DeepSeek Harness adalah sebuah siklus. Agen membaca ruang kerja Anda, mengedit file, menjalankan perintah melalui alat bash-nya, dan memutuskan apa yang harus dilakukan selanjutnya berdasarkan output. Jadi, mengapa tes API Anda tidak ada dalam siklus tersebut? Tes tersebut berada di Apidog di balik GUI dan berjalan ketika seseorang ingat untuk mengklik. Agen tidak pernah menyentuhnya.
Perbaikannya adalah satu blok konfigurasi. Apidog CLI adalah paket npm, apidog-cli, yang menjalankan skenario tes yang Anda buat di Apidog langsung dari terminal. Setelah CLI terinstal dan DeepSeek Harness mengetahuinya, agen menjalankan skenario Apidog dengan cara yang sama seperti menjalankan tes unit Anda: jalankan perintah, baca kode keluar (exit code), perbaiki kode jika berwarna merah.
Ada juga argumen token untuk melakukan ini. Agen yang mengonfirmasi bahwa API Anda masih berfungsi dengan membaca ulang kode handler dan menganalisis bentuk respons menghabiskan konteks di setiap putaran. Agen yang menjalankan satu perintah mendapatkan kebenaran dasar kembali dalam beberapa baris. CLI memadatkan pertanyaan "apakah API sudah benar?" menjadi kode keluar, dan agen menggunakan konteksnya untuk perbaikan sebagai gantinya.
Panduan ini mencakup bagian khusus harness yang dilewati panduan instalasi generik: file instruksi mana yang sebenarnya dibaca oleh DeepSeek Harness, bagaimana alat bash-nya mengeksekusi apidog run, dan bagaimana menjaga siklus tetap jujur. Jika Anda belum menginstal CLI, lakukan itu terlebih dahulu. Cara menginstal Apidog CLI dengan agen pengkodean AI menjelaskan instalasi npm, autentikasi, dan jalankan pertama kali. Artikel ini mengasumsikan apidog --version mencetak angka dan mesin Anda sudah terautentikasi.
DeepSeek Harness yang Dibahas
DeepSeek Harness, dsh pada baris perintah, adalah harness agen sumber terbuka yang dirilis DeepSeek pada 13 Agustus 2026, bersama V4-Pro pada API. Ini berlisensi MIT, berada di github.com/deepseek-ai/deepseek-harness, dan telah melampaui 169 ribu bintang pada 20 Agustus. Anda memulainya dengan npx @deepseek-ai/dsh web, yang menyajikan UI web lokal di http://127.0.0.1:3080. Di sana Anda memilih ruang kerja, direktori proyek tempat Anda meluncurkannya, dan agen bekerja di dalamnya: membaca dan mengedit file, menjalankan perintah, dan bertanya sebelum operasi yang memerlukan persetujuan di bawah kebijakan izin aktif.
Dua hal membentuk semua yang ada di bawah ini. Pertama, harness ini adalah pratinjau pengembang. README memperingatkan, dengan huruf kapital, bahwa akan ada perubahan yang merusak kompatibilitas, jadi perlakukan nama file dan kunci konfigurasi di sini sebagai akurat untuk akhir Agustus 2026 dan periksa kembali terhadap dokumen repo jika ada sesuatu yang tidak dimuat. Kedua, segala sesuatu di dsh adalah plugin, dibangun di atas arsitektur Cordis, yang membuat pertanyaan praktis di bawah ini dapat dijawab: plugin mana yang membaca aturan proyek Anda, dan apa yang dicarinya? Untuk tur yang lebih luas, lihat apa itu DeepSeek Harness; untuk perbandingannya dengan pesaing, lihat DeepSeek Harness vs Claude Code.
Langkah 1: Masukkan CLI ke dalam AGENTS.md
DeepSeek Harness membaca instruksi ruang kerja melalui plugin @deepseek-ai/dsh-agent-instructions-nya, dan pengaturan default-nya ramah jika Anda telah menggunakan agen lain. Berdasarkan sumber plugin dan katalog konfigurasi, pemuat berjalan ke atas dari direktori kerja sesi ke root proyek Anda (ditandai dengan .git) dan memuat AGENTS.md, dengan kembali ke CLAUDE.md, di setiap direktori di sepanjang jalan. Overlay lokal bernama AGENTS.local.md atau CLAUDE.local.md dimuat setelah file dasar, dan AGENTS.md global pengguna yang tetap di $DSH_HOME (default ke ~/.dsh) berlaku di seluruh proyek. File di atas 1 MiB diabaikan, yang tidak akan pernah dicapai oleh file aturan Anda.
## Pengujian API dengan Apidog CLI
- Untuk menguji API, jalankan skenario Apidog. Jangan mengklik melalui GUI.
- Perintah: apidog run -t <scenario_id> -e <env_id> -r cli
- Kode keluar 0 berarti setiap pernyataan (assertion) lulus. Non-nol berarti kegagalan; baca laporan dan perbaiki kodenya.
- Mesin sudah terautentikasi. Jangan pernah menambahkan flag --access-token dan jangan pernah meletakkan token di file ini.
Inilah mengapa file aturan mengungguli obrolan. ID skenario yang diketik ke dalam komposer sesi menghilang saat sesi berakhir. Skenario yang ditulis ke dalam AGENTS.md dimuat ke setiap sesi baru, untuk setiap rekan tim, di setiap mesin yang mengkloning repo. Jika Anda bekerja di beberapa proyek, ~/.dsh/AGENTS.md global pengguna membawa kebiasaan (“selalu verifikasi perubahan API dengan perintah apidog run proyek”) sementara file repo masing-masing membawa ID yang sebenarnya.
Langkah 2: Dapatkan perintah dari Apidog
Anda tidak perlu menebak ID skenario dan lingkungan. Buka skenario tes di Apidog, buka tab CI/CD-nya, dan salin perintah yang dihasilkan. Bentuknya seperti ini:
apidog run -t 123456 -e 789012 -r cli
Flag -t adalah ID skenario tes, -e adalah ID lingkungan, dan -r cli memilih pelapor yang mencetak hasil secara inline, yang persis seperti yang perlu dibaca agen. Tempelkan ID yang sebenarnya ke dalam blok AGENTS.md Anda agar agen menjalankan perintah yang dihasilkan Apidog, bukan tebakan.
Langkah 3: Minta agen menjalankan tes
Mulai sesi di UI web dsh dengan ruang kerja Anda terpilih. Pemuat instruksi telah memasukkan AGENTS.md Anda ke dalam konteks agen, jadi ia tahu CLI itu ada. Lakukan perubahan yang menyentuh API Anda, atau cukup tanyakan:
Jalankan skenario tes Apidog dan beri tahu saya kode keluar.
Agen mengeksekusinya melalui alat bash-nya, dan mengetahui bagaimana alat itu berperilaku akan menghemat sesi debugging Anda nanti. Sesuai katalog alat, alat bash default menjalankan setiap perintah dalam fresh shell (shell baru): tidak ada direktori kerja, variabel, atau fungsi yang bertahan di antara panggilan, dan perintah berjalan dari ruang kerja sesi kecuali jika workdir dilewatkan. Ini baik untuk apidog run, sebuah perintah mandiri tunggal, tetapi agen tidak dapat cd ke suatu tempat terlebih dahulu dan menjalankan tes sebagai langkah kedua. Jika skenario Anda harus berjalan dari subdirektori, letakkan pemanggilan penuh pada satu baris di file aturan Anda.
Dua perilaku lain yang perlu diketahui. Kode keluar bukan nol kembali sebagai penanda eksplisit [exit code: N], sehingga sinyal lulus/gagal tetap ada bahkan ketika output panjang terpotong di bagian akhirnya. Dan perintah dapat berjalan di bawah kotak pasir file (file sandbox): operasi yang diblokir dilaporkan sebagai penolakan kebijakan, bukan kegagalan perintah. Tes yang hanya membaca (read-only) jarang memicu ini, tetapi pelapor HTML yang menulis ke ./apidog-reports bisa, tergantung pada kebijakan aktif.
Apakah eksekusi memerlukan klik Anda terlebih dahulu tergantung pada kebijakan izin yang sama. UI web akan bertanya sebelum operasi yang memerlukan persetujuan di bawahnya, sesuai panduan pengguna. Ketika diminta untuk apidog run, setujui: skenario tes terhadap staging adalah jenis perintah yang aman, yang sebagian besar hanya membaca, yang ada untuk dilewatkan oleh alur persetujuan.
Langkah 4: Baca laporan
Ketika eksekusi gagal (berwarna merah), laporan memiliki jawabannya. Dengan -r cli, agen mendapatkan rincian yang mudah dibaca secara inline: setiap permintaan, setiap pernyataan (assertion), dan mana yang gagal dengan nilai yang diharapkan versus nilai aktual. Pernyataan yang gagal menyebutkan bidang atau kode status yang tepat, yang biasanya cukup bagi agen untuk menemukan perbaikan tanpa Anda perlu menerjemahkan.
apidog run -t 123456 -e 789012 -r cli,html
Pelapor html menulis file mandiri ke ./apidog-reports. Pertahankan cli dalam daftar agar agen tetap mendapatkan output inline yang dibacanya untuk memutuskan langkah selanjutnya.
Siklus, Ujung ke Ujung
Inilah yang Anda dapatkan dari pengaturan ini. Katakanlah agen sedang mengedit handler checkout. Tanpa CLI, siklusnya berakhir pada "kode terlihat benar." Dengan blok di AGENTS.md, siklus diperluas: ia mengedit handler, menjalankan apidog run -t 123456 -e 789012 -r cli, dan membaca hasilnya. Hijau, ia melanjutkan. Merah, ia melihat [exit code: 1], membaca pernyataan mana yang gagal (500 padahal 200 yang diharapkan, bidang total hilang, kode mata uang salah), menambal handler, dan menjalankannya kembali. Pemeriksaan kontrak API menjadi bagian dari siklus edit-tes-perbaiki yang sama yang sudah dijalankan agen untuk tes unit Anda.
Perhatikan apa yang tidak dilakukan agen: membaca ulang setiap file rute untuk meyakinkan dirinya sendiri bahwa API berfungsi. Skenario sudah mengkodekan perilaku yang diharapkan, dibangun secara visual di Apidog oleh siapa pun pemilik API. Agen mendelegasikan verifikasi ke alat deterministik dan menghabiskan tokennya di mana penilaian diperlukan. Pembagian kerja itu adalah keseluruhan pola: dsh menulis kode, CLI memverifikasi lapisan API, dan Anda membuat skenario di Apidog tanpa menulis kode tes sama sekali.
Verifikasi dsh Benar-benar Menjalankannya
Agen melaporkan keberhasilan yang tidak mereka peroleh, dan harness pratinjau pengembang bukanlah tempat untuk menerima klaim begitu saja. Tiga pemeriksaan, dalam urutan mereka menangkap masalah.
Pertama, konfirmasikan perintah telah dijalankan. UI web dsh menunjukkan panggilan alat agen dan outputnya dalam sesi. Cari panggilan bash literal apidog run ... dan hasilnya. Jika agen mengatakan ia menjalankan tes tetapi tidak ada panggilan seperti itu muncul, berarti ia meringkas sesuatu yang tidak pernah dilakukannya. Minta untuk menjalankannya lagi dan tunjukkan output mentah.
Kedua, konfirmasikan kode keluar. Tanyakan langsung: “berapa kode keluar dari perintah apidog run itu?” Harness memberikan agen penanda eksplisit [exit code: N] saat terjadi kegagalan, sehingga tidak ada ambiguitas untuk bersembunyi. Ketika ringkasan agen mengatakan “tes lulus” tetapi penanda mengatakan bukan nol, maka penanda itu benar.
Ketiga, konfirmasikan bahwa ia menggunakan skenario yang sebenarnya. Kegagalan “skenario tidak ditemukan” biasanya berarti agen mengarang atau salah mengingat ID. Periksa kembali nilai -t dan -e terhadap blok AGENTS.md Anda dan perintah di tab CI/CD Apidog. ID dalam file aturan adalah kebenaran; apa pun yang diketik agen adalah tebakan.
Opsional: Tambahkan Apidog MCP Server untuk Akses Spesifikasi
Menjalankan skenario mencakup verifikasi. Jika Anda juga ingin agen membaca spesifikasi API Anda saat menulis kode, itu adalah tugas untuk MCP, dan di sini gambaran jujur itu penting: pada akhir Agustus 2026, dukungan MCP tidak didokumentasikan dalam README inti DeepSeek Harness atau panduan pengguna. Yang ada adalah plugin komunitas, hyqhyq3/dsh-mcp-manager, ditemukan melalui topik GitHub dsh-plugin seperti ekosistem lainnya. Ini menambahkan halaman MCP di bawah Pengaturan, mendukung server HTTP jarak jauh dan stdio lokal, mendaftarkan alat sebagai mcp__<name>__*, dan membaca definisi server per proyek dari <workspace>/.dsh/dshmm/mcp.json.
Melaluinya Anda dapat menghubungkan Apidog MCP server, yang mengekspos spesifikasi API Anda melalui MCP sehingga agen dapat memeriksa skema aktual dari sebuah endpoint sebelum menulis handler, alih-alih setelah skenario gagal. Plugin komunitas ditambah host pratinjau pengembang berarti pasangan ini dapat rusak pada pembaruan salah satu sisi, jadi perlakukan ini sebagai lapisan bonus. Jalur CLI di atas adalah yang utama: ia tidak memerlukan apa pun selain shell.
Peringatan Pratinjau, dan Arahnya
DeepSeek Harness bergerak cepat dan memperingatkan Anda bahwa ia akan merusak banyak hal. Hal-hal spesifik yang paling mungkin berubah adalah yang disebutkan di sini: kandidat file plugin instruksi, pelaporan sandbox alat bash, dan apa pun yang disentuh plugin MCP komunitas. Namun, polanya portabel. File aturan yang mengatakan "verifikasi API dengan satu perintah ini" ditambah CLI yang mengembalikan kode keluar yang bersih berfungsi di dsh hari ini dengan alasan yang sama seperti berfungsi di Claude Code dan setiap harness lain dalam seri ini: agen pandai membaca output perintah dan buruk jika dipercaya tanpa itu.
Jadi: unduh Apidog, bangun satu skenario tes secara visual, salin perintah apidog run-nya dari tab CI/CD, dan letakkan blok tersebut ke dalam AGENTS.md yang mungkin sudah ada di repo Anda. Lain kali DeepSeek Harness menyentuh kode API Anda, ia akan memeriksa pekerjaannya sendiri sebelum memberi tahu Anda bahwa ia telah selesai.
Pertanyaan Umum (FAQ)
Apakah DeepSeek Harness membaca AGENTS.md secara native? Ya. Plugin @deepseek-ai/dsh-agent-instructions memuat AGENTS.md (atau CLAUDE.md sebagai fallback) dari root proyek Anda dan direktori di atas direktori kerja sesi Anda, ditambah overlay AGENTS.local.md/CLAUDE.local.md dan AGENTS.md global pengguna di ~/.dsh. Jika Anda sudah memiliki AGENTS.md untuk agen lain, dsh akan mengambilnya tanpa perubahan.
Apakah saya memerlukan paket DeepSeek berbayar untuk menggunakan Apidog CLI di dsh? Tidak. Harness ini adalah sumber terbuka berlisensi MIT, dan Anda membawa model Anda sendiri: penyedia katalog mencakup Anthropic, OpenAI, Bedrock, Vertex, dan Azure, dan gateway kustom berfungsi melalui settings.yaml, seperti yang dibahas dalam cara menjalankan model apa pun di DeepSeek Harness. Apidog CLI itu sendiri adalah paket npm gratis; ia memerlukan skenario tes Apidog dan autentikasi, bukan model tertentu.
Mengapa perintah kedua agen melupakan direktori yang diubah oleh perintah pertama? Berdasarkan desain. Alat bash dsh default menjalankan setiap panggilan dalam shell baru (fresh shell), jadi cd tidak bertahan di antara perintah. Lewatkan parameter workdir alat atau, lebih sederhana, pertahankan pemanggilan apidog run lengkap dalam satu baris di file aturan Anda sehingga tidak ada yang terlupakan.
Bisakah dsh menjalankan skenario tanpa bertanya kepada saya setiap saat? Itu tergantung pada kebijakan izin aktif. UI web akan bertanya sebelum operasi yang memerlukan persetujuan di bawahnya; panduan pengguna tidak mencantumkan tingkat kebijakan, jadi periksa Pengaturan di build Anda untuk melihat apa yang diizinkan oleh deployment Anda. Ketika memang muncul prompt, menyetujui apidog run terhadap staging adalah jawaban ya yang aman.