DeepSeek libera em código aberto o Harness, infraestrutura modular para agentes de inteligência artificial
A DeepSeek disponibilizou nesta semana a versão de prévia para desenvolvedores do DeepSeek Harness, um novo componente de software publicado sob a licença MIT e distribuído como projeto de código aberto no repositório deepseek-ai/deepseek-harness, identificado pelo comando "dsh". O lançamento representa uma aposta da empresa em infraestrutura para agentes de IA, em vez de mais um assistente de programação pronto para uso final.
O Harness funciona como a camada intermediária entre um modelo de linguagem e o ambiente em que ele atua. Em termos práticos, é o software responsável por conectar o modelo a ferramentas externas, sistemas de arquivos, sandboxes (ambientes isolados de execução) e o loop de controle que permite ao agente continuar executando tarefas de forma autônoma. A própria DeepSeek resume a relação com a fórmula "Agente = Modelo + Harness", destacando que o modelo sozinho não basta para operar como um agente funcional.
Diferentemente da maioria dos frameworks de agentes, que trazem o loop principal, o registro de ferramentas e o armazenamento de sessão fixos no código principal, o DeepSeek Harness adota o princípio de que tudo é um plugin. Modelos, ferramentas, habilidades, sessões, sandboxes, armazenamento, loops de execução, agendamento e até a interface gráfica ficam atrás de fronteiras de plugins Cordis, podendo ser selecionados, substituídos ou estendidos por meio de arquivos de configuração, sem necessidade de alterar o código-fonte do Harness.
Essa abordagem modular transforma o projeto em um kit para montar runtimes de agentes (ambientes de execução completos para agentes de IA) sob medida, em vez de um assistente de codificação com funcionalidades engessadas. O núcleo do sistema é o Cordis, um meta-framework descrito em publicação própria que trata do carregamento, descarregamento e resolução de dependências entre plugins. As capacidades vivem nos plugins, não em um núcleo centralizado com privilégios especiais, segundo a proposta da arquitetura.
O sistema oferece quatro modos de execução que carregam diferentes conjuntos de plugins por padrão. O modo Standard corresponde ao agente completo de codificação, com edição de arquivos, shell, busca em arquivos e na web, habilidades, planejamento, objetivos, subagentes e workflows. O modo Code expõe essas ferramentas por meio de um SDK em TypeScript, permitindo que o modelo combine operações múltiplas em um único programa. O modo Minimal mantém apenas duas ferramentas, um bash persistente e o str_replace_editor (função de edição direta de arquivos), ideal para avaliação comparativa de modelos em ambiente controlado. Já o modo Creator adiciona ferramentas de inspeção em tempo real e orienta a criação de presets personalizados.
Um dos pontos destacados no lançamento é o registro de sessões. Cada execução gera um log append-only, isto é, um arquivo ao qual novas informações são apenas acrescentadas, sem alteração do conteúdo anterior, registrando prompts de sistema, raciocínio do modelo, chamadas de ferramentas e seus resultados, agendamento de subagentes e toda injeção de contexto. A visualização chamada Trajectory permite inspecionar esses registros por origem, e as funções de retomada, bifurcação, busca e replay operam sobre o mesmo fluxo de eventos. A empresa afirma que esse nível de registro de cada injeção de contexto vai além do que a maioria dos frameworks costuma registrar, limitada geralmente às chamadas de ferramentas.
O roteamento de modelos também é tratado como plugin. Nas configurações, uma chave de API da própria DeepSeek passa a valer a partir da próxima requisição, sem necessidade de reiniciar o servidor. O catálogo instalado adiciona provedores como Anthropic e OpenAI por meio de chaves de API. Provedores como Bedrock, Vertex, Azure e Codex exigem credenciais nativas específicas, enquanto provedores personalizados aceitam qualquer URL base compatível com o protocolo OpenAI. As chaves ficam armazenadas em arquivo protegido dentro do diretório do Harness, e as configurações mantêm apenas referências a credenciais.
Para colocar o sistema em funcionamento, o comando "npx @deepseek-ai/dsh web" inicia a interface web, servida por padrão no endereço local 127.0.0.1 na porta 3080. Também há a opção de clonar o repositório, instalar dependências com pnpm e construir o projeto manualmente. Um SDK em Python chamado deepseek-harness-sdk acompanha o lançamento, exigindo Python 3.10 ou superior em sistemas Linux x64, Linux arm64 ou macOS 14+ em processadores arm64, e traz um runtime próprio que dispensa a instalação separada do Node.js.
A DeepSeek posiciona o Harness como infraestrutura para desenvolvedores, e não como produto final de agente pronto para produção. Entre os perfis indicados estão startups voltadas a IA, equipes de plataforma e experiência de desenvolvedor em empresas de médio e grande porte, além de organizações de setores regulados que podem pilotar a ferramenta localmente por se tratar de software autohospedado e de código aberto. Os setores citados incluem software e ferramentas de desenvolvimento, serviços financeiros e seguros, pesquisa em saúde e farmacêutica, fornecedores de nuvem e semicondutores, e laboratórios acadêmicos e industriais de avaliação de modelos. Entre as aplicações possíveis estão agentes internos de codificação sobre repositórios privados, avaliação de modelos em ambiente controlado, observabilidade e replay de execuções, políticas personalizadas de sandbox e aprovação, além do empacotamento de ferramentas internas como plugins reutilizáveis.
O lançamento do Harness reforça uma tendência recente no ecossistema de IA, em que empresas começam a separar claramente o modelo do runtime que o coloca em ação. Ao abrir o código sob licença MIT e explicitar o conceito de "tudo é um plugin", a DeepSeek direciona o projeto a desenvolvedores que precisam montar agentes personalizados, em vez de consumidores finais que procuram um produto pronto.
