Como usar o DeepSeek Harness: instalar, configurar e rodar seu primeiro agente

Name

Soren Atelier

Atualizado em 26/08/2026

A resposta de um comando só: se você tem Node.js instalado, isto sobe o DeepSeek Harness com a interface web:

npx @deepseek-ai/dsh web

O servidor sobe em http://127.0.0.1:3080 e abre o seu navegador. A partir daí: Settings → Models para colar uma API key, Choose workspace para apontar para uma pasta de projeto e então dar a primeira tarefa. Esse é o loop inteiro. O resto deste guia detalha cada etapa, os quatro modos de runtime e o ecossistema de plugins — que é a razão real de o projeto ter passado de 196 mil estrelas no GitHub duas semanas após o lançamento.

Todos os comandos e configurações deste guia vêm do README oficial, de deepseek.com/harness e da documentação para desenvolvedores, conforme consultados em 26 de agosto de 2026. O DeepSeek Harness é um developer preview e a equipe avisa explicitamente que haverá breaking changes contínuas — se algo abaixo deixar de bater, confie no README do repositório (opens in a new tab) em vez de qualquer tutorial, incluindo este.

O que o DeepSeek Harness é de fato

DeepSeek Harness (dsh) é o framework de agentes open source da DeepSeek, lançado em 13 de agosto de 2026 sob a licença MIT. O lema de design é "Everything is a Plugin", e isso é literal: modelos, ferramentas, skills, sessões, sandboxes, armazenamento, loops de agente, agendamento e até a UI são plugins rodando sobre o Cordis (opens in a new tab), um runtime de plugins open source. Você pode trocar ou recompor qualquer um deles por configuração, sem tocar no código-fonte do framework.

Duas consequências práticas saem dessa arquitetura:

• Ele já é um coding agent pronto para uso — edição de arquivos, shell, busca e planejamento de workflow vêm no modo padrão (Standard), então você pode usá-lo como usaria o Claude Code ou o OpenCode.
• Ele também é um chassi para construir o seu próprio agente — se você quer outro sandbox, outro roteador de modelos ou outro loop, você substitui aquele plugin específico em vez de fazer fork de uma aplicação.

Tudo o que o modelo enxerga é gravado em um log de sessão append-only — system prompts, raciocínio, chamadas de ferramentas e resultados, agendamento de subagentes, cada injeção de contexto. Se você já tentou depurar um agente que se comportou de forma estranha e não tinha registro do que ele realmente viu, esse único recurso explica boa parte da tração inicial do projeto.

Passo 1 — Instalar

Pré-requisito: Node.js. O quick start oficial assume um node/npx funcionando no seu PATH e nada além disso.

Caminho A — npm (recomendado para o primeiro contato):

npx @deepseek-ai/dsh web

O npx baixa o pacote na primeira execução, então espere que o primeiro start demore bem mais que os seguintes. Use --no-open se quiser o servidor sem abrir uma janela do navegador (por exemplo, em uma máquina remota):

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

Caminho B — a partir do código-fonte (se você quer criar plugins ou acompanhar a main):

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

Qual escolher?

Passo 2 — Conectar um modelo

A interface web sobe sem nenhum modelo configurado. Para torná-la utilizável:

1. Abra Settings → Models.
2. Cole as credenciais de platform.deepseek.com (opens in a new tab) (ou de outro provedor suportado — a página de configurações de modelos cobre provedores alternativos).
3. Salve. Segundo a documentação oficial, a rota do modelo fica utilizável imediatamente, sem reiniciar o servidor.

Como modelos são plugins como tudo o mais, a escolha do provedor é uma decisão de configuração, não de instalação. Isso importa se o seu time está padronizando em um fornecedor hoje mas quer a opção de redirecionar depois — o ponto da arquitetura do harness é que redirecionar é uma edição de config.

Passo 3 — Escolher um workspace e rodar a primeira tarefa

1. Na interface web, clique em Choose workspace e adicione um diretório de projeto.
2. Inicie uma sessão.
3. Dê a ele uma primeira tarefa somente de leitura antes de deixá-lo editar qualquer coisa. A própria sugestão do quickstart oficial é boa:

"Summarize this repository and identify its main packages"

O agente suporta operações de arquivo, execução de comandos, delegação de tarefas e planejamento de workflow, com prompts de aprovação antes das ações. Trate a primeira sessão como uma rodada de calibração: você está verificando se ele lê o workspace certo, se as aprovações aparecem e se o log de sessão registra o que aconteceu — antes de conceder qualquer coisa destrutiva. Essa é a mesma disciplina que recomendamos para todo agente de terminal (veja Como usar o Codex para o ritual equivalente por lá).

Os quatro modos de runtime, e quando cada um é o certo

O DeepSeek Harness vem com quatro presets de runtime. Esta tabela é a decisão que a maioria dos tutoriais pula:

Um modelo mental útil: Standard é para usar o agente, Creator é para mudar o agente, Minimal é para medir o modelo. Se você está avaliando se os modelos da DeepSeek são bons o bastante para a sua carga de trabalho, o modo Minimal é a forma honesta de testar — o harness para de ajudar e você vê o modelo puro.

Plugins: onde está a alavancagem real

O ecossistema de plugins está crescendo mais rápido do que qualquer framework de agentes comparável que acompanhamos. Em 26 de agosto de 2026, o tópico dsh-plugin no GitHub (opens in a new tab) lista 11.944 repositórios públicos — duas semanas após o lançamento.

Um kit inicial que vale conhecer, por contagem atual de estrelas:

Convenção de descoberta: os plugins se marcam com o tópico dsh-plugin no GitHub, então essa página de tópico é hoje o mais próximo de um índice de pacotes. Espere rotatividade — contagens de estrelas em um ecossistema de duas semanas medem atenção, não maturidade. Verifique as issues de um plugin ativamente mantido antes de plugá-lo em algo com que você se importa.

O que a documentação oficial ainda não cobre (lacunas honestas)

Isto é um developer preview e a documentação é rala em alguns pontos. Até a redação deste texto:

• A página de quickstart delega a instalação ao README — se um passo daqui e um passo da documentação divergirem, o README é a fonte da verdade.
• Os formatos de arquivo de configuração estão pouco documentados. A configuração de modelo é feita pela interface web (Settings → Models); se você precisa de configuração reproduzível baseada em arquivo, conte com ler o código-fonte dos plugins ou o README de apps/cli para os modos de CLI.
• Não existe página de preços para o harness em si — o framework é MIT e gratuito; o seu custo é a API de modelo que você conectar (o preço da plataforma DeepSeek ou o do seu outro provedor).
• Breaking changes são prometidas, não apenas possíveis. Se você construir algo duradouro sobre ele neste mês, fixe versões.

Deliberadamente não incluímos uma matriz de troubleshooting neste guia: os modos de falha de um preview de duas semanas mudam toda semana, e copiar correções de erro desatualizadas de tutoriais causa mais dano do que evita (uma lição que o ecossistema OpenCode já aprendeu). Quando você bater em um erro, os caminhos úteis são o GitHub Discussions do repositório e o Discord do projeto.

Onde o DeepSeek Harness se encaixa no cenário atual de agentes

Se você está escolhendo entre agentes em vez de já se comprometer com este, a versão curta:

• DeepSeek Harness otimiza para recomponibilidade — troque qualquer parte, inspecione tudo, chassi com licença MIT.
• Produtos no estilo Claude Code / Codex otimizam para uma experiência ponta a ponta polida e opinativa. Nosso panorama de ferramentas de AI coding em 2026 cobre esse campo, e Melhores ferramentas de Vibe Coding cobre o mercado mais amplo.
• Frameworks centrados em runtime como o Hermes Agent ocupam um território parecido de "ser dono do runtime" — a comparação arquitetural em Hermes Agent vs OpenClaw se aplica quase sem mudanças aqui, com o dsh firmemente do lado do runtime.
• Para contexto sobre a DeepSeek como empresa e seus modelos, veja DeepSeek vs outros LLMs chineses.

Vale explicitar um limite: o DeepSeek Harness é um coding agent generalista. Se o seu trabalho diário são notebooks Jupyter e dataframes em vez de repositórios, um agente nativo de notebook que opera diretamente sobre o estado do kernel se encaixa melhor do que apontar um agente de repositório para o JSON de um .ipynb — esse é o problema para o qual o RunCell (opens in a new tab) foi construído, e a distinção entre agentes de repositório e agentes de notebook está coberta em Jupyter AI RunCell.

FAQ

Related Guides

• Como usar o Codex
• Oh My OpenCode e OpenCode: instalação, configuração e correções
• Melhores ferramentas de AI Coding em 2026
• Melhores ferramentas de Vibe Coding
• Hermes Agent vs OpenClaw
• DeepSeek vs outros LLMs chineses