DeepSeek Harness v0.1: Panduan Awal untuk Developer Preview
DeepSeek telah secara resmi mengonsorsikan DeepSeek Harness (dsh). Ini adalah kerangka kerja open source yang ditujukan untuk aplikasi agen, dengan versi v0.1 Developer Preview yang dirilis saat ini di bawah lisensi MIT. Harness bukanlah model bahasa baru, juga bukan sekadar halaman web obrolan, melainkan lapisan runtime yang menghubungkan model, alat, sistem berkas, sandbox, sesi, dan antarmuka.
Jika DeepSeek V4 dianggap sebagai “otak” yang bertanggung jawab atas pemahaman dan penalaran, maka Harness adalah “meja kerja” yang memungkinkan model membaca proyek, memanggil alat, mengeksekusi perintah, menyimpan status tugas, dan menyelesaikan pekerjaan secara berkelanjutan. Artikel ini tidak membahas slogan promosi, melainkan berfokus pada penjelasan apa itu DeepSeek Harness, cara kerjanya, skenario penggunaan yang sesuai, serta bagaimana pengguna umum dapat memilihnya.
Apa Itu DeepSeek Harness?
Aplikasi obrolan biasa biasanya berjalan dengan pola “pengguna bertanya—model menjawab”. Tugas Agent memerlukan beberapa langkah tambahan: model terlebih dahulu menilai tindakan selanjutnya, lalu memanggil alat, membaca hasil eksekusi, dan jika perlu menyusun ulang rencana, hingga tugas selesai. Sistem yang mengorganisir alur ini disebut Agent Harness.
DeepSeek Harness dikembangkan oleh DeepSeek AI, dengan Cordis meta-framework sebagai landasannya. Ide inti dari resmi cukup langsung: Everything is a Plugin (Semuanya adalah Plugin). Adapter model, registrasi alat, log sesi, Agent Loop, bahkan antarmuka dan kebijakan persetujuan, dapat dimuat, diganti, atau dikombinasikan sebagai plugin.
Ini berarti tim tidak perlu menulis ulang seluruh Agen hanya untuk mengganti model, sandbox, atau sistem alat. Satu konfigurasi dapat menghasilkan aplikasi web, sementara konfigurasi lain dapat menjalankan tugas otomatis tanpa antarmuka; batas antara kode bisnis dan kemampuan dasar juga menjadi lebih jelas.
Bagaimana Hubungannya dengan DeepSeek V4 dan Situs Resmi DeepSeek?
Ketiga konsep ini sering tertukar, berikut tabel perbedaannya:
| Nama | Fungsi Utama | Pengguna yang Sesuai |
|---|---|---|
| DeepSeek V4 | Menyediakan kemampuan model seperti pemahaman bahasa, penalaran, dan generasi kode | Individu dan pengembang yang membutuhkan kemampuan model |
| Situs Resmi DeepSeek dan Portal Obrolan | Menyediakan pengalaman obrolan online siap pakai | Pengguna yang ingin cepat bertanya, menulis, menerjemahkan, atau memproses data |
| DeepSeek Harness | Menggabungkan model, alat, sesi, sistem berkas, dan alur eksekusi menjadi Agen | Pengembang yang ingin membangun, menyesuaikan, atau meneliti sistem agen |
Oleh karena itu, Harness tidak menggantikan model. Harness mengatasi pertanyaan “bagaimana membuat model berpartisipasi secara andal dalam tugas nyata”. Jika Anda hanya ingin langsung mengalami model, Anda dapat memulai dari Portal Situs Resmi DeepSeek di situs ini; jika ingin memahami dasar-dasarnya, silakan lanjut membaca Tutorial DeepSeek dan Panduan Penggunaan Web.
Apa Masalah yang Diselesaikan oleh “Semuanya adalah Plugin”?
Proyek Agen tradisional cenderung menggabungkan panggilan model, eksekusi alat, status sesi, dan logika antarmuka menjadi satu. Saat fungsionalitas terbatas, masalahnya tidak terlihat jelas, namun saat harus mengganti model, menghubungkan sandbox remote, atau menambahkan aturan persetujuan, perubahan kecil dapat berdampak besar pada seluruh sistem.
DeepSeek Harness memisahkan kemampuan menjadi antarmuka yang dapat diganti. Dokumen arsitektur resmi menyebut batas ini sebagai capability seam, yang umumnya melibatkan tiga jenis peran: Service Definition (pendefinisian antarmuka), Service Provider (implementasi kemampuan), dan Consumer (pemanggil kemampuan). Sebagai contoh, direktori lokal, container remote, dan sandbox terbatas dapat menyediakan interface yang sama, sehingga alat lapisan atas tidak perlu tahu di mana file sebenarnya berada.
| Lapisan Plugin | Konten yang Ditangani | Nilai dari Penggantian |
|---|---|---|
| Adapter Model | Permintaan model, pesan, dan output streaming | Dapat menghubungkan ke berbagai model atau endpoint yang kompatibel |
| Alat dan Izin | Registrasi alat, pemeriksaan sebelum panggilan, eksekusi, dan pemrosesan hasil | Dapat membatasi hak baca/tulis, perintah, dan akses jaringan sesuai skenario |
| Sesi dan Log | Menyimpan pesan, panggilan alat, hasil, dan perubahan status | Mendukung pemulihan, playback, percabangan, dan audit |
| Sistem Berkas dan Sandbox | Baca/tulis file, eksekusi perintah, dan lingkungan terisolasi | Dapat beralih antara lingkungan eksekusi lokal dan remote |
| Agent Loop | Mengorganisir permintaan model, panggilan alat, dan langkah selanjutnya | Dapat menyesuaikan siklus tugas dan kondisi penghentian |
| Web atau Headless | Menyediakan antarmuka browser atau cara eksekusi tanpa antarmuka | Satu set kemampuan yang sama dapat digunakan untuk interaksi maupun otomasi |
Nilai sesungguhnya dari pendekatan plugin bukan pada “jumlah plugin yang banyak”, melainkan pada penurunan biaya penggantian. Pengembang hanya perlu mengganti penyedia satu kemampuan, daripada menduplikasi dan memelihara seluruh sistem Agen.
Bagaimana DeepSeek Harness Menyelesaikan Sekali Tugas?
Resmi menyebut satu kali tugas pengguna sebagai Turn, di mana satu Turn dapat berisi beberapa Step. Setiap Step sesuai dengan satu permintaan model, serta eksekusi alat yang dipicu oleh permintaan tersebut. Alur sederhananya adalah:
- Harness menerima pesan pengguna, dan menyusun prompt sistem, pesan riwayat, serta alat yang tersedia saat itu.
- Model menilai apakah harus langsung menjawab atau memanggil alat seperti file, terminal, pencarian, dll.
- Panggilan alat melewati kebijakan izin dan pipa eksekusi, dengan hasil ditulis ke log sesi.
- Jika hasil alat memerlukan model untuk melanjutkan pemrosesan, Harness memicu Step berikutnya.
- Saat tidak ada alat yang diproses atau input baru, tugas putaran ini berakhir.
Log sesi adalah bagian penting dari arsitektur ini. Konten yang dilihat model harus dapat dibangun ulang dari log; pesan, panggilan alat, output streaming, dan perubahan status dapat menjadi peristiwa persisten. Hal ini memudahkan pemulihan tugas, pelacakan kesalahan, dan memberikan dasar yang andal untuk playback dan audit selanjutnya.
Skenario Mana yang Cocok untuk DeepSeek Harness?
1. Agen Pemrograman yang Perlu Membaca/Menulis Proyek
Ketika tugas bukan hanya menghasilkan segmen kode, tetapi memahami repositori, memodifikasi beberapa file, menjalankan pemeriksaan, dan memperbaiki kesalahan berdasarkan umpan balik, Harness dapat menggabungkan sistem berkas, terminal, LSP, perencanaan, dan persetujuan ke dalam satu alur. Ini lebih cocok untuk tugas berkelanjutan, bukan tanya-jawab kode sekali pakai.
2. Otomasi Alat Alur Kerja Perusahaan
Tim dapat memuat hanya alat yang dibutuhkan bisnis, dan menempatkan operasi sensitif di belakang persetujuan. Sebagai contoh, Agen pencarian data hanya membuka hak baca, sementara Agen publikasi yang memiliki hak tulis ke direktori tertentu. Izin berasal dari batas alat dan sandbox, lebih mudah dikelola daripada sekadar menulis “jangan modifikasi file” di prompt.
3. Eksperimen Multi-Model atau Lingkungan Eksekusi Multi-sandbox
Saat perlu membandingkan berbagai model, kombinasi alat, dan implementasi sandbox, struktur plugin mengurangi rekayasa berulang. Pengembang dapat menjaga tugas dan antarmuka tetap sama, hanya mengganti adapter model atau backend eksekusi, lalu mengamati tingkat keberhasilan, waktu tempuh, dan jenis kesalahan.
4. Tugas Panjang, Tugas Background, dan Kolaborasi Multi-Agent
Tugas kompleks sering memerlukan pemecahan, menunggu hasil eksternal, atau menyerahkan ke Sub-Agent. Harness telah menempatkan kemampuan terkait sesi, tujuan, pekerjaan background, dan Sub-Agent dalam arsitektur yang terpadu, cocok untuk membangun alur panjang yang dapat dipulihkan dan diamati. Namun, v0.1 masih berada dalam Developer Preview; uji coba menyeluruh diperlukan sebelum masuk ke produksi.
5. Penelitian Framework Agent dan Plugin
Bagi penulis kerangka kerja, nilai DeepSeek Harness terletak pada penyediaan repositori kode nyata: bagaimana membagi Agent Loop, peristiwa sesi, eksekusi alat, interface kemampuan, dan UI. Peneliti dapat membaca, memodifikasi, dan memverifikasi desain berdasarkan lisensi MIT, tanpa hanya mengandalkan artikel konseptual.
Kapan Sebaiknya Tidak Digunakan?
Tidak semua pengguna DeepSeek perlu menginstal Harness.
- Hanya melakukan tanya jawab, penulisan, penerjemahan, atau pengumpulan data; langsung menggunakan obrolan online lebih praktis.
- Hanya memanggil API model sekali, tanpa loop alat dan sesi persisten; SDK umum sudah cukup.
- Tim belum memiliki pengalaman dalam Node.js, sandbox, izin, dan pemeliharaan plugin; tidak disarankan segera memasukkan versi preview ke alur produksi kritis.
- Kebutuhan sangat tetap dan skrip otomasi yang ada berjalan stabil; migrasi ke Agen mungkin tidak memberikan keuntungan signifikan.
Standar penilaiannya sederhana: Apakah tugas memerlukan model menggunakan alat dalam beberapa langkah, membaca status, dan melanjutkan tindakan berdasarkan hasil? Jika jawabannya tidak, tidak perlu menambah kompleksitas sistem demi mengejar konsep baru.
Tutorial Cepat Memulai DeepSeek Harness
Saat ini, cara paling langsung adalah memulai Web UI melalui npm. Instal terlebih dahulu versi Node.js yang didukung, lalu jalankan:
npx @deepseek-ai/dsh webSecara default, antarmuka web akan berjalan di http://127.0.0.1:3080. Setelah masuk ke antarmuka, ikuti langkah-langkah berikut:
- Buka Models di pengaturan, isi DeepSeek API Key dan simpan.
- Pilih direktori kerja; kotak input tugas tidak akan aktif sebelum workspace dipilih.
- Buat sesi baru, mulailah dengan tugas baca-saja seperti “ringkas repositori ini dan jelaskan direktori utamanya”.
- Periksa prompt persetujuan untuk setiap operasi alat, pastikan cakupan izin sesuai harapan.
- Selanjutnya coba operasi kompleks seperti memodifikasi file, menjalankan tes, atau memecah sub-tugas.
Jika perlu menjalankan dari source code, dapat mengkloning repositori resmi, lalu menginstal dependensi dan membangunnya:
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh webDisarankan memisahkan direktori uji coba dengan direktori produksi nyata, jangan berikan akses ke file sensitif, kredensial, atau perintah berisiko tinggi sebelum memahami kebijakan izin. Untuk lebih banyak panduan dasar, dapat juga melihat Panduan Akses Situs Resmi DeepSeek di situs ini.
Batasan yang Perlu Diperhatikan Sebelum Penggunaan
Resmi DeepSeek secara tegas menyatakan bahwa versi saat ini adalah Developer Preview, akan mengalami iterasi cepat, dan kemungkinan ada perubahan yang merusak kompatibilitas. Oleh karena itu, konfigurasi, interface plugin, atau cara eksekusi dapat mengalami penyesuaian.
Sebelum adopsi resmi, setidaknya konfirmasi empat hal: Kunci versi yang telah diuji; validasi plugin di lingkungan terisolasi; atur persetujuan untuk operasi tulis, perintah, dan jaringan; simpan log sesi dan tangani informasi sensitif dengan baik. Open source dan lisensi MIT memudahkan pengembangan ulang, namun tidak berarti versi preview sudah memiliki stabilitas dan jaminan keamanan yang dibutuhkan lingkungan produksi.
Kesimpulan
Posisi DeepSeek Harness dapat diringkas sebagai: Mengorganisir kemampuan model menjadi sistem Agen yang dapat dieksekusi, diperluas, dan dipulihkan. Berbasis Cordis, Harness menempatkan model, alat, sesi, sandbox, sistem berkas, Agent Loop, dan UI ke dalam sistem plugin. Bagi pengembang yang membutuhkan kustomisasi agen, perubahan lingkungan eksekusi, atau penelitian arsitektur Agen, ini adalah titik awal open source yang layak dipelajari mendalam; bagi pengguna umum, langsung menggunakan obrolan online DeepSeek V4 tetap menjadi pilihan lebih sederhana.
Untuk merasakan kemampuan obrolan, kode, dan pemrosesan data DeepSeek V4 terlebih dahulu, dapat memulai dari tautan di bawah ini.