O Que É DeepSeek Harness (dsh)? O Concorrente de Código Aberto do Claude, Explicado

DeepSeek lançou algo incomum em 13 de agosto de 2026: não um modelo, mas a máquina que executa um. DeepSeek Harness (dsh) é o orquestrador de agente oficial de código aberto da empresa. É a camada de software que transforma um grande modelo de linguagem em um agente de codificação funcional, com um loop de sessão, execução de ferramentas, verificações de permissão e uma interface de usuário web local. Foi lançado no mesmo dia que o DeepSeek V4-Pro na API, e a VentureBeat o enquadrou como um rival de código aberto para o Claude Code.

A comunidade de desenvolvedores reagiu rapidamente. Em 20 de agosto, o repositório deepseek-harness contava com aproximadamente 169.000 estrelas e 18.100 forks, uma semana após o lançamento. Números desse porte em sete dias dizem menos sobre o código e mais sobre o apetite: os desenvolvedores querem um orquestrador de agente que possam inspecionar, modificar e apontar para qualquer modelo.

O que DeepSeek Harness realmente é

Um orquestrador (harness) é tudo o que está ao redor do modelo. O modelo prevê tokens. O orquestrador decide o que o modelo vê, quais ferramentas ele pode chamar, como as edições de arquivos e os comandos de shell são aprovados e como uma sessão multi-passos se mantém unida. Claude Code, Codex CLI e Gemini CLI são todos orquestradores que envolvem os modelos de seus fornecedores. Se você quiser saber como esses dois se comparam, abordamos isso em Claude Code vs Codex CLI.

DeepSeek Harness é a entrada da DeepSeek nessa categoria, com três propriedades que definem o cenário:

• É oficial. Este é um projeto de primeira parte da DeepSeek AI, não um wrapper comunitário em torno de sua API.
• É de código aberto. Licenciado sob MIT, com dependências de terceiros documentadas no arquivo THIRD_PARTY_NOTICES do repositório. Você pode ler o loop do agente em que está confiando com sua base de código.
• É uma prévia para desenvolvedores. O README alerta, literalmente: “HAverá MUDANÇAS QUE QUEBRARÃO A COMPATIBILIDADE.” Leve isso a sério. Mais sobre o que isso significa na prática abaixo.

O momento do lançamento também importa. O dsh chegou junto com o DeepSeek V4-Pro na API, então o orquestrador e seu modelo padrão carro-chefe foram lançados em conjunto. Se você estiver avaliando o lado do modelo, nosso guia para a API DeepSeek V4-Pro aborda endpoints, IDs de modelo e exemplos de requisição.

A arquitetura: tudo é um plugin

Aqui é onde o dsh difere de todos os agentes de codificação mainstream. A maioria dos orquestradores é monolítica. O loop do agente, o cliente do modelo, as definições de ferramentas e o armazenamento de sessão são entregues como uma única aplicação. Você pode configurá-los, às vezes estendê-los, mas não pode trocar as partes centrais.

O dsh inverte isso. Seu princípio de design é “tudo é um plugin”, construído em um framework chamado Cordis, cujo design é descrito em um artigo intitulado “Um Paradigma de Programação para Componibilidade Espaço-Temporal”. Remova o título acadêmico e a afirmação prática é esta: as peças de um agente que geralmente são soldadas juntas são, no dsh, módulos substituíveis. Isso inclui:

• O adaptador de modelo. A camada que se comunica com a API LLM é um plugin. Troque-o e o dsh aciona um backend diferente.
• O registro de ferramentas. O conjunto de ferramentas que o agente pode chamar (edições de arquivo, shell, pesquisa) é registrado por plugins, não codificado.
• O log de sessão. Como as sessões são gravadas e reproduzidas é plugável.
• O próprio loop do agente. Até mesmo o ciclo central de decidir-agir-observar é um plugin que você pode substituir.

Por que isso importa? Porque a camada do orquestrador é onde a verdadeira experimentação está acontecendo em 2026. As equipes querem experimentar diferentes estratégias de gerenciamento de contexto, diferentes modelos de permissão, diferentes conjuntos de ferramentas para diferentes repositórios. Com um agente monolítico, você espera que o fornecedor envie sua ideia. Com o dsh, você escreve um plugin.

A contrapartida é igualmente real. Um sistema onde tudo é trocável tem uma área de superfície maior para falhas, e uma prévia para desenvolvedores que promete mudanças que quebrarão a compatibilidade quebrará plugins ao longo do caminho. Essa é a aposta que o dsh pede que você faça: flexibilidade agora, estabilidade depois.

Início rápido: de zero a um agente em execução

O caminho de instalação é um único comando:

npx @deepseek-ai/dsh web

Isso inicia uma UI web local em http://127.0.0.1:3080 e abre seu navegador para ela (passe --no-open se preferir que não abra). Nenhuma instalação global, nenhuma criação de conta como barreira.

Se você preferir construir a partir do código-fonte, o caminho do repositório também funciona: clone o repositório, então pnpm install, pnpm run build e pnpm dsh web.

A partir daí, o fluxo da primeira execução tem três etapas:

1. Configure uma chave de API DeepSeek em Configurações. As chaves ficam em $DSH_HOME/.credentials.yaml, separadas do arquivo de configurações principal, que apenas contém referências a elas.
2. Escolha um espaço de trabalho. Clique em “Escolher espaço de trabalho”, adicione o diretório do projeto onde você iniciou o dsh e selecione-o. Esta etapa não é opcional: o compositor de sessão permanece indisponível até que um espaço de trabalho seja selecionado. O dsh quer uma resposta explícita para “quais arquivos tenho permissão para pensar” antes de executar qualquer coisa.
3. Execute uma tarefa e aprove as operações. A UI web pergunta antes das operações “que exigem aprovação sob a política de permissão ativa”. Escritas de arquivo e comandos de shell aparecem como prompts em vez de serem executados silenciosamente.

A UI web é apenas um ponto de entrada. Por baixo dos panos, o dsh inicializa perfis: dsh web é um atalho para dsh --profile web, e os perfis ficam em $DSH_HOME/profiles/<nome>. Existe um modo sem interface (dsh --profile headless "job") que executa uma única sessão nova, imprime o resultado e sai, que é o formato desejado para scripts e CI. Um subcomando dsh plugin gerencia os plugins de um perfil encaminhando para o pnpm no diretório do perfil, e flags de inicialização como --dump-config e --dump-default-config imprimem a árvore de configuração composta sem inicializar. A lista completa está no README do CLI.

Quais modelos ele pode executar?

Os modelos DeepSeek são o padrão, e o V4-Pro é o emparelhamento principal. Vale a pena saber sobre o custo: a DeepSeek tornou seu desconto fora de pico permanente, o que muda a economia de executar um agente que consome tokens o dia todo. Detalhes em nosso post sobre o corte de preço permanente do DeepSeek V4-Pro, e a referência oficial está em api-docs.deepseek.com.

Mas o adaptador de modelo é um plugin, e o dsh se inclina para isso. Existem dois caminhos além do padrão:

• Provedores de catálogo. Entradas de provedores integrados para Anthropic, OpenAI, Bedrock, Vertex e Azure, cada um com manipulação de credenciais específica do provedor.
• Provedores personalizados. Qualquer endpoint compatível com OpenAI pode ser registrado em $DSH_HOME/settings.yaml com uma URL base, uma variável de ambiente para a chave e uma lista de modelos. Isso abrange tempos de execução locais e gateways, não apenas APIs em nuvem.

Selecionar um modelo o torna o padrão para novas sessões, e cada sessão registra o modelo com o qual começou, então a troca no meio do projeto não confunde seu histórico. O guia de provedores documenta o formato de configuração. Mantemos esta seção curta de propósito: o passo a passo completo, incluindo o YAML exato para endpoints personalizados, está em como executar qualquer modelo no DeepSeek Harness.

O ecossistema de plugins, uma semana depois

Os plugins são descobertos através do tópico dsh-plugin no GitHub, e a comunidade se coordena através do GitHub Discussions e de um servidor Discord. Uma semana após o lançamento, o ecossistema já mostra a forma da demanda:

• Wrappers de desktop. Projetos como deepseek-harness-desktop (Tauri) e dsh_desktop (Windows) empacotam a UI web como um aplicativo nativo. Estes são projetos da comunidade, não lançamentos oficiais da DeepSeek, então aplique o mesmo escrutínio que você aplicaria a qualquer wrapper de terceiros que lide com suas chaves de API.
• Plugins de capacidade. Repositórios da comunidade como dsh-context e dsh-vision-router estendem o que as sessões podem ver e rotear. Mesmo aviso: construídos pela comunidade.
• Suporte a MCP. O dsh não oferece suporte nativo ao Model Context Protocol no core até o momento. O que existe é um plugin da comunidade, dsh-mcp-manager, que adiciona uma página de Configurações para MCP: servidores HTTP remotos ou stdio locais, autenticação OAuth ou por token estático, ferramentas registradas com nomes mcp__<nome>__* e configurações de servidor por projeto dentro do diretório .dsh do espaço de trabalho.

Este último ponto merece destaque porque é fácil de entender errado. Se você ler um post alegando que o dsh “suporta MCP”, a versão precisa é: a comunidade construiu o suporte a MCP como um plugin, que é exatamente para isso que serve a arquitetura "tudo é um plugin". O core pode absorvê-lo mais tarde. Ainda não o fez.

Onde seu fluxo de trabalho de API se encaixa

Um orquestrador de agente é, no fundo, uma máquina para executar chamadas de API: a API do modelo que ele aciona e as APIs dentro de qualquer projeto para o qual você o aponta. Quando o dsh escreve código contra seu backend, ele trabalha a partir de qualquer entendimento de seus endpoints que possa extrair da base de código. Se o comportamento real de sua API não corresponder à sua especificação, o agente codifica com confiança contra o contrato errado, e você descobre em tempo de execução.

A solução é chata e eficaz: verifique a superfície da API antes que o agente a toque. O Apidog cobre essa camada. Projete ou importe a especificação OpenAPI, teste os endpoints reais contra ela e crie servidores mock para que o agente possa desenvolver contra respostas estáveis e precisas, mesmo enquanto o backend está em movimento. Um agente iterando contra um mock verificado produz muito menos integrações alucinadas do que um que adivinha a partir de código obsoleto.

Há também um caminho de integração direto. O Apidog MCP Server expõe suas especificações de API a ferramentas de IA via MCP. No dsh, isso ocorre através do plugin comunitário dsh-mcp-manager descrito acima: instale o plugin, registre o Apidog MCP Server e as sessões podem consultar sua especificação real em vez de inferi-la. Abordamos todo o ciclo, incluindo execuções de teste baseadas em CLI que o próprio agente pode acionar, em usando Apidog CLI no DeepSeek Harness. Se você quiser ter o lado da API pronto antes de experimentar, baixe o Apidog e importe sua especificação primeiro. É uma configuração de cinco minutos que remove a maior fonte de erro do agente.

Devo experimentar agora ou esperar?

A resposta honesta depende do que você usaria para isso.

Experimente agora se:

• Você quer entender como os orquestradores de agentes funcionam internamente. O dsh é o orquestrador principal mais inspecionável disponível, e ler um loop de agente real ensina mais do que qualquer post de blog.
• Você precisa de flexibilidade de modelo. Se sua equipe executa modelos diferentes para tarefas diferentes, ou auto-hospeda, o adaptador de modelo plugável é o recurso que agentes monolíticos não lhe darão.
• Você constrói ferramentas. O ecossistema de plugins tem uma semana de idade. Os primeiros autores de plugins em um repositório com tanta atenção recebem visibilidade desproporcional.
• Você já usa a API da DeepSeek e quer a experiência de agente de primeira parte para o V4-Pro.

Espere se:

• Você precisa de um driver diário estável. “HAVERÁ MUDANÇAS QUE QUEBRARÃO A COMPATIBILIDADE” não é modéstia de marketing, é uma promessa. Sua configuração, seus plugins e sua memória muscular podem quebrar entre as versões.
• Sua organização exige ferramentas testadas e suportadas. Uma prévia de desenvolvedor com plugins da comunidade lidando com credenciais tem um perfil de risco diferente de um produto GA com um contrato de suporte.
• Você quer o polimento de orquestradores maduros. O Claude Code teve uma longa vantagem em ergonomia, e uma prévia de uma semana não o igualará em todos os lugares ainda.

Para a maioria dos desenvolvedores, a medida pragmática é dupla: mantenha seu agente atual para trabalhos de produção, execute o dsh em um projeto paralelo e forme sua própria opinião antes que o rótulo de prévia seja removido. Se sua principal pergunta é como ele se compara ao titular, fizemos a comparação lado a lado em DeepSeek Harness vs Claude Code.

FAQ

DeepSeek Harness é gratuito?

O próprio orquestrador é gratuito e de código aberto sob a licença MIT. O que custa dinheiro é o modelo por trás dele: o uso da API na plataforma da DeepSeek (ou de qualquer provedor que você configurar) é cobrado normalmente por esse provedor. Como a camada do adaptador é plugável, você também pode apontar o dsh para um modelo hospedado localmente e não pagar nada por token; veja executar qualquer modelo no DeepSeek Harness para a configuração.

O dsh só funciona com modelos DeepSeek?

Não. Os modelos DeepSeek são o padrão, mas o adaptador de modelo é um plugin. Os provedores de catálogo abrangem Anthropic, OpenAI, Bedrock, Vertex e Azure, e qualquer endpoint compatível com OpenAI pode ser adicionado através de $DSH_HOME/settings.yaml.

É seguro executar o DeepSeek Harness na minha base de código?

É tão seguro quanto seu modelo de permissão mais seu julgamento. A UI web exige que você selecione um espaço de trabalho antes que qualquer sessão possa ser executada, e ela solicita antes das operações que precisam de aprovação sob a política de permissão ativa. Dito isso, é uma prévia de desenvolvedor, e os plugins da comunidade (incluindo wrappers de desktop) são códigos de terceiros que podem lidar com suas chaves de API. Revise o que você instala e mantenha a prévia longe de repositórios onde uma edição errônea causaria danos.

Como um “orquestrador” (harness) é diferente de um modelo?

O modelo é o motor de raciocínio; o orquestrador é tudo o que permite que ele aja. Gerenciamento de sessão, chamadas de ferramentas, acesso a arquivos, prompts de permissão e montagem de contexto, tudo isso reside no orquestrador. Dois agentes usando o mesmo modelo podem se comportar de maneira completamente diferente porque seus orquestradores diferem, e é por isso que a camada do orquestrador é onde a maior parte da competição de agentes de codificação acontece atualmente.