DeepSeek Harness: Modulares Open-Source-Framework für AI-Agents

LinkDeepSeekAnkündigung

DeepSeek stellt mit DeepSeek Harness eine quelloffene Developer Preview für AI-Agenten vor. Das Framework basiert auf dem Cordis-Kernel und setzt auf eine modulare Plugin-Architektur sowie lückenlose Nachvollziehbarkeit aller Interaktionen.

Das Wichtigste

  1. Vollständige Modularität: Sämtliche Komponenten – Modelle, Tools, Sandboxes, Speicher, Schleifen, Scheduling und UI – sind als austauschbare Plugins implementiert.
  2. Cordis-Kernel: Verwaltet das Laden, Entladen und die Abhängigkeiten von Plugins; Interaktionen laufen über Services und Events.
  3. Lückenlose Nachverfolgung: Ein Append-Only-Sitzungslog erfasst System-Prompts, Reasoning, Tool-Aufrufe, Subagenten und Kontext-Injektionen für Replay, Forking und Suche im Trajectory-View.
  4. Vier Laufzeitmodi: Standard-Modus mit vollem Toolset, Code-Modus mit TypeScript-SDK zur Ablaufsteuerung, Minimal-Modus für Benchmarking sowie Creator-Modus zur Runtime-Inspektion und Plugin-Entwicklung.
  5. Open Source: Verfügbar unter MIT-Lizenz via npm (npx @deepseek-ai/dsh web) und GitHub-Repository.

Warum das relevant ist

DeepSeek adressiert eines der größten Probleme bei komplexen Agenten-Workflows: monolithische Strukturen und mangelnde Nachvollziehbarkeit. Durch das Plug-in-System und den deterministischen Event-Stream können Entwickler Agenten-Laufzeiten exakt konfigurieren und Fehler reproduzierbar debuggen.

Einordnung

Mit DeepSeek Harness trennt DeepSeek das Modell klar von der Ausführungsumgebung. Der Ansatz 'Everything is a plugin' ermöglicht es Teams, bestehende Workflows schrittweise anzupassen, ohne den Kerncode zu verändern. Besonders für Benchmarks (Minimal Mode) und komplexe Tool-Chains (Code Mode) bietet die Architektur hohe Flexibilität. Da sich das Projekt in der Developer Preview befindet, dürften sich Kern-APIs noch weiterentwickeln.

Gefunden in

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • Repository:deepseek-ai/deepseek-harness

    DeepSeek Harness: Plugin-basiertes Open-Source-Framework für KI-Agenten

    DeepSeek Harness (dsh) ist ein Open-Source-Harness für KI-Agenten von DeepSeek AI. Das System basiert auf TypeScript sowie dem Framework Cordis und setzt auf eine modulare Architektur, in der alle Funktionen als Plugins realisiert werden.

    212.765SterneTypeScript

    KI & AI· Tool

  • Artikel:Olimpiu Pop

    DeepSeek Harness: Modulare Open-Source-Runtime für KI-Agenten

    DeepSeek hat eine Developer Preview von DeepSeek Harness (dsh) unter MIT-Lizenz veröffentlicht. Die Laufzeitumgebung für autonome KI-Agenten basiert auf dem Cordis-Meta-Framework und setzt auf eine Microkernel-Architektur mit austauschbaren Plugins.

    KI & AI· News

  • Repository:tonyd2wild/DeepSeek-Harness-Tools

    DeepSeek Harness Tools: Community-Erweiterungen für dsh

    DeepSeek-Harness-Tools ist eine inoffizielle Übersicht über Erweiterungen für das Open-Source-Framework DeepSeek Harness (dsh). Die Sammlung bündelt modulare Zusatzwerkzeuge, um lokale KI-Agenten mit Websuche, Bildverarbeitung und In-App-Browserfunktionen auszustatten.

    14Sterne

    KI & AI· Tool

  • Repository:walkinglabs/learn-harness-engineering

    Learn Harness Engineering: Open-Source-Kurs für verlässliche KI-Coding-Agents

    Das Open-Source-Projekt learn-harness-engineering von walkinglabs bietet einen praxisorientierten Einsteigerkurs, der Entwickler von Grund auf in das Harness Engineering für autonome Coding-Agents einführt. Der Kurs behandelt State-Management, Laufzeitumgebungen, Verifikationslogik und Kontrollmechanismen, um Coding-Agents stabil in der Praxis einzusetzen.

    14.831SterneTypeScript

    KI & AI· Anleitung

Lassen Sie uns über Ihr Projekt sprechen

Standorte

  • Mattersburg
    Johann Nepomuk Bergerstraße 7/2/14
    7210 Mattersburg, Austria
  • Wien
    Ungargasse 64-66/3/404
    1030 Wien, Austria

Dieser Inhalt wurde teilweise mithilfe von KI erstellt.