TL;DR DeepSeek Harness (dsh) est l’environnement d’exécution d’agent open source de DeepSeek AI, publié en aperçu développeur vers le 13 août 2026 sous licence MIT. Il suit le principe « Model + Harness = Agent », chaque capacité (modèles, outils, sessions, sandboxes, boucles, UI) étant implémentée sous forme de plugins Cordis échangeables.
La façon la plus rapide de l’exécuter en local est npx @deepseek-ai/dsh web (nécessite Node.js ^22.19 ou ≥24), ce qui démarre une interface Web à l’adresse http://127.0.0.1:3080. Vous fournissez une clé API DeepSeek (ou compatible OpenAI) et un espace de travail. Des builds depuis les sources, des applications desktop, Docker, un SDK Python et des intégrations Ollama sont également disponibles. Pour un accès multi-modèles de niveau production, une fiabilité accrue et un meilleur contrôle des coûts lors de l’utilisation du harness, faites transiter les requêtes via l’endpoint unifié compatible OpenAI de CometAPI.
Points clés
- DeepSeek Harness n’est pas un modèle — c’est l’environnement local/l’orchestrateur qui permet aux modèles d’agir sur des fichiers, shells, outils et sessions.
- One-liner officiel :
npx @deepseek-ai/dsh web→ ouvre l’interface Web locale sur le port 3080. - L’exigence Node.js est stricte : ^22.19.0 ou ≥24.x.
- Prend en charge les modèles officiels DeepSeek (deepseek-v4-flash, deepseek-v4-pro), les passerelles personnalisées compatibles OpenAI et les modèles locaux via plugins/Ollama.
- L’architecture est entièrement basée sur des plugins (noyau Cordis) ; modes inclus : Standard, Minimal, Code et Creator.
- Adoption rapide : de plusieurs dizaines de milliers à bien plus de 100 000 étoiles GitHub en quelques jours après le lancement.
- Recommandation pour utilisateurs avancés : associer avec CometAPI (https://www.cometapi.com/) comme fournisseur personnalisé pour accéder à 500+ modèles, économiser 20–40 % et n’utiliser qu’une seule clé API.
- Utilisez toujours un espace de travail isolé ; l’agent peut modifier des fichiers et exécuter des commandes.
- Le statut d’aperçu développeur implique des changements potentiellement cassants — épinglez les versions pour des expérimentations proches de la production.
Qu’est-ce que DeepSeek Harness et pourquoi c’est important en 2026
DeepSeek Harness (dsh) est un environnement d’exécution d’agent open source développé par DeepSeek AI. Publié sous licence MIT en aperçu développeur, il met l’accent sur la composabilité : chaque capacité — adaptateurs de modèles, outils, compétences, sessions, sandboxes, stockage, boucles d’agent, planification et UI — existe sous forme de plugin Cordis qui peut être monté, démonté, échangé ou recomposé par configuration. Il n’existe pas de cœur privilégié nécessitant des correctifs.
Principes de conception clés :
- Agent = Modèle + Harness.
- Flux d’événements traçables permettant reprise, fork, recherche et relecture.
- Multiples modes d’exécution (trousse à outils complète standard, mode code/orchestration, mode minimal pour les benchmarks, modes creator/expérimentaux).
- Interface Web locale en priorité pour un usage interactif, plus des options headless et SDK pour l’automatisation.
Ressources officielles :
- GitHub : https://github.com/deepseek-ai/deepseek-harness
- Produit/page d’accueil : https://www.deepseek.com/harness/en/ (et sa contrepartie chinoise)
- Les pages d’installation et miroirs communautaires réitèrent les mêmes commandes de base.
Note terminologique importante : « déploiement local » peut signifier deux choses différentes. Le DeepSeek Harness abordé dans ce guide tourne localement sur votre ordinateur, mais le projet standard
deepseek-harnessse connecte à DeepSeek V4-Pro ou V4-Flash via une API. Cela signifie que le harness, la configuration, les sessions, la validation et la logique client peuvent être locaux, tandis que l’inférence du modèle est normalement effectuée par l’API de DeepSeek. Si vous avez besoin d’une inférence réellement hors ligne avec des poids de modèle sur votre propre GPU, c’est une architecture de déploiement différente.
Prérequis et configuration système
Avant l’installation, vérifiez ce qui suit :
- Systèmes d’exploitation : Windows 10+, macOS 10.15+, Linux mainstream (x64 ou arm64). Le SDK Python a des contraintes supplémentaires (Linux x64/arm64 ou macOS 14+ arm64).
- Node.js : requis pour le chemin principal avec interface Web. Plage cible : ^22.19.0 || ≥24.0.0. Vérifiez avec
node --version. Les versions intermédiaires à numérotation impaire en dehors de cette plage ne sont pas prises en charge. - Gestionnaires de paquets : npm/npx (fournis avec Node). Les builds depuis les sources nécessitent pnpm (installer via
npm install -g pnpm). - Git : requis pour le clonage des sources.
- Python (optionnel) : 3.10+ pour le SDK Python officiel.
- Clé API / endpoint : une clé API DeepSeek depuis platform.deepseek.com, ou tout endpoint compatible OpenAI + clé + nom de modèle.
- Matériel : aucun GPU requis pour le harness lui-même — l’inférence du modèle se fait à distance (ou via un fournisseur local que vous configurez). Des ressources d’ordinateur portable ordinaires suffisent pour l’interface Web et l’orchestration.
- Réseau : nécessaire lors du premier lancement pour récupérer les paquets ; ensuite, l’interface peut fonctionner avec uniquement les appels d’API du modèle.
- Espace de travail : préparez un répertoire isolé. L’agent peut lire, écrire et exécuter des commandes dans l’espace de travail configuré — ne le pointez jamais vers des données de production ou personnelles sans garde-fous.
Sources des exigences : README officiel et plusieurs guides d’installation indépendants publiés peu après le lancement.
Méthode 1 : One-liner officiel avec npx (recommandée pour la plupart des utilisateurs)
C’est le chemin le plus rapide et officiellement mis en avant.
- Assurez-vous que Node.js respecte la version requise.
- Ouvrez un terminal et exécutez :
Bash
npx @deepseek-ai/dsh web
- Le paquet se télécharge (ou utilise le cache), démarre le profil d’interface Web et affiche l’adresse d’écoute — par défaut http://127.0.0.1:3080.
- Ouvrez cette URL dans un navigateur. Acceptez l’avertissement d’aperçu développeur si affiché.
- Lors du premier usage, configurez un fournisseur de modèle (Settings → Models) en collant votre clé API et en sélectionnant un modèle tel que deepseek-v4-flash ou deepseek-v4-pro.
- Choisissez ou créez un répertoire d’espace de travail.
- Commencez à émettre des tâches.
Pour utiliser un port différent :
Bash
npx @deepseek-ai/dsh web --port 8080
One-liners spécifiques aux plateformes qui s’assurent également de la présence de Node sont disponibles via des sites communautaires (PowerShell sur Windows avec winget, Homebrew sur macOS, NodeSource sur Debian/Ubuntu, etc.).
Avantages : aucune empreinte d’installation permanente au-delà du cache npm ; récupère toujours une version publiée récente ; onboarding le plus simple. Inconvénients : dépend du réseau pour le paquet initial ; moins pratique pour une inspection approfondie des sources ou des builds personnalisés.
Méthode 2 : Installer et exécuter depuis les sources
À utiliser si vous voulez lire les plugins Cordis, épingler un commit, développer des préréglages personnalisés ou contribuer.
Bash
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web
La même interface Web apparaît sur le port par défaut. Les builds en aperçu développeur peuvent se casser entre commits, considérez ceci comme un chemin expérimental.
Méthode 3 : Applications desktop (zéro configuration Node)
Des wrappers desktop communautaires et tiers empaquettent le runtime afin que les utilisateurs évitent d’installer Node/pnpm eux-mêmes :
- Clients légers basés sur Tauri qui amorcent un runtime Node embarqué et synchronisent le harness amont le plus récent au lancement. Ils fonctionnent sur 127.0.0.1:3080, conservent les données localement et enregistrent les commandes dsh.
- Packaging basé sur Electron incluant des dépendances épinglées.
Téléchargez les installateurs depuis les pages GitHub Releases correspondantes (recherchez « deepseek-harness-desktop »). Au premier lancement, les composants principaux (quelques centaines de Mo) sont téléchargés. Pratiques pour les non-techniciens, mais ce ne sont pas des produits officiels DeepSeek — examinez le dépôt et les sommes SHA.
Méthode 4 : Déploiement Docker / conteneur
Des images Docker et fichiers compose communautaires existent pour exécuter l’interface Web dans un conteneur, souvent avec terminaison HTTPS via nginx et prise en charge de passerelles arbitraires compatibles OpenAI. Flux typique :
Bash
git clone <docker-repo>
cd <docker-repo>
cp .env.example .env # set API key / public host
docker compose up -d --build
Utile pour l’accès sur LAN, les serveurs, ou les environnements où Node n’est pas souhaité sur l’hôte. Certains montages prennent en charge un settings.yaml personnalisé pour des fournisseurs non-DeepSeek.
Méthode 5 : SDK Python pour usage programmatique / headless
Pour des agents non supervisés ou l’intégration dans des pipelines Python :
Bash
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
python -m pip install deepseek-harness-sdk
Définissez les variables d’environnement :
Bash
export DEEPSEEK_API_KEY=sk-your-key-here
# optional: export DEEPSEEK_BASE_URL=http://127.0.0.1:8000/v1
# optional: export DSH_MODEL=deepseek-v4-flash
Ensuite, exécutez les exemples inclus ou utilisez la classe DeepSeekHarness dans votre propre code, avec un espace de travail et un répertoire de sessions isolés. Le SDK embarque son propre runtime et ne requiert pas Node.js sur le système.
Méthode 6 : Intégration Ollama
Ollama fournit un lanceur pratique :
Bash
ollama launch dsh
# or with a specific model
ollama launch dsh --model deepseek-v4-flash:cloud
Ollama peut installer le paquet si nécessaire et stocke séparément les paramètres de lancement. La recherche Web et la prise en charge des outils dépendent du modèle choisi et de l’accès cloud d’Ollama.
Configurer les modèles et fournisseurs (y compris CometAPI)
Dans l’interface Web, allez à Settings → Models.
- Pour l’officiel DeepSeek : collez la clé depuis platform.deepseek.com. Les modèles typiques sont deepseek-v4-flash et deepseek-v4-pro.
- Pour les fournisseurs de catalogue (Anthropic, OpenAI, etc.) : utilisez le flux « Add provider ».
- Pour les endpoints personnalisés / auto-hébergés / agrégateurs : choisissez « Add a custom provider ». Indiquez un ID de fournisseur permanent, l’URL de base, le protocole (généralement openai-completions), la référence d’environnement de la clé API ou sa valeur, et au moins un ID de modèle.
Recommandation CometAPI (fortement suggérée pour de nombreux workflows proches de la production) CometAPI est une plateforme d’infrastructure IA unifiée exposant 500+ modèles (y compris variantes DeepSeek, GPT, Claude, Gemini, Grok et beaucoup d’autres) via un endpoint unique compatible OpenAI : https://api.cometapi.com/v1.
Avantages avec DeepSeek Harness :
- Une seule clé API au lieu de gérer plusieurs identifiants fournisseurs.
- Tarification compétitive (économies rapportées de 20–40 % par rapport aux tarifs directs de nombreux vendeurs).
- Haute disponibilité (objectif SLA 99,9 %), faible latence médiane et facturation à l’usage.
- Changement de modèle facile pour A/B testing ou optimisation des coûts sans modifier la configuration du harness au-delà de l’ID de modèle.
- Compatibilité immédiate : les schémas existants de SDK OpenAI fonctionnent après modification du seul base_url et de la clé.
Dans le formulaire de fournisseur personnalisé du harness :
- Base URL :
https://api.cometapi.com/v1 - Protocole : openai-completions (ou option équivalente prise en charge)
- Clé API : votre clé CometAPI
- ID de modèle : toute chaîne de modèle prise dans le catalogue de modèles CometAPI
Cette combinaison conserve la puissance de l’environnement d’agent local tout en offrant un accès multi-fournisseurs flexible, économique et performant. Les nouveaux utilisateurs reçoivent généralement des crédits d’essai gratuits. Documentation : https://apidoc.cometapi.com/.
Les clés sont stockées en écriture seule (par ex. sous $DSH_HOME/.credentials.yaml) ; l’interface n’affiche que des descripteurs masqués.
Dépannage de DeepSeek Harness
DEEPSEEK_API_KEY not found
Vérifiez :
echo $DEEPSEEK_API_KEY
Sur Windows :
echo $env:DEEPSEEK_API_KEY
Si vide, reconfigurez-la.
400 reasoning_content error
Cela indique généralement une gestion incorrecte du cycle de vie du raisonnement.
Vérifiez que votre application préserve les informations de raisonnement assistant pertinentes à travers les requêtes multi-tours de réflexion/appels d’outils.
C’est l’un des problèmes centraux que le harness est spécifiquement conçu pour gérer.
Context-length error
Vérifiez :
input tokens + max_tokens
Le plafond documenté est :
1,048,576 tokens
Réduisez soit le contexte d’entrée, soit la taille de complétion demandée.
Tool calls become malformed during streaming
Ne supposez pas que les fragments de flux arrivent dans l’ordre des outils.
Agrégrez les deltas d’appels d’outils par tool_call.index, comme recommandé par le contrat du harness.
Requests are unexpectedly expensive
Vérifiez :
- mode de réflexion (thinking mode)
- longueur de sortie
- taux de cache-hit
- stabilité du préfixe de prompt
- choix du modèle
- tarification API actuelle
Une amélioration simple consiste souvent à déplacer les tâches routinières de Pro vers Flash.
Comparaison des méthodes d’installation et de déploiement
| Méthode | Facilité d’usage | Node requis | Idéale pour | Persistance / Contrôle | Port / Accès typiques | Notes |
|---|---|---|---|---|---|---|
| npx one-liner | La plus élevée | Oui | Essais rapides, la plupart des utilisateurs | Éphémère (cache uniquement) | 3080 (configurable) | Recommandation officielle |
| Sources (pnpm) | Moyenne | Oui | Développement, plugins, pinning | Contrôle complet des sources | 3080 | Nécessite pnpm + build |
| Desktop (Tauri/Electron) | Élevée | Non (emballé) | Utilisateurs non techniques | Profils locaux & mise à jour auto | 3080 (interne) | Paquets communautaires |
| Docker | Moyenne | Non (conteneur) | Serveurs, LAN, HTTPS | Volumes de conteneur | Personnalisé / 443 | Images communautaires |
| SDK Python | Moyenne | Non (emballé) | Headless, automatisation, pipelines | Sessions programmatiques | N/A (pas d’UI par défaut) | SDK officiel |
| Lancement Ollama | Élevée | Optionnel | Expériences avec modèles locaux | Paramètres Ollama | 3080 | Intègre Ollama |
Données synthétisées à partir de la documentation officielle et des guides post-lancement (août 2026).
Conclusion et prochaines étapes
DeepSeek Harness apporte un environnement d’agent entièrement basé sur des plugins, prêt à l’emploi sur les machines locales avec un frottement quasi nul via le one-liner npx. Combiné à un routage de modèles flexible — notamment via une plateforme unifiée comme CometAPI — vous bénéficiez à la fois de la puissance des workflows de codage agentiques modernes et d’un contrôle pratique des coûts, du choix des modèles et de la localisation des données.
Commencez dès aujourd’hui avec :
npx @deepseek-ai/dsh web
Configurez une clé DeepSeek ou CometAPI, pointez vers un espace de travail sûr et explorez le mode Standard. Ensuite, expérimentez le mode Minimal pour les benchmarks, des fournisseurs personnalisés pour l’optimisation des coûts, ou le SDK Python pour l’automatisation.
Pour les dernières instructions officielles, privilégiez toujours le dépôt GitHub et la documentation. Pour la fiabilité multi-modèles et des avantages tarifaires lors de l’utilisation du harness, explorez CometAPI et sa documentation sur https://apidoc.cometapi.com/.


