Comment utiliser DeepSeek Harness : installation, configuration et premier agent

Name

Soren Atelier

Mis à jour le 26/08/2026

La réponse en une commande : si Node.js est installé, ceci démarre DeepSeek Harness avec son interface web :

npx @deepseek-ai/dsh web

Le serveur démarre sur http://127.0.0.1:3080 et ouvre votre navigateur. Ensuite : Settings → Models pour coller une clé API, Choose workspace pour le pointer vers un dossier de projet, puis donnez-lui une première tâche. Voilà toute la boucle. La suite de ce guide détaille chaque étape, les quatre modes d’exécution et l’écosystème de plugins — qui est la vraie raison pour laquelle ce projet a dépassé 196 000 étoiles GitHub deux semaines après sa sortie.

Toutes les commandes et tous les réglages de ce guide proviennent du README officiel, de deepseek.com/harness et de la documentation développeur, consultés le 26 août 2026. DeepSeek Harness est une developer preview et l’équipe prévient explicitement que des breaking changes sont en cours — si quelque chose ci-dessous ne correspond plus, faites confiance au README du dépôt (opens in a new tab) plutôt qu’à un tutoriel, celui-ci compris.

Ce qu’est réellement DeepSeek Harness

DeepSeek Harness (dsh) est le framework d’agents open source de DeepSeek, publié le 13 août 2026 sous licence MIT. Son slogan de conception est « Everything is a Plugin », et c’est à prendre au pied de la lettre : modèles, outils, skills, sessions, sandboxes, stockage, boucles d’agent, planification et même l’UI sont tous des plugins tournant sur Cordis (opens in a new tab), un runtime de plugins open source. Vous pouvez remplacer ou recomposer n’importe lequel d’entre eux par configuration, sans toucher au code source du framework.

Deux conséquences pratiques découlent de cette architecture :

• C’est un coding agent prêt à l’emploi — édition de fichiers, shell, recherche et planification de workflows sont livrés dans le mode par défaut (Standard), vous pouvez donc l’utiliser comme vous utiliseriez Claude Code ou OpenCode.
• C’est aussi un châssis pour construire votre propre agent — si vous voulez une autre sandbox, un autre routeur de modèles ou une autre boucle, vous remplacez ce seul plugin au lieu de forker une application.

Tout ce que le modèle voit est écrit dans un journal de session en append-only : prompts système, raisonnement, appels d’outils et résultats, planification des sous-agents, chaque injection de contexte. Si vous avez déjà essayé de déboguer un agent au comportement étrange sans aucune trace de ce qu’il avait réellement vu, cette seule fonctionnalité explique une bonne partie de la traction initiale du projet.

Étape 1 — Installer

Prérequis : Node.js. Le quick start officiel suppose un node/npx fonctionnel dans votre PATH, et rien d’autre.

Voie A — npm (recommandée pour un premier contact) :

npx @deepseek-ai/dsh web

npx télécharge le paquet au premier lancement : attendez-vous donc à ce que ce premier démarrage soit nettement plus long que les suivants. Ajoutez --no-open si vous voulez le serveur sans fenêtre de navigateur (par exemple sur une machine distante) :

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

Voie B — depuis les sources (si vous voulez développer des plugins ou suivre la branche main) :

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

Laquelle choisir ?

Étape 2 — Connecter un modèle

L’interface web démarre sans aucun modèle configuré. Pour la rendre utilisable :

1. Ouvrez Settings → Models.
2. Collez les identifiants de platform.deepseek.com (opens in a new tab) (ou d’un autre fournisseur pris en charge — la page de réglages des modèles couvre les fournisseurs alternatifs).
3. Enregistrez. D’après la documentation officielle, la route du modèle devient immédiatement utilisable, sans redémarrer le serveur.

Comme les modèles sont des plugins au même titre que le reste, le choix du fournisseur est une décision de configuration, pas une décision d’installation. Cela compte si votre équipe se standardise aujourd’hui sur un fournisseur mais veut garder la possibilité de rerouter plus tard — tout l’intérêt de l’architecture harness, c’est que ce reroutage est une simple modification de config.

Étape 3 — Choisir un workspace et lancer une première tâche

1. Dans l’interface web, cliquez sur Choose workspace et ajoutez un répertoire de projet.
2. Démarrez une session.
3. Donnez-lui une première tâche en lecture seule avant de le laisser modifier quoi que ce soit. La suggestion du quickstart officiel est bonne :

« Résume ce dépôt et identifie ses principaux packages »

L’agent prend en charge les opérations sur fichiers, l’exécution de commandes, la délégation de tâches et la planification de workflows, avec des demandes d’approbation avant les actions. Traitez la première session comme un run de calibrage : vous vérifiez qu’il lit le bon workspace, que les approbations apparaissent et que le journal de session capture bien ce qui s’est passé — avant de lui accorder quoi que ce soit de destructif. C’est la même discipline que nous recommandons pour tout agent en terminal (voir How to Use Codex pour le rituel équivalent).

Les quatre modes d’exécution, et quand chacun est le bon

DeepSeek Harness livre quatre préréglages d’exécution. Ce tableau est la décision que la plupart des tutoriels passent sous silence :

Un modèle mental utile : Standard sert à utiliser l’agent, Creator à modifier l’agent, Minimal à mesurer le modèle. Si vous évaluez si les modèles de DeepSeek sont assez bons pour votre charge de travail, le mode Minimal est la manière honnête de tester — le harness cesse d’aider et vous voyez le modèle brut.

Plugins : c’est là qu’est le vrai levier

L’écosystème de plugins grandit plus vite que celui de n’importe quel framework d’agents comparable que nous ayons suivi. Au 26 août 2026, le topic dsh-plugin sur GitHub (opens in a new tab) liste 11 944 dépôts publics — deux semaines après la sortie.

Un pack de départ à connaître, par nombre d’étoiles actuel :

Convention de découverte : les plugins se taguent avec le topic dsh-plugin sur GitHub, cette page de topic est donc ce qui ressemble le plus à un index de paquets pour l’instant. Attendez-vous à du turnover — dans un écosystème vieux de deux semaines, le nombre d’étoiles mesure l’attention, pas la maturité. Vérifiez les issues d’un plugin activement maintenu avant de le brancher sur quoi que ce soit qui compte pour vous.

Ce que la documentation officielle ne couvre pas encore (les manques, honnêtement)

C’est une developer preview et la documentation est mince par endroits. À l’heure où nous écrivons :

• La page quickstart renvoie l’installation au README — si une étape ici et une étape de la documentation divergent, le README fait foi.
• Les formats de fichiers de configuration sont sous-documentés. La configuration des modèles passe par l’interface web (Settings → Models) ; s’il vous faut une configuration reproductible basée sur des fichiers, attendez-vous à lire le code source des plugins ou le README de apps/cli pour les modes CLI.
• Il n’existe pas de page de tarifs pour le harness lui-même — le framework est sous licence MIT et gratuit ; votre coût est celui de l’API de modèle que vous connectez (les tarifs de la plateforme DeepSeek, ou ceux de votre autre fournisseur).
• Les breaking changes sont promis, pas seulement possibles. Si vous construisez quelque chose de durable dessus ce mois-ci, épinglez les versions.

Nous n’avons volontairement pas inclus de matrice de dépannage dans ce guide : les modes de défaillance d’une preview vieille de deux semaines changent chaque semaine, et copier des correctifs d’erreurs périmés depuis des tutoriels fait plus de dégâts que cela n’en évite (une leçon que l’écosystème OpenCode a déjà apprise). Quand vous rencontrez une erreur, les pistes utiles sont les GitHub Discussions du dépôt et le Discord du projet.

Où se situe DeepSeek Harness dans le paysage actuel des agents

Si vous choisissez entre plusieurs agents plutôt que de vous engager sur celui-ci, la version courte :

• DeepSeek Harness optimise la recomposabilité — remplacez n’importe quelle partie, inspectez tout, châssis sous licence MIT.
• Les produits façon Claude Code / Codex optimisent une expérience de bout en bout soignée et opinionated. Notre panorama des outils de coding IA en 2026 couvre ce terrain, et Best Vibe Coding Tools couvre le marché plus large.
• Les frameworks centrés runtime comme Hermes Agent occupent un territoire similaire du « posséder le runtime » — la comparaison architecturale de Hermes Agent vs OpenClaw s’applique ici presque sans changement, dsh se situant nettement du côté runtime.
• Pour le contexte sur l’entreprise DeepSeek et ses modèles, voir DeepSeek vs Other Chinese LLMs.

Une limite mérite d’être posée : DeepSeek Harness est un coding agent généraliste. Si votre travail quotidien porte sur des notebooks Jupyter et des dataframes plutôt que sur des dépôts, un agent natif notebook, qui opère directement sur l’état du kernel, convient mieux que de pointer un agent de repo vers du JSON .ipynb — c’est le problème pour lequel RunCell (opens in a new tab) est construit, et la distinction entre agents de repo et agents de notebook est traitée dans Jupyter AI RunCell.

FAQ

Related Guides

• How to Use Codex
• Oh My OpenCode et OpenCode : installation, configuration et correctifs
• Best AI Coding Tools in 2026
• Best Vibe Coding Tools
• Hermes Agent vs OpenClaw
• DeepSeek vs Other Chinese LLMs