DeepSeek Harness expliqué : pourquoi « modèle + harness = agent »

DeepSeek Harness se comprend mieux comme une infrastructure pour créer et exécuter des agents que comme un modèle d’intelligence artificielle à part entière. Cette préversion destinée aux développeurs, publiée sous licence MIT via l’outil en ligne de commande dsh, repose sur une formule simple : modèle + harness = agent. Le modèle fournit le raisonnement ; le harness — la couche d’exécution — relie ce raisonnement aux fichiers, au terminal, aux outils, aux sessions et aux actions concrètes. 69

C’est le principal enseignement de l’essai pratique publié le 21 août. DeepSeek ne cherche pas seulement à proposer un assistant de programmation prêt à l’emploi : l’entreprise mise surtout sur une mécanique d’agent configurable et extensible.

« Modèle + harness = agent » : de quoi parle-t-on ?

Un modèle de langage peut analyser une demande, établir un plan et générer des instructions. Mais, seul, il ne peut pas inspecter un projet local, modifier des fichiers, lancer des commandes, conserver l’historique d’une tâche ou enchaîner plusieurs appels d’outils. Le harness lui fournit cette couche opérationnelle.

Dans DeepSeek Harness, l’adaptateur de modèle, le registre d’outils, le journal de session et la boucle d’agent sont eux-mêmes des plugins remplaçables. L’architecture s’appuie sur Cordis, dont les plugins apportent des services, des événements typés et des effets réversibles à un contexte d’exécution partagé. 17

Cette séparation a deux conséquences importantes :

• Le modèle ne constitue pas tout l’agent. Il prend des décisions et produit un raisonnement ou des actions.
• Le harness n’est pas lié, par principe, à un seul modèle. Son runtime peut être configuré avec différents adaptateurs et ensembles de capacités, au lieu de considérer le modèle et l’application agentique comme un produit indissociable. 16

Voilà pourquoi présenter DeepSeek Harness comme un « nouveau modèle d’IA » serait trompeur. Il s’agit d’un runtime d’exécution qui transforme un modèle capable de raisonner en système capable d’agir.

Comment lancer la préversion développeur

Le parcours de démarrage testé est le suivant :

npx @deepseek-ai/dsh web

L’interface web locale est accessible à l’adresse localhost:3080. Un autre compte rendu pratique indique l’adresse équivalente 127.0.0.1:3080. 64

L’essai mentionne également la saisie d’une clé API DeepSeek et une interface baptisée « Exploring the Uncharted » (« explorer l’inconnu »). Il s’agit d’observations faites lors de ce test : elles ne signifient pas que chaque installation affichera exactement la même interface ou suivra le même parcours de configuration. 7

À retenir : cette préversion s’adresse d’abord aux développeurs à l’aise avec la configuration d’un runtime local et l’utilisation de leurs propres accès aux modèles. Ce n’est pas encore un assistant de programmation fini, utilisable sans réglage.

Quatre modes de travail, quatre compositions de plugins

DeepSeek Harness ne présente pas ses modes comme quatre produits sans rapport. Il s’agit de compositions prédéfinies du runtime : chacune charge un ensemble de plugins différent pour un type de tâche donné. 1823

Standard : l’expérience d’agent complète

Standard est le mode polyvalent. DeepSeek le décrit comme un agent de programmation complet, avec édition de fichiers, accès au shell, recherche dans les fichiers et sur le web, compétences, planification, objectifs, sous-agents et workflows. 20

C’est le mode qui se rapproche le plus d’un usage quotidien pour le développement ou l’exécution de tâches. Mais les aspérités de la préversion le destinent davantage à l’expérimentation qu’aux utilisateurs cherchant un remplacement immédiatement abouti d’un assistant de programmation établi.

PTC : les appels d’outils programmatiques

PTC, pour Programmatic Tool Calling, vise les scénarios dans lesquels le modèle écrit du code pour coordonner plusieurs appels d’outils. Au lieu de demander chaque opération séparément, il peut générer un programme qui orchestre une séquence d’actions. 20

Cette approche s’adresse plutôt aux modèles performants et aux utilisateurs avancés qui traitent des tâches en plusieurs étapes. Elle peut structurer les workflows très dépendants des outils, mais rend d’autant plus importante la vérification du code généré et de ses effets.

Minimal : un environnement de test contrôlé

Minimal réduit le runtime à un outil shell et à un éditeur de fichiers. DeepSeek le présente comme un moyen d’évaluer ou d’étudier des modèles dans un environnement volontairement limité, avec moins d’assistance fournie par le harness. 20

Ce mode est utile lorsque l’objectif est la mesure plutôt que le confort. Il aide à distinguer les capacités propres au modèle de celles apportées par une pile d’agent complète.

Creation : construire et modifier le runtime

Creation s’adresse aux développeurs qui souhaitent examiner ou étendre le harness. Il permet d’inspecter le runtime, d’expérimenter avec des plugins Cordis en mémoire et de composer des profils personnalisés. 20

Un plugin documenté pour ce mode ajoute notamment l’auto-inspection de Cordis, l’expérimentation avec des plugins dynamiques et des conseils pour créer des profils. 22 Creation illustre donc le mieux l’ambition de DeepSeek : le système ne sert pas seulement à exécuter des agents, mais aussi à permettre aux développeurs de remodeler l’environnement dans lequel ces agents fonctionnent.

Cordis et la philosophie « tout est un plugin »

La particularité la plus marquante de DeepSeek Harness est sa philosophie d’architecture. Plutôt que de conserver dans un noyau fixe le modèle, les outils, l’historique et la boucle de contrôle, le projet expose ces éléments via le système de plugins Cordis.

La documentation officielle de l’architecture identifie précisément comme plugins remplaçables :

• les adaptateurs de modèles ;
• les registres d’outils ;
• les journaux de session ;
• la boucle d’agent elle-même. 17

Les comptes rendus pratiques décrivent une vision plus large englobant également les compétences, les sessions, les environnements isolés, le stockage, la planification et l’interface utilisateur. Ces exemples montrent la direction revendiquée par le projet, mais l’extrait primaire fourni ne confirme pas de manière indépendante chaque détail de cette liste élargie. 117

Cette conception explique aussi pourquoi les quatre modes peuvent produire des expériences très différentes sans nécessiter quatre applications distinctes. Un profil peut assembler, au démarrage, des couches de plugins ordonnées afin de créer un runtime destiné au développement courant, à l’évaluation contrôlée, aux appels d’outils programmatiques ou à la création de plugins. 1723

Des trajectoires d’exécution plutôt qu’une boîte noire

Les agents sont difficiles à déboguer lorsqu’ils ne montrent que leur réponse finale. DeepSeek Harness accorde davantage de place au chemin d’exécution : les sessions et les trajectoires font partie de l’architecture, tandis que le composant chargé du journal de session est remplaçable comme les autres plugins. 17

Un autre essai pratique décrit la vue de trajectoire comme un flux d’événements JSONL ajouté en continu sur le disque. Cette trace a permis de diagnostiquer rapidement un problème de configuration. 4 La documentation officielle confirme que les journaux de session sont des plugins, mais l’extrait fourni ne suffit pas à vérifier à lui seul tous les détails du format ajouté en continu.

Pour les développeurs, cette traçabilité peut compter autant que la qualité brute du modèle. Elle permet notamment de comprendre quel outil a été appelé, ce que l’agent a tenté de faire et à quel moment une tâche longue a commencé à dévier.

Ce que les premiers essais disent des performances

Les tests disponibles montrent des capacités réelles, mais ne constituent pas une référence universelle de performance. Lors d’une session du 21 août avec DeepSeek V4 Flash 0731, l’agent a consacré 46 minutes et 109 étapes à la création d’un plugin, pour une consommation de 8,9 millions de tokens d’entrée. 1 Un autre test pratique évoque environ 20 millions de tokens sur près de 35 minutes pour construire un outil de suivi de la Station spatiale internationale. 2

Ces résultats permettent une conclusion prudente : les tâches autonomes longues peuvent être lentes et coûteuses dans la préversion, avec un temps d’exécution qui dépend du modèle, de la tâche, de la mise en cache et de la charge de travail. Ils ne doivent pas être interprétés comme une limite fixe valable pour toutes les sessions DeepSeek Harness.

Le compromis actuel apparaît ainsi clairement. DeepSeek propose une infrastructure particulièrement configurable avant d’avoir livré une expérience utilisateur entièrement polie. Le projet a été décrit comme une infrastructure prometteuse, potentiellement adaptée à un pilote d’ingénierie limité, mais pas encore comme un plan de contrôle prêt pour la production. 56

Le véritable positionnement de DeepSeek Harness

Le message le plus solide n’est pas : « DeepSeek a créé la meilleure interface d’agent de programmation. » Il est plutôt le suivant : DeepSeek a publié sous licence open source un runtime d’agents étendu, dans lequel les modèles, les outils, les boucles d’exécution et d’autres capacités peuvent être assemblés et remplacés.

DeepSeek Harness intéressera donc surtout :

• les développeurs qui construisent des agents personnalisés ;
• les chercheurs qui évaluent des modèles avec différents niveaux d’assistance du harness ;
• les équipes qui ont besoin d’historiques d’exécution inspectables ;
• les contributeurs open source qui expérimentent avec les plugins et la composition de runtimes.

Le produit est moins convaincant, pour l’instant, si l’on cherche uniquement un assistant de programmation soigné, prévisible et rapide à mettre en route. La version 0.1 reste précoce, et les essais sur de longues tâches montrent que les capacités ne se traduisent pas automatiquement par de la rapidité ou une maturité suffisante pour la production. 56

En résumé, « modèle + harness = agent » est à la fois une explication produit et une déclaration stratégique. DeepSeek sépare l’intelligence de la mécanique qui lui permet d’agir — et parie sur le fait qu’un runtime de plugins extensible puisse devenir plus précieux qu’une application d’agent figée.