DeepSeek Harness Dijelaskan: Bagaimana “Model + Harness = Agent” Bekerja

DeepSeek Harness paling tepat dipahami sebagai infrastruktur untuk membangun dan menjalankan agent, bukan sebagai model AI yang berdiri sendiri. Developer preview ini dirilis di bawah lisensi MIT melalui command-line tool dsh dan berangkat dari persamaan sederhana: Model + Harness = Agent. Model menyediakan kemampuan penalaran, sedangkan harness menyediakan lapisan operasional yang menghubungkan penalaran itu dengan file, terminal, alat, sesi, dan proses eksekusi. 69

Itulah temuan utama dari ulasan hands-on pada 21 Agustus. DeepSeek tampaknya tidak sekadar ingin menghadirkan coding assistant baru yang siap pakai, tetapi juga membuka dan membuat fleksibel mesin di balik sebuah agent.

Apa arti “Model + Harness = Agent”?

Model bahasa dapat menyusun rencana dan menghasilkan instruksi. Namun, model tidak dengan sendirinya bisa memeriksa proyek lokal, mengedit file, menjalankan perintah, menyimpan riwayat eksekusi, atau mengatur serangkaian pemanggilan alat secara berulang. Harness menyediakan kemampuan-kemampuan tersebut di sekeliling model.

Dalam DeepSeek Harness, adapter model, registri alat, log sesi, dan agent loop—siklus yang mengatur proses berpikir, pemanggilan alat, serta tindak lanjut agent—merupakan plugin yang dapat diganti. Arsitektur ini dibangun di atas Cordis, yang memungkinkan plugin menyumbangkan layanan, event bertipe, dan efek yang dapat dibatalkan ke dalam konteks runtime bersama. 17

Pemisahan tersebut membawa dua konsekuensi penting:

• Model bukan keseluruhan agent. Model mengambil keputusan dan menghasilkan penalaran atau tindakan.
• Harness tidak secara konsep terikat pada satu model. Runtime dapat dikonfigurasi dengan adapter model dan kumpulan kemampuan yang berbeda, alih-alih menjadikan model dan aplikasi agent sebagai satu produk yang tidak terpisahkan. 16

Karena itu, menyebut DeepSeek Harness sebagai “model AI baru” akan meleset dari inti produknya. DeepSeek Harness adalah runtime eksekusi yang mengubah model penalaran menjadi sistem yang dapat bertindak.

Cara mencoba developer preview

Jalur quick start yang digunakan dalam ulasan adalah:

npx @deepseek-ai/dsh web

Antarmuka web lokal berjalan di localhost:3080; laporan hands-on lain menyebut alamat lokal yang setara, yaitu 127.0.0.1:3080. 64

Ulasan tersebut juga mencatat bahwa pengguna perlu memasukkan API key DeepSeek dan melihat antarmuka dengan label “Exploring the Uncharted”. Ini merupakan pengamatan dari pengalaman hands-on, bukan jaminan bahwa setiap instalasi akan menampilkan antarmuka atau alur konfigurasi yang sama. 7

Kesimpulan praktisnya: preview ini ditujukan bagi developer yang terbiasa mengatur runtime lokal dan menyediakan akses ke model sendiri—bukan pengguna yang mencari coding assistant siap pakai tanpa konfigurasi.

Empat mode kerja, empat komposisi plugin

DeepSeek Harness tidak memperlakukan keempat modenya sebagai empat produk yang sepenuhnya terpisah. Mode-mode tersebut adalah komposisi runtime siap pakai: masing-masing memuat kumpulan plugin default yang berbeda sesuai jenis pekerjaan. 1823

Standard: pengalaman agent lengkap

Standard adalah preset serbaguna. DeepSeek mendeskripsikannya sebagai coding agent lengkap dengan kemampuan mengedit file, mengakses shell, melakukan pencarian file dan web, menggunakan skills, menyusun rencana, menetapkan tujuan, menjalankan subagent, serta mengatur workflow. 20

Mode ini paling cocok untuk pengembangan dan eksekusi tugas sehari-hari berbasis agent. Namun, karena versi preview masih memiliki banyak sisi yang belum dipoles, Standard lebih sesuai untuk eksperimen daripada bagi pengguna yang hanya ingin mengganti coding agent mapan dengan pengalaman yang stabil.

PTC: pemanggilan alat secara terprogram

PTC, singkatan dari Programmatic Tool Calling, dirancang untuk workflow ketika model menulis kode guna mengoordinasikan beberapa pemanggilan alat. Alih-alih meminta setiap operasi alat satu per satu, model dapat menggunakan program yang dihasilkan untuk mengatur rangkaian tindakan. 20

Pendekatan ini ditujukan bagi model yang lebih kuat dan pengguna tingkat lanjut yang mengerjakan tugas bertahap. Workflow yang melibatkan banyak alat dapat menjadi lebih terstruktur, tetapi pengguna juga perlu lebih cermat memeriksa tindakan yang akan dijalankan oleh kode hasil generasi model.

Minimal: lingkungan pengujian terkendali

Minimal memangkas runtime hingga hanya menyisakan alat shell dan editor file. DeepSeek memosisikannya sebagai cara untuk melakukan benchmark atau mempelajari kemampuan model dalam lingkungan yang sengaja dibatasi, dengan lebih sedikit bantuan dari harness. 20

Mode ini berguna ketika tujuan utamanya adalah evaluasi, bukan kenyamanan. Dengan membatasi fasilitas, developer dapat lebih mudah membedakan kemampuan model dari kemampuan yang disediakan oleh tumpukan agent lengkap.

Creation: mode untuk membangun mode

Creation ditujukan bagi developer yang ingin mengubah atau memperluas harness. Mode ini mendukung pemeriksaan runtime, eksperimen plugin Cordis di memori, serta penyusunan preset kustom. 20

Plugin Creation-mode yang terdokumentasi juga menambahkan kemampuan introspeksi Cordis, eksperimen plugin dinamis, dan panduan untuk membuat preset. 22 Di sinilah ambisi utama DeepSeek Harness terlihat paling jelas: sistem ini tidak hanya dirancang untuk menjalankan agent, tetapi juga untuk memungkinkan developer membentuk ulang runtime yang digunakan agent tersebut.

Cordis dan arsitektur “semuanya adalah plugin”

Bagian paling khas dari DeepSeek Harness adalah filosofi arsitekturnya. Alih-alih menyimpan model, alat, riwayat, dan control loop di dalam inti besar yang kaku, sistem ini mengekspos komponen-komponen tersebut melalui sistem plugin Cordis.

Dokumentasi arsitektur resmi secara khusus menyebut komponen berikut sebagai plugin yang dapat diganti:

• adapter model;
• registri alat;
• log sesi; dan
• agent loop itu sendiri. 17

Laporan hands-on menggambarkan visi yang lebih luas, mencakup skills, sesi, sandbox, penyimpanan, penjadwalan, dan antarmuka pengguna. Sebagian contoh tersebut belum ditetapkan secara independen oleh kutipan sumber primer yang tersedia, sehingga lebih tepat dipahami sebagai arah yang dilaporkan tentang proyek ini, bukan sebagai detail implementasi yang seluruhnya telah terverifikasi. 117

Desain ini juga menjelaskan mengapa keempat mode dapat terasa sangat berbeda tanpa memerlukan empat aplikasi terpisah. Sebuah profil dapat menyusun lapisan plugin secara berurutan saat startup, sehingga runtime bisa dirakit untuk coding biasa, evaluasi terkendali, pemanggilan alat terprogram, atau pengembangan plugin. 1723

Eksekusi yang dapat diamati, bukan kotak hitam

Sistem agent sulit di-debug jika hanya menampilkan jawaban akhir. DeepSeek Harness memberi perhatian lebih besar pada jalur eksekusi: sesi dan trajectory menjadi bagian dari arsitektur runtime, sementara komponen log sesi dapat diganti seperti plugin lainnya. 17

Laporan hands-on lain menyebut tampilan trajectory sebagai aliran event JSONL append-only di disk. Format tersebut memungkinkan penulis laporan mendiagnosis masalah konfigurasi dengan cepat. 4 Kutipan dokumentasi arsitektur resmi yang tersedia mengonfirmasi bahwa log sesi merupakan plugin, tetapi tidak dengan sendirinya memverifikasi setiap detail implementasi format append-only tersebut.

Bagi developer, keterlacakan semacam ini bisa sama pentingnya dengan kualitas model mentah. Riwayat eksekusi membantu menjawab pertanyaan seperti alat apa yang dipanggil, tindakan apa yang dicoba agent, dan di bagian mana tugas panjang mulai keluar jalur.

Apa yang ditunjukkan pengujian awal tentang performa?

Pengujian yang tersedia menunjukkan kemampuan yang nyata, tetapi belum cukup untuk menjadi benchmark performa universal. Dalam satu sesi pada 21 Agustus menggunakan DeepSeek V4 Flash 0731, agent menghabiskan 46 menit dan 109 langkah untuk membangun sebuah plugin, dengan konsumsi 8,9 juta token input. 1 Uji hands-on lain melaporkan penggunaan sekitar 20 juta token selama kurang lebih 35 menit ketika membangun pelacak Stasiun Luar Angkasa Internasional. 2

Hasil tersebut mendukung kesimpulan yang berhati-hati: tugas otonom yang panjang dapat berlangsung lambat dan mahal pada developer preview ini. Durasi tetap bergantung pada model, jenis tugas, caching, dan beban kerja. Angka-angka tersebut tidak boleh dianggap sebagai batas kecepatan tetap untuk setiap sesi DeepSeek Harness.

Bukti yang sama juga memperlihatkan kompromi produk saat ini. DeepSeek menawarkan infrastruktur yang sangat dapat dikonfigurasi sebelum menghadirkan pengalaman pengguna yang benar-benar matang. Proyek ini dinilai sebagai infrastruktur yang menjanjikan dan berpotensi menjadi fondasi pilot engineering terbatas, tetapi belum sebagai control plane siap produksi. 56

Kesimpulan: lebih menarik bagi pembangun daripada pengguna biasa

Positioning terkuat DeepSeek Harness bukanlah “DeepSeek telah membuat antarmuka coding agent terbaik.” Nilai utamanya adalah sistem ini membuka runtime agent yang luas dan memungkinkan model, alat, loop eksekusi, serta kemampuan lain dirangkai dan diganti.

Karena itu, DeepSeek Harness paling menarik bagi:

• developer yang membangun agent kustom;
• peneliti yang mengevaluasi model dengan tingkat bantuan harness berbeda;
• tim yang membutuhkan riwayat eksekusi yang dapat diperiksa; dan
• kontributor open source yang bereksperimen dengan plugin dan komposisi runtime.

Untuk orang yang hanya ingin coding agent yang rapi, latensi yang dapat diprediksi, dan konfigurasi minimal, produk ini belum terlalu meyakinkan. Shell v0.1 masih berada pada tahap awal, sementara laporan tentang tugas panjang menunjukkan bahwa kemampuan tinggi tidak otomatis berarti cepat atau siap dipakai di produksi. 56

Singkatnya, “Model + Harness = Agent” adalah penjelasan produk sekaligus pernyataan strategis. DeepSeek memisahkan kecerdasan dari mesin yang membuat kecerdasan tersebut bisa bertindak—lalu bertaruh bahwa runtime plugin yang ekstensibel dapat menjadi lebih bernilai daripada satu aplikasi agent yang serba tetap.