TLDR DeepSeek Harness (dsh) は DeepSeek AI のオープンソースのエージェント実行環境で、MIT ライセンスの開発者プレビューとして 2026 年 8 月 13 日ごろに公開されました。原則は「Model + Harness = Agent」で、あらゆる機能(モデル、ツール、セッション、サンドボックス、ループ、UI)は交換可能な Cordis プラグインとして実装されています。
ローカルで最速に動かす方法は npx @deepseek-ai/dsh web(Node.js ^22.19 または ≥24 が必要)で、Web UI が http://127.0.0.1:3080. に起動します。DeepSeek(または OpenAI 互換)API キーとワークスペースを指定してください。ソースビルド、デスクトップアプリ、Docker、Python SDK、Ollama との統合も利用できます。本番級の複数モデルアクセス、信頼性、コスト管理をハーネスと併用する場合は、CometAPI の OpenAI 互換統一エンドポイント経由でリクエストをルーティングしてください。
重要ポイント
- DeepSeek Harness はモデルではありません。ファイル、シェル、ツール、セッション上でモデルを動かすローカル実行/オーケストレーターです。
- 公式ワンライナー:
npx @deepseek-ai/dsh web→ ローカルの Web UI がポート 3080 で開きます。 - Node.js の要件は厳密: ^22.19.0 または ≥24.x。
- DeepSeek 公式モデル(deepseek-v4-flash、deepseek-v4-pro)、OpenAI 互換ゲートウェイのカスタム設定、Ollama 経由のローカルモデルに対応。
- アーキテクチャは完全プラグイン方式(Cordis カーネル)。Standard、Minimal、Code、Creator の各モードを用意。
- 急速な普及: リリース後数日で数万から 10 万超の GitHub スター。
- パワーユーザーに推奨: CometAPI(https://www.cometapi.com/)をカスタムプロバイダとして組み合わせ、500+ モデルへのアクセス、20–40% のコスト削減、単一 API キー運用を実現。
- いつも分離されたワークスペースを使ってください。エージェントはファイルの変更やコマンド実行を行えます。
- 開発者プレビューのため破壊的変更が想定されます。プロダクションに近い検証ではバージョン固定を行ってください。
DeepSeek Harness とは何か、そして 2026 年に重要な理由
DeepSeek Harness(dsh)は DeepSeek AI が開発したオープンソースのエージェント実行環境です。MIT ライセンスの開発者プレビューとして公開され、合成性を重視します。あらゆる機能(モデルアダプタ、ツール、スキル、セッション、サンドボックス、ストレージ、エージェントループ、スケジューリング、UI)は Cordis プラグインとして存在し、設定によりマウント/アンマウント/交換/再構成が可能です。パッチを要する特権的なコアは事実上存在しません。
主な設計原則:
- Agent = Model + Harness.
- 再開、分岐、検索、再生をサポートするトレース可能なイベントストリーム。
- 複数のランタイムモード(標準のフルツールセット、コード/オーケストレーションモード、ベンチマーク用の最小モード、クリエイター/実験モード)。
- インタラクティブ用途のローカル優先 Web UI と、自動化向けのヘッドレス/SDK オプション。
公式リソース:
- GitHub: https://github.com/deepseek-ai/deepseek-harness
- プロダクト/ランディング: https://www.deepseek.com/harness/en/(中国語版あり)
- インストールガイダンスやコミュニティミラーでも同一のコアコマンドが示されています。
重要な用語上の注意: 「ローカルデプロイ」は 2 つの意味を持ち得ます。本ガイドの DeepSeek Harness はあなたのコンピュータ上でローカルに動作しますが、標準の
deepseek-harnessプロジェクトは API を通じて DeepSeek V4-Pro または V4-Flash に接続します。つまり、ハーネス、設定、セッション、検証、クライアントロジックはローカルであり得ますが、モデル推論は通常 DeepSeek の API で行われます。完全オフライン推論(自前 GPU 上の重み)を必要とする場合は、別のデプロイ構成になります。
前提条件とシステム要件
インストール前に次を確認してください:
- OS: Windows 10+、macOS 10.15+、主要な Linux(x64 または arm64)。Python SDK は追加制約あり(Linux x64/arm64 または macOS 14+ arm64)。
- Node.js: メインの Web UI 経路で必須。対象範囲は ^22.19.0 || ≥24.0.0。node --version で確認。範囲外の奇数系中間バージョンは非対応。
- パッケージマネージャ: npm/npx(Node 同梱)。ソースビルドには pnpm(npm install -g pnpm で導入)。
- Git: ソースクローンに必要。
- Python(任意): 公式 Python SDK 用に 3.10+。
- API キー/エンドポイント: platform.deepseek.com の DeepSeek API キー、または任意の OpenAI 互換エンドポイント + キー + モデル名。
- ハードウェア: ハーネス自体に GPU は不要。推論はリモート(または設定したローカルプロバイダ)で行われます。Web UI とオーケストレーションには一般的なノート PC で十分。
- ネットワーク: 初回実行時にパッケージ取得が必要。その後はモデル API 呼び出しのみで動作。
- ワークスペース: 分離されたディレクトリを用意。エージェントは設定したワークスペース内で読み書き・コマンド実行を行えるため、本番/個人データには向けないでください。
要件の出典: 公式 README と、リリース直後に公開された複数の独立ガイド。
方法 1: 公式ワンライナー(多くのユーザーに推奨)
最速かつ公式推奨の手順です。
- Node.js が要件を満たしていることを確認。
- ターミナルで次を実行:
Bash
npx @deepseek-ai/dsh web
- パッケージがダウンロード(またはキャッシュ使用)され、Web UI プロファイルが起動し、リッスンアドレスが表示されます。デフォルトは http://127.0.0.1:3080.
- その URL をブラウザで開きます。開発者プレビューの通知が表示されたら承諾します。
- 初回は(Settings → Models)でモデルプロバイダを設定し、API キーを貼り付け、deepseek-v4-flash もしくは deepseek-v4-pro などのモデルを選択します。
- ワークスペースディレクトリを選択または作成します。
- タスクの実行を開始します。
別ポートを使用するには:
Bash
npx @deepseek-ai/dsh web --port 8080
Platform-specific one-liners that also ensure Node is present は、コミュニティサイトから入手できます(Windows の PowerShell + winget、macOS の Homebrew、Debian/Ubuntu の NodeSource など)。
利点: npm キャッシュ以外の永続的インストール不要。常に最新の公開版を取得。最も簡単なオンボーディング。 欠点: 初回はネットワーク依存。ソースの詳細調査やカスタムビルドにはやや不向き。
方法 2: ソースからのインストールと実行
Cordis プラグインの読解、コミットの固定、カスタムプリセットの開発、コントリビュート時に使用します。
Bash
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web
同じ Web UI がデフォルトポートで起動します。開発者プレビューのため、コミット間で破壊的変更が起きる可能性があり、実験的な経路として扱ってください。
方法 3: デスクトップアプリ(Node のセットアップ不要)
コミュニティ/サードパーティのデスクトップラッパーは、ユーザーが Node/pnpm を自分で入れずに済むよう実行環境をパッケージ化しています。
- Tauri ベースの軽量クライアントは、バンドル済み Node ランタイムをブートストラップし、起動時に最新の上流ハーネスを同期します。127.0.0.1:3080 で動作し、データはローカルに保持し、dsh コマンドを登録します。
- 依存を固定した Electron ベースのパッケージもあります。
インストーラは各 GitHub Releases(“deepseek-harness-desktop” を検索)から入手します。初回起動時にコアコンポーネント(数百 MB)をダウンロードします。非開発者に便利ですが、公式 DeepSeek 製品ではありません。リポジトリと SHA チェックサムを確認してください。
方法 4: Docker/コンテナデプロイ
Web UI をコンテナ内で動かすコミュニティの Docker イメージや compose ファイルが存在し、nginx による HTTPS 終端や任意の OpenAI 互換ゲートウェイ対応もあります。一般的な手順:
Bash
git clone <docker-repo>
cd <docker-repo>
cp .env.example .env # set API key / public host
docker compose up -d --build
LAN アクセス、サーバ、ホストに Node を入れたくない環境に有用です。設定によっては非 DeepSeek プロバイダ用の settings.yaml をサポートします。
方法 5: Python SDK(プログラマティック/ヘッドレス)
無人エージェントや Python パイプラインへの組み込み向け:
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
環境変数を設定:
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
同梱のサンプルを実行するか、DeepSeekHarness クラスを使用して、分離されたワークスペースとセッションディレクトリを対象に自作コードで使用してください。SDK は独自のランタイムをバンドルし、システムの Node.js は不要です。
方法 6: Ollama との統合
Ollama は簡易ランチャを提供しています:
Bash
ollama launch dsh
# or with a specific model
ollama launch dsh --model deepseek-v4-flash:cloud
Ollama は必要に応じてパッケージをインストールし、起動設定を別途保存します。ウェブ検索やツールサポートは選択モデルと Ollama のクラウドアクセスに依存します。
モデルとプロバイダの設定(CometAPI を含む)
Web UI の Settings → Models に移動します。
- 公式 DeepSeek 用: platform.deepseek.com のキーを貼り付けます。代表的なモデルは deepseek-v4-flash と deepseek-v4-pro。
- カタログ系プロバイダ(Anthropic、OpenAI など): “Add provider” フローを使用。
- カスタム/自前/アグリゲータのエンドポイント: “Add a custom provider” を選択。永続的な Provider ID、Base URL、プロトコル(通常 openai-completions)、API キー(環境参照または値)、少なくとも 1 つのモデル ID を設定。
CometAPI の推奨(多くの本番類似ワークフローで強く推奨) CometAPI は単一の OpenAI 互換エンドポイント https://api.cometapi.com/v1. を通じて 500+ モデル(DeepSeek 系、GPT、Claude、Gemini、Grok など多数)を提供する統合 AI インフラです。
DeepSeek Harness と組み合わせる利点:
- 複数のプロバイダ資格情報を管理せずに、1 本の API キーで運用。
- 多くのモデルでベンダ直販比 20–40% 程度の競争力ある価格。
- 高可用性(99.9% SLA 目標)、低レイテンシ中央値、従量課金。
- モデル ID の変更以外にハーネス設定を変えずに、A/B テストやコスト最適化のためのモデル切替が容易。
- 既存の OpenAI SDK パターンにそのまま適合(base_url とキーのみ変更)。
ハーネスのカスタムプロバイダフォームでは:
- Base URL:
https://api.cometapi.com/v1 - Protocol: openai-completions(または同等のサポートオプション)
- API key: あなたの CometAPI キー
- Model ID: CometAPI のモデルカタログにある任意のモデル文字列
この組み合わせにより、強力なローカルエージェント実行環境を維持しつつ、柔軟でコスト効率のよいマルチベンダーモデルアクセスを実現できます。新規ユーザーには無料のテストクレジットが付与されることが一般的です。ドキュメント: https://apidoc.cometapi.com/。
キーは書き込み専用で保存され(例: $DSH_HOME/.credentials.yaml)、UI にはマスクされた情報のみ表示されます。
DeepSeek Harness のトラブルシューティング
DEEPSEEK_API_KEY not found
確認:
echo $DEEPSEEK_API_KEY
Windows:
echo $env:DEEPSEEK_API_KEY
空なら再設定してください。
400 reasoning_content error
通常は推論ライフサイクルの誤った扱いを示します。
マルチターンの思考/ツール呼び出しにまたがる、関連するアシスタントの推論情報をアプリケーションが保持しているか確認してください。
これはハーネスが特に対処する中核課題の 1 つです。
コンテキスト長エラー
確認:
input tokens + max_tokens
文書化された上限は:
1,048,576 tokens
入力コンテキストまたは要求する出力長を減らしてください。
ストリーミング中にツール呼び出しが壊れる
ストリームチャンクがツール順に届くと仮定しないでください。
ハーネス契約の推奨どおり、tool_call.index でツール呼び出しのデルタを集約してください。
予想外に高額なリクエスト
次を確認:
- thinking モード
- 出力長
- キャッシュヒット率
- プロンプトプレフィックスの安定性
- モデル選択
- 現在の API 価格
よくある改善は、ルーチン作業を Pro から Flash に移すことです。
インストールとデプロイ方法の比較
| Method | Ease of Use | Node Required | Best For | Persistence / Control | Typical Port / Access | Notes |
|---|---|---|---|---|---|---|
| npx one-liner | Highest | Yes | Quick trials, most users | Ephemeral (cache only) | 3080 (configurable) | Official recommended |
| Source (pnpm) | Medium | Yes | Development, plugins, pinning | Full source control | 3080 | Needs pnpm + build |
| Desktop (Tauri/Electron) | High | No (bundled) | Non-technical users | Local profiles & auto-update | 3080 (internal) | Community packages |
| Docker | Medium | No (container) | Servers, LAN, HTTPS | Container volumes | Custom / 443 | Community images |
| Python SDK | Medium | No (bundled) | Headless, automation, pipelines | Programmatic sessions | N/A (no UI by default) | Official SDK |
| Ollama launch | High | Optional | Local-model experiments | Ollama settings | 3080 | Integrates with Ollama |
データは公式ドキュメントおよびリリース後(2026 年 8 月)のガイドからの合成です。
結論と次のステップ
DeepSeek Harness は、npx ワンライナーでほぼゼロ摩擦でローカルマシンに導入できる、完全プラグイン型のエージェント実行環境を提供します。統一プラットフォーム(たとえば CometAPI)による柔軟なモデルルーティングと組み合わせることで、最新のエージェント的コーディングワークフローの力と、コスト・モデル選択・データローカリティの実務的制御を両立できます。
今すぐ始めるには:
npx @deepseek-ai/dsh web
DeepSeek または CometAPI のキーを設定し、安全なワークスペースを指定して Standard モードを試してください。次に、ベンチマーク用の Minimal モード、コスト最適化のためのカスタムプロバイダ、あるいは自動化のための Python SDK を試行しましょう。
最新の公式手順は常に GitHub リポジトリおよび doc を優先してください。ハーネスを運用する際のマルチモデルな信頼性と価格面の優位性のために、CometAPI とそのドキュメント https://apidoc.cometapi.com/. も検討してください。


