DeepSeek Harness: Was ist DSH, was kann es und was brauchst du?

Geprüft am 3. Oktober 2026

DeepSeek Harness – kurz DSH – ist kein neues Sprachmodell. Es ist die Software-Schicht, die ein Sprachmodell zu einem handlungsfähigen Agenten macht. Der Harness verbindet ein Modell mit Dateien, Shell-Befehlen, Tools, Sessions, Skills, Subagents, Workflows und optional Browser- oder Desktop-Steuerung.

DeepSeek stellt Harness als Public Preview bereit und veröffentlicht den Quellcode unter der MIT-Lizenz. Die zentrale Architekturidee lautet sinngemäß „everything is a plugin“: Modelladapter, Tools, Agent Loop, Speicher und weitere Systembestandteile sind austauschbar aufgebaut.[S1][S2]

DeepSeek Harness ist eine offene Agent-Runtime. Du bekommst nicht einfach einen DeepSeek-Chat, sondern ein Framework, mit dem verschiedene Modelle auf Dateien, Terminal, MCP-Tools, Subagents und Automatisierungen zugreifen können.

Was bekomme ich mit DeepSeek Harness?

Bestandteil	Status	Praktische Bedeutung
Web-Oberfläche	Ja	Lokaler Zugriff im Browser
Desktop-/lokaler Betrieb	Ja	Harness läuft auf deinem Rechner
DeepSeek-Modelle	Ja	Offiziell unterstützt
Andere Cloud-Modelle	Ja	u. a. OpenAI, Anthropic, Kimi/Moonshot, Z.ai/GLM
Eigene kompatible Endpunkte	Ja	OpenAI-/Anthropic-kompatible APIs
Dateizugriff	Ja	Agent kann Projektdateien lesen und verändern
Shell/Terminal	Ja	Befehle ausführen, Tests starten, Builds prüfen
MCP	Ja	Externe Tools und Dienste anbinden
Skills	Ja	Wiederverwendbare Fähigkeiten und Instruktionen
Subagents	Ja	Aufgaben an untergeordnete Agenten delegieren
Workflows	Ja	Mehrstufige Abläufe definieren
Scheduling	Ja	Wiederkehrende oder einmalige Jobs
Browser-Steuerung	Optional/experimentell	Browser über unterstützte Provider bedienen
Computer Use	Optional	Desktop über einen Provider steuern
Sandbox/Approvals	Ja	Risiko reduzieren, aber keine absolute Isolation
Python SDK	Ja	Programmgesteuerte Integration

Die Produktseite beschreibt mehrere Agent-Modi. Standard Mode stellt eine breite Tool-Ausstattung bereit. Code Mode lässt das Modell Tool-Aufrufe stärker programmatisch orchestrieren. Minimal Mode reduziert die Umgebung für reproduzierbare Tests auf wenige Kernwerkzeuge. Creator Mode richtet sich an Nutzer, die Harness selbst erweitern oder eigene Plugin-Kombinationen erstellen wollen.[S1]

Der wichtigste Punkt: DSH ist nicht an DeepSeek gebunden

Der Name kann den Eindruck erwecken, dass nur DeepSeek-Modelle funktionieren. Die aktuelle Provider-Dokumentation zeigt jedoch ein deutlich offeneres Konzept.

Unterstützt werden unter anderem:

• DeepSeek
• OpenAI
• Anthropic
• Moonshot/Kimi
• Z.ai/GLM
• eigene kompatible Endpunkte

Für benutzerdefinierte Anbieter kann DSH unter anderem OpenAI Chat Completions, OpenAI Responses oder Anthropic Messages als Protokoll verwenden.[S3]

Das ist für Agenten-Workflows entscheidend: Du kannst das Modell wechseln, ohne den kompletten Harness auszutauschen.

So lässt sich beispielsweise dasselbe Repository mit DeepSeek, Claude, GPT, Kimi oder GLM bearbeiten, während Dateizugriff, Tools, Sessions und Workflows gleich bleiben.

Was brauche ich für die Installation?

Für den aktuellen Node-basierten Web-Client verlangt das Repository Node.js ^22.19.0 oder >=24.0.0.[S2]

Der einfachste Start erfolgt mit:

npx @deepseek-ai/dsh web

Die Weboberfläche wird standardmäßig lokal bereitgestellt. Danach konfigurierst du einen Modellanbieter.[S2][S3]

Minimal benötigst du

1. einen Mac, Windows- oder Linux-Rechner,
2. eine passende Node.js-Version,
3. DeepSeek Harness,
4. einen kompatiblen Modellanbieter oder API-Endpunkt,
5. einen Arbeitsordner, auf den der Agent zugreifen darf.

Eine starke lokale GPU ist nicht erforderlich, wenn das Modell über eine Cloud-API läuft.

Brauche ich einen DeepSeek-API-Key?

Nicht zwingend.

Wenn du DeepSeek als Modellanbieter nutzt, benötigst du den entsprechenden DeepSeek-Zugang. Wenn du dagegen einen Custom Provider konfigurierst, verwendest du dessen API-Key und Base URL.[S3][S4]

Damit ist Harness eher mit einem offenen Agent-Frontend beziehungsweise einer Agent-Runtime vergleichbar als mit einem einzelnen Modellprodukt.

Was kostet DeepSeek Harness?

Der Quellcode von DSH steht unter der MIT-Lizenz.[S2]

Das bedeutet aber nicht, dass ein kompletter Agent-Workflow kostenlos ist. Die Modellinferenz wird getrennt abgerechnet:

• DeepSeek-Modell → Kosten beim DeepSeek-Service
• OpenAI-Modell → Kosten bei OpenAI
• Anthropic-Modell → Kosten bei Anthropic
• anderer Provider → Kosten beim jeweiligen Anbieter
• lokaler kompatibler Endpoint → Hardware- und Stromkosten statt API-Abrechnung

DeepSeek unterscheidet in seinen Nutzungsbedingungen ausdrücklich zwischen eigenen Modellen und Custom-Model-Services.[S4]

Merksatz: Der Harness kann kostenlos sein. Die Intelligenz dahinter muss es nicht sein.

Das ist gerade bei Agenten wichtig, weil mehrstufige Tool-Loops deutlich mehr Kontext und Tokens verbrauchen können als einfache Chats. DSH besitzt ein eigenes Token-Meter-System zur Beobachtung solcher Verbräuche.[S5]

Warum ist „Everything is a Plugin“ mehr als Marketing?

DeepSeek Harness baut auf dem Framework Cordis auf. Das System verwaltet Komponenten als Plugins mit definierten Abhängigkeiten und Lebenszyklen.[S6]

Dadurch können unter anderem ausgetauscht oder erweitert werden:

• Modelladapter
• Tools
• Agent Loop
• Storage
• Session-Mechanik
• Sandboxing
• Benutzeroberfläche
• zusätzliche Dienste

Für Entwickler ist das interessant, weil Änderungen nicht zwangsläufig einen kompletten Fork der Anwendung erfordern.

MCP ist direkt in den Agenten-Workflow eingebaut

DSH unterstützt das Model Context Protocol (MCP). Ein MCP-Server kann Tools bereitstellen, die anschließend im normalen Tool-Katalog des Harness erscheinen.[S7]

Damit lassen sich zum Beispiel anbinden:

• GitHub
• Datenbanken
• Browser-Tools
• interne APIs
• lokale Dienste
• Wissenssysteme

Die MCP-Integration ist jedoch nicht vollständig deckungsgleich mit jeder MCP-Funktion. Bestimmte Protokollfunktionen werden laut aktueller Dokumentation noch nicht unterstützt.[S7]

Subagents: Aufgaben auf mehrere Agenten verteilen

DeepSeek Harness besitzt ein eigenes Subagent-System mit Lifecycle- und Delegationsmechanismen.[S8]

Ein Hauptagent kann damit zum Beispiel:

1. das Repository analysieren,
2. einen Subagenten die Tests prüfen lassen,
3. einen zweiten Subagenten die Architektur untersuchen lassen,
4. einen dritten Subagenten für Recherche einsetzen,
5. die Ergebnisse anschließend zusammenführen.

Diese Architektur ist technisch interessant, sollte aber nicht mit vollständig ausgereifter Enterprise-Orchestrierung verwechselt werden. Harness befindet sich weiterhin in einer Preview-Phase.[S9]

Scheduling: Agenten automatisch laufen lassen

Harness enthält einen eigenen Scheduler.[S10]

Möglich sind unter anderem:

• einmalige Ausführung,
• feste Intervalle,
• tägliche Tasks,
• wöchentliche Tasks,
• eigene Cron-Ausdrücke,
• explizite Zeitzonen.

Dadurch eignet sich DSH nicht nur als interaktiver Coding-Agent, sondern auch für wiederkehrende Aufgaben wie:

• Repository-Checks,
• Datenanalysen,
• Content-Prüfungen,
• Reports,
• Recherche-Jobs,
• Monitoring-Workflows.

Browser- und Desktop-Steuerung

Mit Browser Use kann Harness einen Browser über einen konfigurierten Provider steuern. Die Dokumentation nennt unter anderem Integrationen über Playwright MCP, Chrome DevTools MCP und Stagehand.[S11]

Zusätzlich existiert eine separate Computer Use-Schnittstelle für Desktop-Steuerung.[S12]

Damit nähert sich DeepSeek Harness einem allgemeinen Computer-Agenten und ist nicht auf Code beschränkt.

Wie sicher ist DeepSeek Harness?

Hier ist die offizielle Sicherheitsdokumentation wichtiger als jede Produktbeschreibung.

DeepSeek weist darauf hin, dass Harness experimentelle Preview-Software ist, keinen vollständigen Security-Audit durchlaufen hat und nicht automatisch als produktionsreif oder sicher behandelt werden sollte.[S9]

Ein Agent kann – abhängig von deinen Freigaben – unter anderem:

• Dateien lesen,
• Dateien verändern,
• Shell-Befehle ausführen,
• Prozesse starten,
• Plugins laden,
• auf Netzwerkdienste zugreifen,
• Credentials verwenden.

DSH stellt Sandboxing, Permissions und Approval-Mechanismen bereit. Die Dokumentation macht aber ebenfalls klar, dass diese Maßnahmen keine vollständige Isolation garantieren.[S13]

Sinnvolle Sicherheitsregeln für den ersten Test

• nur in einem Wegwerf-Repository testen,
• Git vor jedem Experiment sauber committen,
• keine privaten SSH-Keys oder Produktiv-Credentials freigeben,
• riskante Shell-Befehle bestätigen lassen,
• Community-Plugins vor Installation prüfen,
• bei Browser-/Computer-Control besonders restriktive Rechte nutzen.

DeepSeek Harness vs. Claude Code, Codex oder Hermes

Der entscheidende Unterschied liegt weniger beim Modell als beim Produktdesign.

Ein fertiger Coding-Agent integriert Modell, Agent Loop und Tooling vergleichsweise eng.

DeepSeek Harness legt den Schwerpunkt stärker auf eine austauschbare Agent-Runtime.

Bereich	DeepSeek Harness	Typischer geschlossener Coding-Agent
Modellwechsel	stark vorgesehen	häufig stärker integriert
Eigene Provider	zentraler Bestandteil	unterschiedlich
Plugin-Architektur	sehr offen	meist begrenzter
MCP	integriert	je nach Produkt
Scheduling	eingebaut	unterschiedlich
Subagents	eingebaut	unterschiedlich
Eigenes Runtime-Hacking	ausdrücklich vorgesehen	meist weniger
Einrichtungsaufwand	höher	meist geringer
Preview-Risiko	aktuell hoch	produktabhängig

Für wen lohnt sich DeepSeek Harness?

DSH ist wahrscheinlich unnötig, wenn du nur einen guten Chat mit DeepSeek möchtest.

Interessant wird es, wenn du:

• verschiedene Modelle unter derselben Agent-Umgebung vergleichen willst,
• Dateien und Shell automatisiert bearbeiten möchtest,
• MCP intensiv nutzt,
• eigene Tools und Skills baust,
• Subagents testen willst,
• wiederkehrende Tasks automatisieren möchtest,
• Browser- oder Desktop-Steuerung integrieren willst,
• den Agent Loop selbst verändern möchtest.

Ein sinnvoller Praxistest auf dem Mac

Nimm ein kleines Wegwerf-Repository und gib Harness dieselben drei Aufgaben mit zwei verschiedenen Modellen:

1. Projektstruktur erklären.
2. Einen bekannten Bug finden und beheben.
3. Tests ausführen und Änderungen zusammenfassen.

Miss dabei:

• Laufzeit,
• Modellaufrufe,
• Input- und Output-Tokens,
• Tool-Aufrufe,
• erfolgreich bestandene Tests,
• unerwünschte Dateiänderungen,
• erforderliche manuelle Eingriffe.

Damit testest du nicht nur die Modellqualität, sondern die eigentliche Stärke eines Harness: Wie effizient verwandelt die Agenten-Infrastruktur Modellintelligenz in echte Arbeit?

Fazit: Das Modell bleibt austauschbar

DeepSeek Harness ist vor allem deshalb interessant, weil es den Agenten vom Modell entkoppelt.

Du bekommst eine offene Runtime mit Provider-Wechsel, Filesystem, Shell, MCP, Skills, Subagents, Scheduling sowie optional Browser- und Desktop-Steuerung. Gleichzeitig ist das Projekt noch jung, technisch beweglich und sicherheitskritisch.

Für einfache DeepSeek-Nutzung ist DSH unnötig. Für Power User, Entwickler und Agenten-Experimente ist es dagegen ein ungewöhnlich offener Ansatz.