recibe y genera el modelo en un registro de sesión de solo adición. El historial incluye las instrucciones del sistema, el razonamiento, las llamadas y respuestas de las herramientas, la planificación de subagentes y cada inyección de contexto.
La vista Trajectory permite inspeccionar esos registros por origen. Las funciones de reanudación, bifurcación, búsqueda y reproducción utilizan el mismo flujo de eventos, lo que puede facilitar la observabilidad, la depuración y la revisión de ejecuciones en entornos internos o regulados.
Modelos y proveedores intercambiables
El enrutamiento de modelos también se implementa como un plugin. Una clave de DeepSeek aplicada desde los ajustes surte efecto en la siguiente petición sin reiniciar el servidor. El catálogo instalado admite además proveedores como Anthropic y OpenAI mediante clave de API, mientras que Bedrock, Vertex, Azure y Codex requieren sus credenciales nativas.
También se pueden configurar proveedores personalizados compatibles con la base y el protocolo de OpenAI. Las claves se almacenan de forma de solo escritura en $DSH_HOME/.credentials.yaml; los ajustes conservan únicamente una referencia a la credencial.
Instalación y alcance de la vista previa
La interfaz web se inicia con npx @deepseek-ai/dsh web y utiliza por defecto la dirección local http://127.0.0.1:3080. Desde una copia del proyecto, el proceso indicado pasa por instalar las dependencias, compilar y ejecutar el servidor web con pnpm.
El SDK de Python se distribuye como deepseek-harness-sdk y requiere Python 3.10 o posterior. El material especifica compatibilidad con Linux x64, Linux arm64 y macOS 14 o superior en equipos arm64. Su runtime incluido no necesita Node.js instalado en el sistema.
Qué supone para los equipos de desarrollo
DeepSeek Harness v0.1 puede servir para construir agentes sobre repositorios privados, comparar modelos con herramientas limitadas, probar políticas propias de sandbox y aprobación, o empaquetar utilidades internas como plugins reutilizables. La licencia MIT y el enfoque autoalojado también facilitan los pilotos locales.
Aun así, se trata de una developer preview, no de una plataforma de producción con garantías generales. La arquitectura modular y el registro detallado son sus principales apuestas, pero la estabilidad, la experiencia de operación y el comportamiento en despliegues a gran escala tendrán que comprobarse durante su evolución y mediante evaluaciones independientes.
Encuentra más IA en nuestra sección de IA o suscríbete a Guslok – Guías 100% en YouTube para más contenido.
Sobre el Autor
