2026년 8월 13일, DeepSeek은 AI 스택의 서로 다른 두 층을 동시에 내놓았다. 하나는 에이전트 작업을 겨냥한 공식 플래그십 모델 DeepSeek V4 Pro이고, 다른 하나는 에이전트 런타임을 만들고 수정하기 위한 MIT 라이선스 개발자 프리뷰 DeepSeek Harness v0.1이다. 3220

이 발표의 의미는 단순한 모델 신제품 공개보다 넓다. 실제 에이전트는 언어 모델만으로 작동하지 않는다. 컨텍스트를 어떻게 제공하는지, 어떤 도구와 권한을 허용하는지, 상태와 기억을 어떻게 저장하는지, 실패 뒤에 어떻게 복구하는지, 결과를 어떻게 평가하는지가 함께 성능을 결정한다. Composio의 테스트는 기반 모델이 같아도 이 주변 시스템에 따라 성공률과 비용이 크게 달라질 수 있음을 보여준다. 3

8월 13일에 공개된 두 가지

DeepSeek은 공식 V4 Pro와 함께 Harness v0.1을 공개했다. Harness는 dsh라는 명령어로 배포되며, Claude Code나 Codex 같은 완성형 최종 사용자 제품을 대체하는 성숙한 코딩 에이전트라기보다 개발자가 에이전트 하네스를 구축할 수 있도록 제공되는 인프라에 가깝다. 3220

MIT 라이선스를 선택한 점도 중요하다. 개발자는 소스 코드를 살펴보고, 수정하고, 확장할 수 있다. DeepSeek의 문서는 특정 모델에 종속되지 않는 구조를 설명하며, 여러 모델 제공업체를 연결할 수 있도록 설계됐다고 밝힌다. 2228

같은 모델인데 결과가 달라진 이유

Composio는 동일한 DeepSeek V4 Flash 모델을 8개 에이전트 하네스에 연결해 30개의 다단계 작업을 수행하게 했다. 총 240회 실행에서 성공한 작업은 129회로, 전체 성공률은 53.8%였다. 30개 워크플로 가운데 모든 하네스에서 성공한 것은 6개뿐이었다. 3

하네스별 차이는 다음과 같았다.

• Pi Agent: 30개 중 20개 성공
• Oh My Pi: 30개 중 17개 성공
• Claude Code·Codex·DeepAgents: 각각 30개 중 16개 성공
• Hermes Agent: 30개 중 15개 성공
• OpenCode: 30개 중 14개 성공

성공한 작업 1건당 추정 비용도 달랐다. Composio는 Claude Code를 약 0.195달러, Codex를 0.081달러, DeepAgents를 0.045달러로 제시했다. Pi Agent는 약 0.028달러로 보고됐지만, 각 런타임의 작동 방식과 연구 방법론이 서로 다르므로 단순한 순위표로 받아들여서는 안 된다. 3

이 결과가 모든 에이전트 제품의 보편적인 순위를 의미하는 것은 아니다. 다만 한 가지는 분명히 보여준다. 모델 벤치마크만으로는 에이전트 성능을 충분히 설명하기 어렵다는 점이다. 이제 실질적인 비교 단위는 ‘어떤 모델인가’에서 **‘모델과 하네스의 조합이 무엇인가’**로 옮겨가고 있다.

Harness의 핵심 설계: 모든 것이 플러그인

Harness는 런타임 기능을 플러그인으로 노출하는 Cordis 위에 구축됐다. DeepSeek의 아키텍처 문서에 따르면 모델 어댑터, 도구 레지스트리, 세션 로그, 에이전트 루프는 모두 교체 가능한 구성 요소다. 17

플러그인 경계로 분리된 영역에는 다음이 포함된다.

• 모델 및 제공업체 어댑터
• 도구와 스킬
• 세션과 저장소
• 샌드박스와 실행 환경
• 일정 관리와 서브에이전트 조정
• 에이전트 루프
• 사용자 인터페이스

이 구조는 언어 모델과 에이전트를 실제 작업 프로세스로 만드는 실행 장치를 분리한다. 개발자는 전체 런타임을 다시 작성하지 않고도 컨텍스트 조립 방식, 도구 호출, 상태 저장, 실패 재시도, 결과 표시 방식을 바꿀 수 있다. 1720

‘모든 것이 플러그인’이라는 표현은 단순한 패키징 방식이 아니다. 모델과 작업 환경 사이에 놓인 하네스 층을 실험의 중심으로 끌어올리는 선언에 가깝다.

추적 가능한 세션이 만드는 반복 개선의 기반

DeepSeek은 Harness가 모델이 보고 행동한 내용을 추가 전용(append-only) 세션 로그에 기록한다고 설명한다. 여기에는 시스템 프롬프트, 추론, 도구 호출과 결과, 서브에이전트 일정 관리, 컨텍스트 주입이 포함된다. Trajectory 화면에서는 이벤트 스트림을 확인할 수 있고, 복원·분기·검색·재생 기능도 같은 기록을 기반으로 작동한다. 22

개발자 입장에서는 다음과 같은 장점이 있다.

1. 디버깅: 최종 답변만 보는 대신 컨텍스트가 어떻게 바뀌고 어떤 행동이 이어졌는지 순서대로 확인할 수 있다.
2. 재현성: 프롬프트, 도구, 플러그인을 변경한 뒤 기존 워크플로를 다시 실행해 결과를 비교할 수 있다.
3. 분기 실험: 원래 실행 기록을 보존한 채 궤적을 복제해 다른 전략을 시험할 수 있다.
4. 평가 데이터화: 성공과 실패의 실행 궤적을 새 도구, 프롬프트, 정책, 에이전트 루프를 평가하는 자료로 활용할 수 있다.

이는 ‘작업 실행 → 궤적 확인 → 실패 원인 파악 → 플러그인 수정 → 재실행’이라는 지속적인 개선 사이클을 가능하게 할 수 있다. 다만 궤적을 기록하고 재생할 수 있다고 해서 곧바로 자기 학습 시스템이 되는 것은 아니다. 현재 근거가 뒷받침하는 주장은 Harness가 반복 개발을 위한 감사 가능하고 추적 가능한 기반이라는 정도다. 신뢰할 수 있는 자율적 개선이 이미 구현됐다는 증거는 아니다. 22

장기 기억과 자기 진화는 별도로 봐야 한다

Harness 생태계에는 세션 간 장기 기억과 백그라운드 자기 진화를 내세운 서드파티 프로젝트도 등장했다. 1819

이 프로젝트들은 플러그인 구조가 지속적 기억, 프로젝트 이력, 자기 검토, 스킬 관리 기능을 수용할 수 있음을 보여준다. 그러나 이것만으로 기본 v0.1 릴리스가 안전하고 일반적으로 지속적 자기 개선을 수행한다고 결론 내릴 수는 없다. 선택형 플러그인, 실험적 통합 기능, 핵심 제품 기능은 구분해서 봐야 한다.

실제 운영에 투입하려면 데이터 보존 기간, 권한 관리, 샌드박스 격리, 인증정보 처리, 롤백 방식, 자동화 시스템이 자신의 도구나 절차를 바꿀 때 발생할 위험을 별도로 평가해야 한다.

DeepSeek의 전략적 선택: 모델이 아니라 개발자 진입점

DeepSeek은 V4 Pro와 V4 Flash를 통해 모델 층에서 경쟁할 수 있다. Harness는 개발자가 모델을 실제로 어떻게 사용할지 결정하는 층에서 경쟁할 수 있는 수단을 제공한다.

하네스 층은 다음을 통제한다.

• 어떤 모델을 선택할지
• 컨텍스트를 어떻게 모으고 압축할지
• 어떤 도구와 권한을 허용할지
• 장시간 작업을 어떻게 재개할지
• 실패를 어떻게 감지하고 복구할지
• 실행 궤적을 어떻게 평가할지
• 어떤 플러그인을 에이전트 워크플로에 포함할지

런타임을 개방하면 외부 개발자들이 DeepSeek의 구조를 중심으로 어댑터, 도구, 기억 기능, 워크플로 패턴을 만들 수 있다. 동시에 여러 모델 제공업체를 지원하더라도 DeepSeek은 개발자가 모델 선택과 도구 연결, 평가를 시작하는 기본 접점을 통해 영향력을 유지할 수 있다. 이는 모델 가중치나 API 가격만으로 경쟁하는 것보다 더 오래 지속될 수 있는 위치다.

이 구조는 AI가 AI 개발을 보조하는 경로도 열어준다. 에이전트가 플러그인 초안을 만들고, 실패한 궤적을 분석하고, 변경안을 제안하고, 평가를 실행한 뒤, 실험의 계보를 기록하는 식이다. 다만 이는 완성된 자기 개선 에이전트의 증거라기보다 AI 보조 엔지니어링을 위한 인프라와 피드백 루프로 이해하는 편이 정확하다.

왜 v0.1이라는 표시가 중요한가

Harness의 개발자 프리뷰 상태는 이 공개를 해석하는 데 핵심이다. DeepSeek이 개발자들의 실험과 공동 개발을 요청하고 있다는 뜻인 동시에, API와 통합 방식, 보안 통제, 운영 동작이 앞으로 바뀔 수 있다는 의미이기도 하다. 20

따라서 현재 Harness는 완성도 높은 코딩 에이전트 제품이 아니라 개방형 프레임워크이자 연구·개발 플랫폼으로 평가해야 한다. 성숙한 상용 제품 수준의 안정성, 사용성, 안전장치가 이미 확보됐다고 가정해서는 안 된다.

결론

DeepSeek의 8월 13일 발표는 모델 출시와 인프라 전략을 한데 묶었다. V4 Pro가 대표 모델을 제공한다면, Harness는 모델이 도구·컨텍스트·기억·장시간 작업 속에서 어떻게 작동하는지를 결정하는 런타임을 공개한다. 3220

Composio의 결과는 이 구분이 중요한 이유를 보여준다. 같은 V4 Flash 모델도 테스트한 하네스에 따라 14~20개의 작업을 성공시켰고, 성공 작업당 비용 역시 상당한 차이를 보였다. 3 Harness의 플러그인 아키텍처와 추적 가능한 궤적은 실험, 평가, AI 보조 엔지니어링을 위한 설득력 있는 기반이다. 다만 이것만으로 신뢰할 수 있는 지속적 학습이 입증된 것은 아니다.

결국 다음 단계의 에이전트 경쟁은 더 나은 모델을 만드는 일에만 머물지 않을 가능성이 크다. 모델이 실제 환경에서 일하도록 만드는 하네스 층, 그리고 개발자가 그 층을 통제하는 방식이 새로운 격전지가 될 수 있다.

2026년 8월 13일, DeepSeek은 AI 스택의 서로 다른 두 층을 동시에 내놓았다. 하나는 에이전트 작업을 겨냥한 공식 플래그십 모델 DeepSeek V4 Pro이고, 다른 하나는 에이전트 런타임을 만들고 수정하기 위한 MIT 라이선스 개발자 프리뷰 DeepSeek Harness v0.1이다. 3220

이 발표의 의미는 단순한 모델 신제품 공개보다 넓다. 실제 에이전트는 언어 모델만으로 작동하지 않는다. 컨텍스트를 어떻게 제공하는지, 어떤 도구와 권한을 허용하는지, 상태와 기억을 어떻게 저장하는지, 실패 뒤에 어떻게 복구하는지, 결과를 어떻게 평가하는지가 함께 성능을 결정한다. Composio의 테스트는 기반 모델이 같아도 이 주변 시스템에 따라 성공률과 비용이 크게 달라질 수 있음을 보여준다. 3

8월 13일에 공개된 두 가지

DeepSeek은 공식 V4 Pro와 함께 Harness v0.1을 공개했다. Harness는 dsh라는 명령어로 배포되며, Claude Code나 Codex 같은 완성형 최종 사용자 제품을 대체하는 성숙한 코딩 에이전트라기보다 개발자가 에이전트 하네스를 구축할 수 있도록 제공되는 인프라에 가깝다. 3220

MIT 라이선스를 선택한 점도 중요하다. 개발자는 소스 코드를 살펴보고, 수정하고, 확장할 수 있다. DeepSeek의 문서는 특정 모델에 종속되지 않는 구조를 설명하며, 여러 모델 제공업체를 연결할 수 있도록 설계됐다고 밝힌다. 2228

같은 모델인데 결과가 달라진 이유

Composio는 동일한 DeepSeek V4 Flash 모델을 8개 에이전트 하네스에 연결해 30개의 다단계 작업을 수행하게 했다. 총 240회 실행에서 성공한 작업은 129회로, 전체 성공률은 53.8%였다. 30개 워크플로 가운데 모든 하네스에서 성공한 것은 6개뿐이었다. 3

하네스별 차이는 다음과 같았다.

• Pi Agent: 30개 중 20개 성공
• Oh My Pi: 30개 중 17개 성공
• Claude Code·Codex·DeepAgents: 각각 30개 중 16개 성공
• Hermes Agent: 30개 중 15개 성공
• OpenCode: 30개 중 14개 성공

성공한 작업 1건당 추정 비용도 달랐다. Composio는 Claude Code를 약 0.195달러, Codex를 0.081달러, DeepAgents를 0.045달러로 제시했다. Pi Agent는 약 0.028달러로 보고됐지만, 각 런타임의 작동 방식과 연구 방법론이 서로 다르므로 단순한 순위표로 받아들여서는 안 된다. 3

이 결과가 모든 에이전트 제품의 보편적인 순위를 의미하는 것은 아니다. 다만 한 가지는 분명히 보여준다. 모델 벤치마크만으로는 에이전트 성능을 충분히 설명하기 어렵다는 점이다. 이제 실질적인 비교 단위는 ‘어떤 모델인가’에서 **‘모델과 하네스의 조합이 무엇인가’**로 옮겨가고 있다.

Harness의 핵심 설계: 모든 것이 플러그인

Harness는 런타임 기능을 플러그인으로 노출하는 Cordis 위에 구축됐다. DeepSeek의 아키텍처 문서에 따르면 모델 어댑터, 도구 레지스트리, 세션 로그, 에이전트 루프는 모두 교체 가능한 구성 요소다. 17

플러그인 경계로 분리된 영역에는 다음이 포함된다.

• 모델 및 제공업체 어댑터
• 도구와 스킬
• 세션과 저장소
• 샌드박스와 실행 환경
• 일정 관리와 서브에이전트 조정
• 에이전트 루프
• 사용자 인터페이스

이 구조는 언어 모델과 에이전트를 실제 작업 프로세스로 만드는 실행 장치를 분리한다. 개발자는 전체 런타임을 다시 작성하지 않고도 컨텍스트 조립 방식, 도구 호출, 상태 저장, 실패 재시도, 결과 표시 방식을 바꿀 수 있다. 1720

‘모든 것이 플러그인’이라는 표현은 단순한 패키징 방식이 아니다. 모델과 작업 환경 사이에 놓인 하네스 층을 실험의 중심으로 끌어올리는 선언에 가깝다.

추적 가능한 세션이 만드는 반복 개선의 기반

DeepSeek은 Harness가 모델이 보고 행동한 내용을 추가 전용(append-only) 세션 로그에 기록한다고 설명한다. 여기에는 시스템 프롬프트, 추론, 도구 호출과 결과, 서브에이전트 일정 관리, 컨텍스트 주입이 포함된다. Trajectory 화면에서는 이벤트 스트림을 확인할 수 있고, 복원·분기·검색·재생 기능도 같은 기록을 기반으로 작동한다. 22

개발자 입장에서는 다음과 같은 장점이 있다.

1. 디버깅: 최종 답변만 보는 대신 컨텍스트가 어떻게 바뀌고 어떤 행동이 이어졌는지 순서대로 확인할 수 있다.
2. 재현성: 프롬프트, 도구, 플러그인을 변경한 뒤 기존 워크플로를 다시 실행해 결과를 비교할 수 있다.
3. 분기 실험: 원래 실행 기록을 보존한 채 궤적을 복제해 다른 전략을 시험할 수 있다.
4. 평가 데이터화: 성공과 실패의 실행 궤적을 새 도구, 프롬프트, 정책, 에이전트 루프를 평가하는 자료로 활용할 수 있다.

이는 ‘작업 실행 → 궤적 확인 → 실패 원인 파악 → 플러그인 수정 → 재실행’이라는 지속적인 개선 사이클을 가능하게 할 수 있다. 다만 궤적을 기록하고 재생할 수 있다고 해서 곧바로 자기 학습 시스템이 되는 것은 아니다. 현재 근거가 뒷받침하는 주장은 Harness가 반복 개발을 위한 감사 가능하고 추적 가능한 기반이라는 정도다. 신뢰할 수 있는 자율적 개선이 이미 구현됐다는 증거는 아니다. 22

장기 기억과 자기 진화는 별도로 봐야 한다

Harness 생태계에는 세션 간 장기 기억과 백그라운드 자기 진화를 내세운 서드파티 프로젝트도 등장했다. 1819

이 프로젝트들은 플러그인 구조가 지속적 기억, 프로젝트 이력, 자기 검토, 스킬 관리 기능을 수용할 수 있음을 보여준다. 그러나 이것만으로 기본 v0.1 릴리스가 안전하고 일반적으로 지속적 자기 개선을 수행한다고 결론 내릴 수는 없다. 선택형 플러그인, 실험적 통합 기능, 핵심 제품 기능은 구분해서 봐야 한다.

실제 운영에 투입하려면 데이터 보존 기간, 권한 관리, 샌드박스 격리, 인증정보 처리, 롤백 방식, 자동화 시스템이 자신의 도구나 절차를 바꿀 때 발생할 위험을 별도로 평가해야 한다.

DeepSeek의 전략적 선택: 모델이 아니라 개발자 진입점

DeepSeek은 V4 Pro와 V4 Flash를 통해 모델 층에서 경쟁할 수 있다. Harness는 개발자가 모델을 실제로 어떻게 사용할지 결정하는 층에서 경쟁할 수 있는 수단을 제공한다.

하네스 층은 다음을 통제한다.

• 어떤 모델을 선택할지
• 컨텍스트를 어떻게 모으고 압축할지
• 어떤 도구와 권한을 허용할지
• 장시간 작업을 어떻게 재개할지
• 실패를 어떻게 감지하고 복구할지
• 실행 궤적을 어떻게 평가할지
• 어떤 플러그인을 에이전트 워크플로에 포함할지

런타임을 개방하면 외부 개발자들이 DeepSeek의 구조를 중심으로 어댑터, 도구, 기억 기능, 워크플로 패턴을 만들 수 있다. 동시에 여러 모델 제공업체를 지원하더라도 DeepSeek은 개발자가 모델 선택과 도구 연결, 평가를 시작하는 기본 접점을 통해 영향력을 유지할 수 있다. 이는 모델 가중치나 API 가격만으로 경쟁하는 것보다 더 오래 지속될 수 있는 위치다.

이 구조는 AI가 AI 개발을 보조하는 경로도 열어준다. 에이전트가 플러그인 초안을 만들고, 실패한 궤적을 분석하고, 변경안을 제안하고, 평가를 실행한 뒤, 실험의 계보를 기록하는 식이다. 다만 이는 완성된 자기 개선 에이전트의 증거라기보다 AI 보조 엔지니어링을 위한 인프라와 피드백 루프로 이해하는 편이 정확하다.

왜 v0.1이라는 표시가 중요한가

Harness의 개발자 프리뷰 상태는 이 공개를 해석하는 데 핵심이다. DeepSeek이 개발자들의 실험과 공동 개발을 요청하고 있다는 뜻인 동시에, API와 통합 방식, 보안 통제, 운영 동작이 앞으로 바뀔 수 있다는 의미이기도 하다. 20

따라서 현재 Harness는 완성도 높은 코딩 에이전트 제품이 아니라 개방형 프레임워크이자 연구·개발 플랫폼으로 평가해야 한다. 성숙한 상용 제품 수준의 안정성, 사용성, 안전장치가 이미 확보됐다고 가정해서는 안 된다.

결론

DeepSeek의 8월 13일 발표는 모델 출시와 인프라 전략을 한데 묶었다. V4 Pro가 대표 모델을 제공한다면, Harness는 모델이 도구·컨텍스트·기억·장시간 작업 속에서 어떻게 작동하는지를 결정하는 런타임을 공개한다. 3220

Composio의 결과는 이 구분이 중요한 이유를 보여준다. 같은 V4 Flash 모델도 테스트한 하네스에 따라 14~20개의 작업을 성공시켰고, 성공 작업당 비용 역시 상당한 차이를 보였다. 3 Harness의 플러그인 아키텍처와 추적 가능한 궤적은 실험, 평가, AI 보조 엔지니어링을 위한 설득력 있는 기반이다. 다만 이것만으로 신뢰할 수 있는 지속적 학습이 입증된 것은 아니다.

결국 다음 단계의 에이전트 경쟁은 더 나은 모델을 만드는 일에만 머물지 않을 가능성이 크다. 모델이 실제 환경에서 일하도록 만드는 하네스 층, 그리고 개발자가 그 층을 통제하는 방식이 새로운 격전지가 될 수 있다.