DeepSeek Harness nedir? Açık ve eklenti tabanlı ajan çalışma zamanı

DeepSeek Harness, yapay zekâ ajanları geliştirmek ve çalıştırmak için tasarlanmış açık kaynaklı bir çalışma zamanıdır. 13 Ağustos 2026’da geliştirici ön izlemesi olarak yayımlanan proje MIT lisansına sahiptir. Önemli nokta şu: Harness yeni bir dil modeli değildir. Modelin araç kullanmasını, dosyalar ve çalışma ortamlarıyla etkileşime girmesini, durumunu korumasını ve çok adımlı görevleri tamamlamasını sağlayan yürütme katmanını sunar.

DeepSeek’in yaklaşımı kısa bir formülle özetleniyor: Ajan = Model + Harness. Model; akıl yürütme ve dil becerilerini sağlar. Harness ise bu becerileri gerçek dünyada eyleme dönüştüren araçları, durumu, izinleri ve orkestrasyonu bir araya getirir.

DeepSeek Harness ne yapıyor?

Tek başına bir dil modeli metin üretebilir; ancak bir kod deposunu incelemeyi, komut çalıştırmayı, dosya düzenlemeyi, oturumu sürdürmeyi veya yarıda kalan bir görevi kaldığı yerden devam ettirmeyi kendiliğinden yapamaz. Bu operasyonları koordine eden katman, ajan çalışma zamanıdır.

DeepSeek Harness, bu koordinasyon katmanını ürünün merkezine yerleştiriyor. Resmî belgelerde modeller, araçlar, beceriler, oturumlar, sandbox’lar, depolama, ajan döngüleri, zamanlama ve kullanıcı arayüzü; eklenti olarak bağlanabilen, çıkarılabilen veya yeniden birleştirilebilen yetenekler şeklinde tanımlanıyor.

Bu nedenle Harness, sabit özelliklere sahip geleneksel bir kodlama asistanından çok ajan altyapısı olarak konumlanıyor. Geliştiriciler, ürünün orkestrasyon mantığını kapalı bir kutu olarak kabul etmek yerine modelin çevresindeki bileşenleri değiştirebiliyor.

Bu esnekliğin bir bedeli de var: sorumluluğun daha büyük kısmı geliştiriciye geçiyor. Eklenti uyumluluğu, izinler, bağımlılık yönetimi, hata kurtarma, güvenlik ve yükseltme testleri entegrasyon sürecinin parçası hâline geliyor.

Cordis ve “her şey eklenti” mimarisi

Harness, eklenti bağımlılıklarını bağlayan ve çözen bir çekirdek olan Cordis üzerine kuruluyor. Bunun pratik sonucu, ajanın temel davranışlarının tek parça ve değiştirilemez bir döngüye sıkıştırılmaması.

Değiştirilebilir bileşenler arasında şunlar bulunuyor:

• model adaptörleri;
• araçlar ve beceriler;
• oturum ve depolama sistemleri;
• sandbox’lar ve dosya sistemi erişimi;
• ajan döngüleri ve zamanlama;
• alt ajan davranışları; ve
• web arayüzü ile diğer çalışma zamanı bileşenleri.

Harness ile tipik bir yapay zekâ uygulaması arasındaki en önemli fark burada ortaya çıkıyor. Geleneksel bir üründe kullanıcılar istemleri, araçları veya entegrasyonları yapılandırabilir; ancak temel yürütme modeli çoğunlukla sağlayıcının kontrolünde kalır. Harness ise bu yürütme modelinin kendisini de yapılandırılabilir kılmayı amaçlıyor.

Dört çalışma modu

Geliştirici ön izlemesi, farklı yetenek bileşimlerini temsil eden dört hazır çalışma modu sunuyor.

Standard modu

Standard, tam kapsamlı kodlama ajanı ortamı. Dosya düzenleme, shell erişimi, arama, beceriler, planlama, hedefler, alt ajanlar ve iş akışlarını bir araya getiriyor. Genel amaçlı yazılım görevleri için başlangıç noktası olarak tasarlanmış.

Code modu

Code modu, araçları kod odaklı bir arayüz üzerinden sunuyor. Böylece model, birden fazla işlemi TypeScript programı içinde birleştirebiliyor. Bir görevin art arda gelen ve birbiriyle ilişkili birçok araç işleminden oluştuğu durumlarda bu yaklaşım, ayrı ayrı araç çağrılarının sayısını azaltabilir.

Minimal modu

Minimal mod, ortamı bilinçli olarak daraltıyor: kalıcı bir shell ve dosya düzenleme aracı sunuyor. Sınırlı yapı, kontrollü model değerlendirmeleri ve ajanın daha az yerleşik yetenekle nasıl davrandığını incelemek için kullanılabiliyor.

Creator modu

Creator modu, yeni hazır yapılandırmalar geliştiren kullanıcılara yönelik. Çalışma zamanını inceleme ve eklentileri bellek içinde deneme imkânı vererek bileşenlerin nasıl yeniden birleştirilebileceğini keşfetmeye yardımcı oluyor.

Bu dört mod, dört ayrı ürün gibi değil, aynı çalışma zamanı için hazırlanmış dört başlangıç yapılandırması gibi düşünülebilir.

Sadece ekleme yapılan oturum günlüğü neden önemli?

Harness, izlenebilirliği de tasarımın merkezine koyuyor. Oturum sistemi, modelin gördüğü ve yaptığı işlemleri yalnızca ekleme yapılan bir olay akışına kaydediyor. Buna sistem istemleri, akıl yürütme, araç çağrıları ve sonuçları, alt ajan zamanlaması ve bağlam enjeksiyonları dâhil. Aynı olay geçmişi arama, yeniden oynatma, devam ettirme ve çatallama işlemlerinde kullanılabiliyor.

Bu yapı, ajan davranışlarını hata ayıklamayı ve yeniden üretmeyi kolaylaştırabilir. Bir çalışma başarısız olduğunda geliştirici, hataya yol açan bağlam ve eylemler hakkında daha eksiksiz bir kayıt elde eder. Çatallama özelliği de deneyi baştan başlatmak yerine geçmişteki bir noktadan yeni bir dal oluşturmayı mümkün kılar.

Ancak ayrıntılı günlükler yeni operasyonel riskler de doğurur. Günlüklerde hassas istemler, kaynak kodu, araç çıktıları, modele yanlışlıkla gösterilen kimlik bilgileri veya başka özel veriler bulunabilir. Bu nedenle üretim kullanımından önce saklama süresi, erişim kontrolü, veri maskeleme ve sandbox politikaları belirlenmelidir.

Claude Code ve Codex’ten farkı ne?

DeepSeek Harness, sık sık Anthropic’in Claude Code’u ve OpenAI’ın Codex’iyle birlikte anılıyor. Ancak bu ürünlerin konumları aynı değil.

Claude Code ve Codex, kullanıma hazır ve görece bütünleşik kodlama ajanı ürünleri. Harness ise değerini bileşenlerin bir araya getirilebilmesinden ve geliştiriciye verdiği kontrolden alan açık bir çalışma zamanı. Model, araçlar, depolama, sandbox, oturum davranışı ve ajan döngüsü; tek bir sağlayıcının ürün mantığına sabitlenmek yerine eklentiler üzerinden değiştirilebilir olacak şekilde tasarlanıyor.

Bu nedenle tercih kabaca şöyle özetlenebilir:

• Hazır bir ürün seçin: Önceliğiniz düşük kurulum maliyeti, cilalı bir iş akışı ve daha yönetilen bir çalışma modeli ise.
• Harness’ı değerlendirin: Model taşınabilirliği, kendi altyapınızda çalıştırma, yeniden üretilebilirlik, özel yürütme politikaları veya ajan araştırmaları daha önemliyse.

Daha açık bir mimariye sahip olması, Harness’ın otomatik olarak daha iyi bir kodlama asistanı olduğu anlamına gelmiyor. Gerçek karşılaştırma, genişletilebilir bir çalışma zamanı ile daha belirgin tercihleri olan bütünleşik ürünler arasında. Harness’ın başarısı, sunduğu esnekliğin ek mühendislik yükünü haklı çıkarıp çıkarmayacağına bağlı olacak.

GitHub’daki ilk ilgi ne anlatıyor?

Proje, yayımlandıktan sonra olağanüstü bir erken ilgi gördü. Raporlara göre Harness, halka açılmasından yaklaşık bir ila bir buçuk saat sonra 20.000’den fazla yıldız aldı; daha sonraki raporlarda deponun 17 Ağustos 2026’da 141.000 yıldızı aştığı belirtildi.

Bu rakamlar dikkat çekici olsa da doğru yorumlanmaları gerekiyor. GitHub yıldızları ilgi, merak ve yer imlerine eklemeyi ölçer; aktif kurulumları, başarılı görevleri, güvenliği, güvenilirliği veya uzun vadeli bakım kapasitesini ölçmez. Harness’ın Grok-1’den daha hızlı büyüdüğü iddiaları da projelerin ve zaman aralıklarının nasıl karşılaştırıldığına bağlıdır. Bu nedenle söz konusu ifadeler kesin bir sektör rekoru değil, raporlanmış karşılaştırmalar olarak görülmeli.

En güçlü çıkarım, geliştiricilerin daha açık bir ajan yığınına ciddi ilgi duyduğudur. Ancak projenin şimdiden üretim kullanıma hazır olduğu sonucu yalnızca yıldız sayısından çıkarılamaz.

Maliyet ve kararlılık açısından ne bilinmeli?

MIT lisansı çerçeve kodu için geçerli; model çıkarımını ücretsiz hâle getirmiyor. Ajan çalışma zamanları, sistem talimatlarını, araç sonuçlarını, politikaları ve biriken geçmişi birden fazla model çağrısında yeniden gönderebilir. Etkileşim başına yaklaşık 47.600 önbelleğe alınmamış giriş token’ı kullanıldığı yönündeki raporlar doğruysa bağlam hacmi maliyet ve gecikme açısından önemli bir faktör olabilir. Ancak bu rakam, sunulan en güçlü kaynaklarla bağımsız olarak doğrulanmış değil.

Maliyet, kullanılan model sağlayıcısına da bağlı. DeepSeek’in V4-Pro sürümü, sabit fiyatlandırmadan yoğun ve yoğun olmayan saat tarifesine geçişle birlikte duyuruldu. Raporlarda yoğun saatlerde V4-Pro çıktı fiyatı, milyon token başına 3,96 dolar; önceki fiyat ise 0,87 dolar olarak veriliyor. Harness iş akışının gerçek faturası yine de model seçimine, önbellek isabet oranına, bağlamın kısaltılmasına, araçların çıktı uzunluğuna ve ajan döngüsünün kaç kez çalıştığına bağlı olacak.

Kararlılık da bir diğer sınırlama. DeepSeek, Harness’ı geliştirici ön izlemesi olarak nitelendiriyor ve temel eklentilerle API’lerin gelişmeye devam edeceği konusunda uyarıyor. Test yapan geliştiricilerin sürümleri sabitlemesi, eklenti bağımlılıklarını kilitlemesi, güncellemeleri izole ortamlarda denemesi ve geri dönüş planı bulundurması gerekir.

İlk dönem üçüncü taraf eklentilerde bildirilen hatalar ve çok sayıda eklenti önerisi, hızlı oluşan bir ekosisteme işaret ediyor olabilir. Ancak bu rakamlar karar vermeye yetecek ölçüde doğrulanmış değil. Daha genel mühendislik dersi ise açık: Her yeni genişletme noktası uyumluluk ve güvenlik çalışması getirir.

Sonuç: Harness kimler için anlamlı?

DeepSeek Harness’ın asıl önemi, yalnızca modeli değil, ajan çalışma zamanını da açık ve birinci sınıf bir mühendislik katmanı olarak ele alması. Cordis tabanlı eklenti sistemi ve yalnızca ekleme yapılan oturum geçmişi; ajanın nasıl düşündüğünü, eyleme geçtiğini, durum sakladığını ve denetlenebildiğini yüksek düzeyde kontrol edilebilir kılıyor.

Bu özellikler, araştırmacılar, altyapı ekipleri ve bileşenleri serbestçe birleştirebilen ajan sistemlerine ihtiyaç duyan geliştiriciler için Harness’ı güçlü bir aday hâline getiriyor. Buna karşılık, minimum kurulumla güvenilir bir kodlama asistanı arayan ekipler için avantajı daha sınırlı olabilir.

Kısa vadede Harness’ın Claude Code veya Codex’in doğrudan yerini alması beklenmemeli. Daha olası senaryo, model taşınabilirliği, denetlenebilirlik ve kontrol için kullanıma hazır rahatlıktan vazgeçmeye hazır ekiplerin bu altyapıyı benimsemesi. Bunun kalıcı bir platforma dönüşüp dönüşmeyeceğini ise API kararlılığı, eklenti kalitesi, güvenlik sınırları, dokümantasyon ve ilk gösterimin ardından ortaya çıkan operasyonel karmaşıklık belirleyecek.