DeepSeek Harness uitgelegd: zo werkt ‘Model + Harness = Agent’

De naam DeepSeek Harness klinkt misschien alsof DeepSeek een nieuw AI-model heeft uitgebracht. Dat is niet de juiste manier om naar het project te kijken. DeepSeek Harness is vooral infrastructuur voor het bouwen en uitvoeren van agents: de ontwikkelaarspreview is onder de MIT-licentie uitgebracht via de opdrachtregeltool dsh en draait rond één eenvoudige formule: Model + Harness = Agent. Het model levert het redeneervermogen; de harness vormt de operationele laag die dat vermogen verbindt met bestanden, terminals, tools, sessies en daadwerkelijke uitvoering. 69

Dat was de belangrijkste conclusie uit een hands-onreview van 21 augustus 2026. DeepSeek lijkt hiermee minder in te zetten op een direct gelikte code-assistent en meer op de machinerie erachter: een agent-runtime die ontwikkelaars kunnen aanpassen en uitbreiden.

Wat betekent ‘Model + Harness = Agent’?

Een taalmodel kan plannen maken en instructies genereren. Op zichzelf kan het echter niet zelfstandig een lokaal project inspecteren, bestanden wijzigen, commando’s uitvoeren, een uitvoergeschiedenis bijhouden of herhaaldelijk verschillende tools aansturen. De harness bouwt die mogelijkheden rond het model.

In DeepSeek Harness zijn de modeladapter, toolregistratie, sessielog en agentlus zelf vervangbare plugins. De architectuur is gebaseerd op Cordis. Binnen dat framework leveren plugins diensten, getypeerde gebeurtenissen en omkeerbare effecten aan een gedeelde runtimecontext. 17

Die scheiding heeft twee belangrijke gevolgen:

• Het model is niet de volledige agent. Het model neemt beslissingen en genereert redeneringen of acties.
• De harness is conceptueel niet aan één model gebonden. De runtime kan worden ingericht rond verschillende modeladapters en mogelijkheden, in plaats van model en agenttoepassing als één ondeelbaar product te behandelen. 16

Wie DeepSeek Harness een ‘nieuw AI-model’ noemt, mist dus de kern. Het is een uitvoeringsruntime die een redeneermodel verandert in een systeem dat kan handelen.

Zo start je de ontwikkelaarspreview

De geteste snelstart gebruikt deze opdracht:

npx @deepseek-ai/dsh web

De lokale webinterface werd aangeboden op localhost:3080; een andere hands-onreview beschrijft hetzelfde lokale adres als 127.0.0.1:3080. 64

In de besproken test werd vervolgens een DeepSeek-API-sleutel ingevuld en verscheen een interface met de naam ‘Exploring the Uncharted’. Dat zijn waarnemingen uit die specifieke praktijktest en geen garantie dat elke installatie exact dezelfde interface of configuratiestappen toont. 7

De praktische conclusie: deze preview is vooral bedoeld voor ontwikkelaars die vertrouwd zijn met het instellen van een lokale runtime en zelf toegang tot een model regelen. Wie zonder configuratie een afgeronde code-assistent zoekt, is voorlopig niet de primaire doelgroep.

Vier werkmodi, vier plugin-samenstellingen

DeepSeek Harness behandelt de vier modi niet als vier volledig losstaande producten. Het zijn vooraf ingestelde runtimecomposities: elke modus laadt bij het opstarten een andere standaardverzameling plugins voor een bepaald type werk. 1823

Standard: de complete agentervaring

Standard is het algemene profiel. DeepSeek beschrijft dit als een volledige coding agent met bestandsbewerking, shelltoegang, zoeken in bestanden en op het web, skills, planning, doelen, subagents en workflows. 20

Dit is de meest logische keuze voor dagelijks werk met agents. Toch maken de ruwe kanten van de preview de modus momenteel geschikter voor experimenten dan voor gebruikers die simpelweg een gepolijste vervanger van een bestaande code-agent willen.

PTC: programmatic tool calling

PTC, oftewel Programmatic Tool Calling, is bedoeld voor workflows waarin het model code schrijft om meerdere toolaanroepen te coördineren. In plaats van elke bewerking afzonderlijk op te vragen, kan het model een gegenereerd programma gebruiken om een reeks acties te orkestreren. 20

Dat is vooral interessant voor krachtige modellen en ervaren gebruikers die complexe taken in meerdere stappen uitvoeren. De werkwijze kan toolintensieve processen overzichtelijker maken, maar maakt het ook belangrijker om te controleren wat de gegenereerde code precies doet.

Minimal: een gecontroleerde testomgeving

Minimal brengt de runtime terug tot een shelltool en een bestandseditor. DeepSeek positioneert deze modus als een manier om modellen te benchmarken of te bestuderen in een bewust beperkte omgeving, met minder hulp van de omringende harness. 20

Deze modus is nuttig wanneer evaluatie belangrijker is dan gemak. Zo wordt beter zichtbaar wat het model zelf kan en wat normaal gesproken door een complete agentstack wordt aangeleverd.

Creation: een modus om nieuwe modi te bouwen

Creation richt zich op ontwikkelaars die de harness zelf willen aanpassen of uitbreiden. De modus ondersteunt runtime-inspectie, experimenten met Cordis-plugins in het geheugen en het samenstellen van aangepaste profielen. 20

Een gedocumenteerde plugin voor Creation voegt bovendien zelfinspectie van Cordis, experimenten met dynamische plugins en begeleiding bij het schrijven van presets toe. 22 Daarmee is Creation de duidelijkste uitdrukking van DeepSeeks bredere ambitie: het systeem moet niet alleen agents uitvoeren, maar ontwikkelaars ook in staat stellen de runtime voor die agents opnieuw vorm te geven.

Cordis en de architectuur waarin alles een plugin is

Het meest onderscheidende onderdeel van DeepSeek Harness is de architectuurfilosofie. In plaats van een groot, vast kernsysteem te reserveren voor het model, de tools, de geschiedenis en de besturingslus, stelt het project die onderdelen beschikbaar via het Cordis-pluginsysteem.

De officiële architectuurdocumentatie noemt specifiek de volgende vervangbare plugins:

• modeladapters;
• toolregistraties;
• sessielogs; en
• de agentlus zelf. 17

Hands-onverslaggeving beschrijft daarnaast een bredere richting met skills, sessies, sandboxen, opslag, planning en de gebruikersinterface. Niet al die voorbeelden zijn afzonderlijk vastgesteld in het aangeleverde primaire bronfragment. Ze kunnen daarom beter worden gelezen als de gerapporteerde ontwikkelrichting van het project dan als even sterk geverifieerde implementatiedetails. 117

Deze opzet verklaart ook waarom de vier modi fundamenteel van elkaar kunnen verschillen zonder dat er vier aparte applicaties nodig zijn. Een profiel kan bij het opstarten geordende pluginlagen samenstellen voor gewone softwareontwikkeling, gecontroleerde modelevaluatie, programmatische toolaanroepen of pluginontwikkeling. 1723

Een zichtbare uitvoering in plaats van een zwarte doos

Agenten zijn lastig te debuggen wanneer ze alleen hun eindantwoord tonen. DeepSeek Harness legt meer nadruk op de weg daar naartoe: sessies en trajecten maken deel uit van de runtimearchitectuur, terwijl de component voor sessielogs net als andere plugins kan worden vervangen. 17

Een afzonderlijk hands-onverslag beschreef de trajectweergave als een append-only JSONL-gebeurtenisstroom op schijf. Daarmee kon de tester een configuratieprobleem snel opsporen. 4 Het aangeleverde officiële architectuurfragment bevestigt sessielogs als plugins, maar bewijst op zichzelf niet elk detail van die append-only-indeling.

Voor ontwikkelaars kan die traceerbaarheid bijna net zo belangrijk zijn als de kwaliteit van het model. De uitvoergeschiedenis helpt inzichtelijk te maken welke tool werd aangeroepen, wat de agent probeerde te doen en op welk moment een lange taak begon af te wijken.

Wat de eerste tests zeggen over prestaties

De beschikbare tests laten zien dat de runtime tot complexe taken in staat is, maar vormen geen universele prestatietest. In een sessie van 21 augustus met DeepSeek V4 Flash 0731 had de agent 46 minuten en 109 stappen nodig om een plugin te bouwen. Daarbij verbruikte hij 8,9 miljoen invoertokens. 1 Een andere praktijktest rapporteerde ongeveer 20 miljoen tokens in circa 35 minuten tijdens het bouwen van een tracker voor het Internationaal Ruimtestation. 2

De voorzichtige conclusie is daarom dat lange autonome taken in deze ontwikkelaarspreview traag en duur kunnen zijn. De werkelijke looptijd hangt af van model, taak, caching en belasting. Deze resultaten zijn geen vaste snelheidslimiet voor elke DeepSeek Harness-sessie.

Dezelfde gegevens maken de huidige afweging duidelijk. DeepSeek biedt ongewoon configureerbare infrastructuur voordat de gebruikerservaring volledig is afgewerkt. Het project is omschreven als veelbelovende infrastructuur en als mogelijke basis voor een afgebakende technische pilot, maar nog niet als een productierijpe control plane. 56

Het uiteindelijke oordeel

De sterkste positionering is niet dat DeepSeek de beste interface voor coding agents heeft gebouwd. De opvallendste prestatie is dat het bedrijf een brede agent-runtime heeft geopend waarin modellen, tools, uitvoeringslussen en andere mogelijkheden kunnen worden gecombineerd en vervangen.

Dat maakt DeepSeek Harness vooral interessant voor:

• ontwikkelaars die eigen agents bouwen;
• onderzoekers die modellen willen evalueren met verschillende niveaus van harness-ondersteuning;
• teams die controleerbare uitvoergeschiedenissen nodig hebben; en
• opensourcebijdragers die met plugins en runtimecomposities willen experimenteren.

Minder geschikt is het project voorlopig voor mensen die alleen een gepolijste code-agent met voorspelbare latency en minimale installatie zoeken. De v0.1-shell bevindt zich nog duidelijk in een vroeg stadium, en de tests met lange taken laten zien dat veel mogelijkheden niet automatisch betekenen dat een systeem snel of productierijp is. 56

Kort gezegd is ‘Model + Harness = Agent’ zowel een productuitleg als een strategische boodschap. DeepSeek scheidt intelligentie van de machinerie die intelligentie in staat stelt te handelen — en gokt erop dat een uitbreidbare plugin-runtime uiteindelijk waardevoller kan zijn dan één vast agentproduct.