Cómo usar DeepSeek Harness: instalación, configuración y tu primer agente

Name

Soren Atelier

Actualizado el 26/8/2026

La respuesta de un solo comando: si ya tienes Node.js instalado, esto arranca DeepSeek Harness con su interfaz web:

npx @deepseek-ai/dsh web

El servidor arranca en http://127.0.0.1:3080 y abre tu navegador. A partir de ahí: Settings → Models para pegar una API key, Choose workspace para apuntarlo a la carpeta de un proyecto y luego darle una primera tarea. Ese es todo el loop. El resto de esta guía cubre cada paso con más detalle, los cuatro modos de ejecución y el ecosistema de plugins, que es la razón real por la que este proyecto superó las 196k estrellas en GitHub dos semanas después de su lanzamiento.

Todos los comandos y ajustes de esta guía provienen del README oficial, de deepseek.com/harness y de la documentación para desarrolladores, consultados el 26 de agosto de 2026. DeepSeek Harness es un developer preview y el equipo advierte explícitamente que habrá breaking changes continuos: si algo de lo de abajo deja de coincidir, confía en el README del repositorio (opens in a new tab) por encima de cualquier tutorial, incluido este.

Qué es realmente DeepSeek Harness

DeepSeek Harness (dsh) es el framework de agentes open source de DeepSeek, publicado el 13 de agosto de 2026 bajo licencia MIT. Su lema de diseño es "Everything is a Plugin", y hay que tomarlo de forma literal: modelos, herramientas, skills, sesiones, sandboxes, almacenamiento, loops de agente, planificación de tareas e incluso la interfaz son plugins que corren sobre Cordis (opens in a new tab), un runtime de plugins open source. Puedes cambiar o recomponer cualquiera de estas piezas desde la configuración, sin tocar el código fuente del framework.

De esa arquitectura se derivan dos consecuencias prácticas:

• Es un coding agent listo para usar: edición de archivos, shell, búsqueda y planificación de workflows vienen incluidos en el modo por defecto (Standard), así que puedes usarlo igual que usarías Claude Code o OpenCode.
• Y también es un chasis para construir tu propio agente: si quieres otro sandbox, otro router de modelos u otro loop, reemplazas ese plugin concreto en lugar de hacer un fork de una aplicación entera.

Todo lo que ve el modelo se escribe en un log de sesión de solo anexado: prompts de sistema, razonamiento, llamadas a herramientas y sus resultados, planificación de subagentes y cada inyección de contexto. Si alguna vez has intentado depurar un agente que se comportó de forma extraña sin tener registro de lo que realmente vio, esa única característica explica buena parte de la tracción inicial del proyecto.

Paso 1 — Instalación

Requisito previo: Node.js. El quick start oficial asume que tienes node/npx funcionando en tu PATH y nada más.

Vía A — npm (recomendada para el primer contacto):

npx @deepseek-ai/dsh web

npx descarga el paquete la primera vez que lo ejecutas, así que espera que el primer arranque tarde bastante más que los siguientes. Añade --no-open si quieres el servidor sin abrir una ventana del navegador (por ejemplo, en una máquina remota):

npx @deepseek-ai/dsh web --no-open

Vía B — desde el código fuente (si quieres desarrollar plugins o seguir main):

git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web

¿Cuál deberías elegir?

Paso 2 — Conectar un modelo

La interfaz web arranca sin ningún modelo configurado. Para dejarla utilizable:

1. Abre Settings → Models.
2. Pega las credenciales de platform.deepseek.com (opens in a new tab) (o de otro proveedor compatible: la página de ajustes de modelos cubre proveedores alternativos).
3. Guarda. Según la documentación oficial, la ruta del modelo queda utilizable de inmediato, sin reiniciar el servidor.

Como los modelos son plugins igual que todo lo demás, la elección de proveedor es una decisión de configuración, no de instalación. Esto importa si tu equipo está estandarizando hoy sobre un solo proveedor pero quiere la opción de redirigir más adelante: el sentido de la arquitectura del harness es que redirigir sea editar configuración.

Paso 3 — Elegir un workspace y lanzar una primera tarea

1. En la interfaz web, haz clic en Choose workspace y añade un directorio de proyecto.
2. Inicia una sesión.
3. Dale una primera tarea de solo lectura antes de dejarle editar nada. La propia sugerencia del quickstart oficial es buena:

"Summarize this repository and identify its main packages"

El agente soporta operaciones de archivos, ejecución de comandos, delegación de tareas y planificación de workflows, con confirmaciones de aprobación antes de actuar. Trata la primera sesión como una calibración: estás comprobando que lee el workspace correcto, que aparecen las aprobaciones y que el log de sesión captura lo que pasó, antes de concederle nada destructivo. Es la misma disciplina que recomendamos para cualquier agente de terminal (mira Cómo usar Codex para el ritual equivalente allí).

Los cuatro modos de ejecución, y cuándo conviene cada uno

DeepSeek Harness incluye cuatro presets de ejecución. Esta tabla es la decisión que la mayoría de tutoriales se salta:

Un modelo mental útil: Standard es para usar el agente, Creator es para cambiar el agente, Minimal es para medir el modelo. Si estás evaluando si los modelos de DeepSeek dan la talla para tu carga de trabajo, el modo Minimal es la forma honesta de probarlo: el harness deja de ayudar y ves el modelo en crudo.

Plugins: donde está el verdadero apalancamiento

El ecosistema de plugins está creciendo más rápido que el de cualquier framework de agentes comparable que hayamos seguido. A 26 de agosto de 2026, el topic dsh-plugin en GitHub (opens in a new tab) lista 11.944 repositorios públicos, dos semanas después del lanzamiento.

Un pack inicial que conviene conocer, ordenado por número actual de estrellas:

Convención de descubrimiento: los plugins se etiquetan con el topic dsh-plugin en GitHub, así que esa página de topic es lo más parecido a un índice de paquetes ahora mismo. Cuenta con mucha rotación: en un ecosistema de dos semanas, las estrellas miden atención, no madurez. Revisa los issues de un plugin activamente mantenido antes de conectarlo a algo que te importe.

Lo que la documentación oficial todavía no cubre (huecos reales)

Esto es un developer preview y la documentación está fina en algunos puntos. En el momento de escribir esto:

• La página de quickstart delega la instalación al README: si un paso de aquí y otro de la documentación no coinciden, el README es la fuente de verdad.
• Los formatos de los archivos de configuración están poco documentados. La configuración del modelo se hace desde la interfaz web (Settings → Models); si necesitas configuración reproducible basada en archivos, cuenta con leer el código fuente de los plugins o el README de apps/cli para los modos de CLI.
• No existe página de precios del harness en sí: el framework es MIT y gratuito; tu coste es el de la API de modelo que conectes (los precios de la plataforma de DeepSeek, o los de tu otro proveedor).
• Los breaking changes están prometidos, no son solo una posibilidad. Si construyes algo duradero sobre él este mes, fija versiones.

Hemos evitado deliberadamente incluir una matriz de troubleshooting en esta guía: los modos de fallo de un preview de dos semanas cambian cada semana, y copiar arreglos de errores caducados desde tutoriales causa más daño del que evita (una lección que el ecosistema de OpenCode ya aprendió). Cuando te encuentres con un error, los caminos útiles son las GitHub Discussions del repositorio y el Discord del proyecto.

Dónde encaja DeepSeek Harness en el panorama actual de agentes

Si estás eligiendo entre agentes en lugar de comprometerte ya con este, la versión corta:

• DeepSeek Harness optimiza para la recomponibilidad: cambia cualquier pieza, inspecciona todo, chasis con licencia MIT.
• Productos al estilo Claude Code / Codex optimizan para una experiencia end-to-end pulida y con opiniones claras. Nuestro repaso de herramientas de AI coding de 2026 cubre ese campo, y Las mejores herramientas de vibe coding cubre el mercado más amplio.
• Frameworks centrados en el runtime como Hermes Agent ocupan un territorio parecido de "ser dueño del runtime": la comparación arquitectónica de Hermes Agent vs OpenClaw aplica aquí casi sin cambios, con dsh claramente del lado del runtime.
• Para contexto sobre DeepSeek como empresa y sus modelos, mira DeepSeek vs otros LLM chinos.

Una frontera que conviene dejar dicha: DeepSeek Harness es un coding agent general. Si tu trabajo diario son notebooks de Jupyter y dataframes en lugar de repositorios, un agente nativo de notebook que opera directamente sobre el estado del kernel encaja mejor que apuntar un agente de repos al JSON de un .ipynb; ese es el problema para el que está construido RunCell (opens in a new tab), y la distinción entre agentes de repo y agentes de notebook se explica en Jupyter AI RunCell.

Preguntas frecuentes

Related Guides

• Cómo usar Codex
• Oh My OpenCode y OpenCode: instalación, configuración y arreglos
• Las mejores herramientas de AI coding en 2026
• Las mejores herramientas de vibe coding
• Hermes Agent vs OpenClaw
• DeepSeek vs otros LLM chinos