DeepSeek Harness 1.0.1: architektura pluginów dla agentów — fundamenty przyszłego ekosystemu AI

DeepSeek Harness: infrastruktura agenta zamiast modelu

DeepSeek opublikował 22 września 2026 DeepSeek Harness w wersji 1.0.1. To nie model — to harness, czyli runtime dla agentów.

W AI landscape'ie: model to mózg, harness to ciało plus nerwy plus mięśnie. DeepSeek dostarcza ciało. Model? Możesz wybrać DeepSeek V4, OpenAI, Anthropic czy cokolwiek, co wspiera Twoją konfigurację. To separacja concerns — core focus na infrastrukturę, nie na jeden model.

Platforma jest open-source (GitHub), przeznaczona dla developerów. Licencja: otwarta. W public preview, co oznacza że API mogą się zmienić — ale ekosystem już zbiera tempo.

Cordis: system pluginów jako odpowiedź na fragmentację

Fundamentalnym innowacją jest Cordis kernel — jądro zarządzające pluginami. Każda możliwość systemu żyje jako plugin:

Model selection — plugin dla każdego providera (OpenAI, Anthropic, DeepSeek, local GGUF). Tools — web search, file edit, shell, custom tools dla domeny. Sessions i Storage — filesystem, S3, Redis, czy custom backend. Scheduling i Orchestration — cron jobs, subagent scheduling. UI — desktop, web, CLI. Event Loop — custom model reasoning loops.

To oznacza: gdy chcesz zmienić storage z lokalnego na S3, nie forkajesz cały kod — dekonfigurujezs stary plugin i loadujesz nowy. To elastyczność na poziomie nie do osiągnięcia w monolitach.

Dla organizacji to oznacza: infrastruktura żyje poza jednym dostawcą. Jeśli DeepSeek zmieniłby kierunek, kod pozostaje open, komuniteta go utrzymuje.

Cztery runtime modes: od MVP do zaawansowanej orkiestracji

DeepSeek Harness oferuje cztery predefiniowane konfiguracje runtime'u:

Standard Mode — pełny agentowski zestaw: edycja plików, shell, web search, umiejętności, planowanie, cele, subagenci, workflow orchestration. To baseline dla większości aplikacji.

Code Mode — rozszerzenie Standard'u o Code Mode SDK. Model generuje TypeScript, który orchestrates wieloetapowe operacje. Zamiast pętli agent-tool-agent, model pisze program, który wykonuje. To przyspiesza operacje, które normalnie wymagały wielu round-tripów.

Minimal Mode — bash plus str_replace_editor. Dla benchmark'ów modeli, izolacji od distraktów, pełnej kontroli nad kontekstem. Użyteczne do ewaluacji i R&D.

Creator Mode — dla konstruowania własnych presets. Runtime introspection, plugin experiments, authoring guidance. Idealne dla zespołów budujących custom harnessy dla specificznych domen.

Każdy mode żyje w tej samej bazie kodu — różnica to tylko loadowanie innego setu pluginów.

Trajectory View: pełna auditability dla enterprise

Każdy przebieg agenta jest logowany w append-only session log:

System prompts i dynamic context. Reasoning (jeśli model je emituje). Tool calls i ich results. Subagent scheduling. Każda context injection.

Zapisy są eventami na streamu — możesz:

Resume — wznowić przebieg od konkretnego eventu. Fork — rozgałęzić przebieg, eksperymentować. Search — znaleźć patternы w historii. Replay — odtworzyć przebieg krok po kroku.

Dla organizacji pracujących z compliance (finansowych, medycznych, regulowanych) to zmienia grę. AI nie jest czarną skrzynką — każda decyzja ma audit trail.

Do tego debugging agenta staje się trivial. Błąd? Masz dokładny event stream. Zamiast domysłów, fakty.

Moment adopcji: ekosystem jeszcze się tworzy

DeepSeek Harness jest w developer preview. API mogą się zmienić. Ale to jest także okno na wpływ — organizacje adopcjące teraz mogą kształtować przyszłość.

Ekosystem już rośnie: GitHub marketplace z community pluginami. Research papers (Cordis architecture na arXiv). Narzędzia helper'ów (Jina Reader integration, Community plugin registry).

Dla organizacji to oznacza:

Wczesna expertise — bycie wśród pierwszych, którzy rozumieją system. Influence — wpływ na kierunek development'u. Brak lock-in — open source gwarancja. Własne harnessy — możliwość budowania wewnętrznych frameworków.

Instacja: Node.js plus npx @deepseek-ai/dsh web, albo klonowanie GitHub'a i budowanie od zera.

Źródła

• DeepSeek Harness (strona oficjalna): https://www.deepseek.com/harness/en/ • Kod źródłowy (GitHub): https://github.com/deepseek-ai/deepseek-harness • Dokumentacja developerska: https://deepseek-harness.github.io/deepseek-harness/en/guide/quickstart • Cordis kernel (architektura): https://github.com/cordiverse/cordis • Artykuł badawczy: https://arxiv.org/abs/2608.25512 • Community plugins: https://github.com/topics/dsh-plugin

Okładka: zdjęcie firmy Rahul Mishra z Unsplash