13 августа вечером DeepSeek сделал своим проектом открытым DeepSeek Harness, чей командный интерфейс обозначается как dsh. В течение нескольких дней количество звезд проекта на GitHub превысило 140 000. Хотя многие интуитивно сравнивают его с версией Claude Code от DeepSeek, документация по архитектуре и исходный код указывают на иное: цель Harness — стать базовой платформой для эры агентов, а не готовым продуктом. Основной принцип работы — все является плагином. Модель выполняет мысли, а Harness управляет этими мыслями в контролируемой среде. Формула взаимодействия выглядит так: Модель + Harness = Агент.
То, что было выпущено, представляет собой не модель и не робота для написания кода. Основа dsh — это Cordis, микроядро, которое занимается исключительно загрузкой, выгрузкой плагинов и управлением зависимостями, не обладая собственной агентской функциональностью, подобно базовой пластине Lego, которая лишь предоставляет разъемы. Адаптеры моделей, реестры инструментов, песочницы, логика планирования и даже веб-интерфейс являются плагинами равного статуса.
Ключевое отличие заключается в том, что агент рассматривается как стык интерфейсов, а цикл агента — как одна конкретная реализация. Плагины зависят только от словарного запаса агента, а не от цикла агента, что позволяет заменить весь оркестрационный цикл путем изменения конфигурационного файла Cordis.
Некоторые аспекты dsh могут показаться знакомыми: основной цикл не кардинально отличается от циклов Claude Code, Codex или WorkBuddy. Все они используют привычный паттерн ReAct: один шаг мышления, вызов инструмента, просмотр результата, повторное мышление до завершения. Разница кроется не в внешнем виде цикла, а в том, как вокруг него собираются компоненты. Claude Code интегрирует их в законченный продукт, Codex запускает цикл внутри своей песочницы, тогда как dsh ничего не объединяет.
Добавления, которые предлагает dsh, включают композицию через конфигурацию, где один файл cordis.yml собирает стандартные, минимальные, PTC и креативные режимы; нейтральность к моделям, позволяющую обмениваться почти 40 моделями благодаря адаптерам; а также возможность встраивания, предоставляемую Python SDK, который делает агентов доступными через JSON-RPC.
Однако проект имеет свои недостатки: это предварительный просмотр для разработчиков с внесением изменений, неидеальный пользовательский опыт и молодая экосистема. Стратегическое решение, принятое командой, является наиболее впечатляющим. Возможности моделей и агентов далеки от схождения; протокол инструментов или правильный цикл сегодняшнего дня могут быть опровергнуты завтра. Способность отключить ответ и заменить его имеет большее значение, чем правильный выбор прямо сейчас. Команда DeepSeek невелика и не может самостоятельно исследовать возможности памяти, планирования, песочниц и мультиагентных систем; открывая Harness как маркетплейс плагинов, они передают эту исследовательскую задачу всему миру.
Лидер проекта Цюй Тяньи заявил, что закрытый исходный код дает настоящее, а открытый исходный код позволяет пользователям освоить будущее. Количество сообществом плагинов с тегом dsh-plugin уже достигло почти 300. Если этот путь окажется успешным, dsh станет инфраструктурой эры агентов, подобно npm для Node или Kubernetes для контейнеров. Несмотря на то, что он пока сырой, его стоит отслеживать: пока все соревнуются в том, чей агент умнее, DeepSeek тихо конкурирует по более фундаментальному вопросу — какие стандартные части должны составлять агентов.
