O que é o DeepSeek Harness? O harness de agentes open source da DeepSeek AI

Fala aí, beleza? A DeepSeek AI abriu o código do próprio harness de agentes e o GitHub pegou fogo 😀

O nome é DeepSeek Harness, o comando se chama dsh, e o lema estampado no repositório é curto assim: "Everything is a Plugin"

E antes de seguir, um parêntese rápido pra quem caiu aqui sem contexto

Que raios é um "harness"? É a camada que roda em volta do modelo

O modelo sozinho só devolve texto, o harness é quem dá ferramenta pra ele, guarda sessão, controla o loop de execução, isola o que ele pode tocar no seu disco e desenha a interface onde tu conversa com ele

Por isso a DeepSeek entrar nesse território chama atenção: não é mais só quem treina o modelo, é quem entrega a casca completa em volta dele, e de graça, com o código aberto

Agora o combinado deste post: eu vou separar o que está declarado pelo próprio projeto do que ainda não está

Tem muita matéria por aí chutando detalhe (e uma delas erra feio a autoria do kernel, vou mostrar), então aqui só entra o que dá pra conferir no repositório e na documentação oficial

Se tu ainda não conhece a empresa por trás disso, vale entender antes o que é o DeepSeek e como ela se posicionou no open source

Bora?

Formação Recomendada

Formação Claude Code

Domine Claude Code do absoluto zero até o avançado

• 120 aulas
• 4 projetos
• 9h 45min

Conhecer formação

Quando o projeto foi lançado e onde ele vive

O lançamento foi em 13 de agosto de 2026, na versão v0.1, já em developer preview e com o código aberto no mesmo dia

Os endereços verificáveis do projeto são estes:

• Repositório oficial: deepseek-ai/deepseek-harness
• Página oficial: deepseek.com/harness/en/
• CLI: dsh
• Licença: MIT, com as dependências de terceiros declaradas em THIRD_PARTY_NOTICES.md

A licença MIT aqui não é detalhe burocrático, é o que permite ler, forkar e recompor o projeto sem pedir licença pra ninguém

E o barulho apareceu no contador: em 17/08/2026 o repositório marcava 141.532 estrelas e 14.350 forks

Se liga que isso é uma foto de um dia só

É um snapshot datado de fonte secundária, e o número segue subindo enquanto tu lê isso aqui, então trate como ordem de grandeza do hype, não como placar de hoje

"Everything is a Plugin": o que a arquitetura declara

Esse é o lema oficial do repositório, e ele não é enfeite de marketing

A documentação declara que todas as capacidades do agente são implementadas como plugins, que podem ser trocados ou recompostos

O que entra nessa lista:

• modelos
• ferramentas
• skills
• sessões
• sandboxes
• armazenamento
• loops
• agendamento
• a UI

Repara no item "loops"

O próprio loop do agente é substituível, e isso é o ponto mais insano do desenho todo

O loop é o coração de qualquer agente: é o pedaço que decide se pensa de novo, se chama ferramenta, se para, se tenta outra vez

Na maioria dos agentes de mercado isso é caixa preta, tu aceita o comportamento que veio de fábrica

Aqui é peça, e peça se troca

E pra quem esse desenho serve?

Pra quem cansou de aceitar o agente fechado do jeito que ele veio

Se tu quer trocar o adaptador de modelo, plugar teu próprio armazenamento, mudar a política de sandbox ou reescrever o loop pra rodar do teu jeito, é exatamente esse tipo de arquitetura que te deixa fazer isso sem forkar o mundo

Se tu já mexeu com um ecossistema de plugins tipo NPM ou composer, a ideia é parecida: um kernel pequeno que carrega e descarrega peça, e todo o resto vive como peça

Agora, quem é esse kernel?

O que é o Cordis, o kernel por trás do harness

O DeepSeek Harness é potencializado pelo Cordis, um meta-framework que funciona como o kernel de plugins sobre o qual o dsh é construído

O design dele está descrito no paper "A Programming Paradigm for Spatiotemporal Composability"

E aqui vem o ponto que boa parte das notícias errou 👀

O Cordis NÃO nasceu dentro da DeepSeek

É um projeto open source independente, do desenvolvedor Shigma (Yifan Shi), hospedado na organização Cordiverse, com repositório em cordiverse/cordis

E tem história própria: o Cordis já era o kernel do framework de chatbot Koishi antes de virar a base do dsh

Ou seja, a DeepSeek não inventou um kernel de plugins do zero pra estampar o lema

Ela foi buscar um kernel que já existia, já tinha rodagem em outro projeto, e construiu o harness em cima dele

Eu acho isso mais interessante do que a manchete original, sinceramente

Como rodar o DeepSeek Harness

A documentação traz dois caminhos, e eles servem a propósitos diferentes

Antes dos passos, o pré-requisito que vale pros dois caminhos

O harness é escrito em TypeScript e roda sobre Node.js, e o repositório declara a faixa suportada no campo engines:

engines: ^22.19 || >=24

Guarda esse número, porque ele é a origem da maior parte da dor de cabeça na estreia

Bora aos passos:

1. Confira sua versão do Node antes de qualquer coisa

node -v

O erro comum deste passo: rodar com uma versão de Node fora da faixa declarada em engines

É o clássico "não funciona na minha máquina" que não tem nada a ver com o projeto, é o runtime errado embaixo

2. Caminho rápido: suba a Web UI sem instalar nada

npx @deepseek-ai/dsh web

Isso levanta a Web UI local, que por padrão fica em http://127.0.0.1:3080

Repara no endereço: 127.0.0.1, ou seja, local mesmo, na tua máquina

3. Caminho do código-fonte: clone o repositório

git clone https://github.com/deepseek-ai/deepseek-harness.git

4. Instale as dependências e faça o build

pnpm install
pnpm run build

O erro comum deste passo: trocar o gerenciador por conta própria

O fluxo documentado é com pnpm, então é com pnpm que tu segue, beleza?

5. Suba a Web UI a partir do que tu acabou de buildar

pnpm dsh web

E é isso pro "hello world"

Daqui pra frente é passear pela Web UI que subiu e ler o repositório com calma 🙂

Como o harness conversa com os modelos

Aqui a arquitetura de plugin deixa de ser conversa e vira consequência prática

O adaptador de modelo é um plugin, então o harness é agnóstico de modelo por construção, não por favor

Os provedores integrados que a documentação lista:

• Anthropic
• OpenAI
• Bedrock
• Vertex
• Azure

E se o teu provedor não está nessa lista?

Qualquer endpoint compatível com OpenAI pode ser registrado, e o fluxo declarado é este:

1. Registre o provedor em $DSH_HOME/settings.yaml

Ali tu informa a base URL, a variável de ambiente que guarda a chave e a lista de modelos daquele provedor

2. Guarde a credencial no arquivo dela, não no settings

A chave de API vive em $DSH_HOME/.credentials.yaml

O settings.yaml guarda apenas uma referência à credencial, não a chave em si

O erro comum deste passo: colar a chave crua dentro do settings.yaml porque "é mais rápido"

Aí um dia tu commita o arquivo de configuração sem pensar e vaza a chave pro mundo

Já vi gente se ferrar assim, e a separação existe justamente pra tu não precisar confiar na tua própria memória na hora do git add .

Um efeito bonito dessa agnosticidade: dá pra usar um modelo pra gerar e outro pra conferir

É o mesmo raciocínio de quem prefere revisar com o Claude Code aquilo que outro modelo escreveu antes de abrir o PR

Não é obrigação, é só reconhecer que revisor com outra cabeça pega coisa que o autor não pega

O que ainda NÃO está resolvido

Essa seção é a que eu mais gosto de escrever, e ela sai inteira da boca do próprio projeto

Não tenho teste próprio pra te vender aqui, então vai só o que está declarado

1. O projeto está em developer preview e avisa que vai quebrar

A documentação diz, com todas as letras, que o projeto itera rapidamente e que há breaking changes esperadas nos plugins e nas APIs principais

Isso não é defeito escondido, é aviso na porta de entrada

Mas muda tudo pra quem pensa em construir algo em cima: o plugin que tu escreve hoje pode não carregar no mês que vem, e a API que tu integrou pode mudar de forma sem pedir licença

2. O sandbox de filesystem tem escopo limitado

O sandbox de sistema de arquivos não governa rede nem visibilidade de processos

Lê de novo devagar, porque essa é a parte que mais dói

"Sandbox" é uma palavra que dá uma sensação de segurança maior do que o escopo real entrega aqui

Se o teu modelo mental é "tá isolado, então tá seguro", esse modelo está errado nesse caso: o limite declarado é de arquivos, e tráfego de rede e processos ficam fora dessa fronteira

E o que isso implica pra produção?

Pra mim, implica: laboratório sim, produção séria não, ainda não

Rodar na máquina de dev, escrever plugin, entender o desenho e acompanhar o projeto? Massa, faz sentido demais

Colocar isso rodando com autonomia em cima de repositório de cliente, com credencial de verdade e acesso de rede solto, com a documentação te avisando que vai quebrar? Aí tu está assinando embaixo do risco por conta própria

Vale a pena olhar o DeepSeek Harness agora?

Recapitulando o que sobrou depois de tirar o hype da frente:

O DeepSeek Harness é um harness de agentes de código aberto da DeepSeek AI, lançado em 13/08/2026 na v0.1, sob licença MIT, com CLI chamada dsh

A arquitetura declarada é "Everything is a Plugin", e ela vai fundo o suficiente pra tornar até o loop do agente substituível

O kernel embaixo é o Cordis, que não nasceu na DeepSeek: é projeto independente do Shigma, na organização Cordiverse, com história anterior no Koishi e design descrito em paper próprio

E o projeto segue em developer preview, avisando que vai quebrar, com um sandbox de filesystem de escopo limitado

O que eu ainda não sei e não vou fingir que sei: se existe release estável depois da v0.1, como ele se comporta comparado a outros agentes de terminal, e quanto custa rodar isso na ponta

Teu próximo passo concreto, se ficou curioso:

Roda npx @deepseek-ai/dsh web, abre a Web UI local e passeia pelo que apareceu

Depois lê o repositório oficial com calma, olhando a lista de plugins e o THIRD_PARTY_NOTICES.md

E acompanha as breaking changes enquanto o projeto está em developer preview, porque nessa fase o changelog é leitura obrigatória, não opcional…

Quando surgir release novo ou coisa mais firme, eu volto aqui e atualizo

Até o próximo post! =)