DeepSeek 开源 Harness，把 Agent 变成「一切皆插件」

北京时间 8 月 13 日晚，DeepSeek 面向全球开发者开放 DeepSeek Harness 开发者预览版，并以 MIT 协议开放源代码。与外界更熟悉的模型权重发布不同，这次开源的是模型外部的一整套 Agent 运行基础设施：模型、工具、技能、会话、沙箱、存储、Agent 循环、任务调度和用户界面，都可以作为插件加载、卸载和替换。DeepSeek 为这套架构概括出一句很容易传播的话——「一切皆插件」。

为什么模型之外还需要 Harness

大模型本身只负责生成下一步内容。一个能读写文件、运行命令、调用外部服务、派出子 Agent 并根据执行结果继续工作的 Agent，还需要一套持续运转的控制系统。进入长程任务之后，Harness 还要负责上下文管理、权限控制、状态保存、错误恢复和循环停止条件。

由此点出 Harness 设计中的一个长期矛盾：框架需要提供足够多的控制，同时又不能用过度固定的流程限制模型。同一个模型放进不同 Harness，最终表现可能出现明显差异：系统提示词如何组织、工具定义是否清晰、上下文何时压缩、失败后能否重试，都会影响任务成功率、Token 消耗和运行时间。当模型评测从单次问答转向真实工程任务之后，Harness 本身已经成为评测变量。

目前这一层已经聚集了多条技术路线：OpenAI Agents SDK 提供工具、Agent 交接、护栏、会话和追踪；Claude Agent SDK 开放了 Claude Code 使用的工具、Agent 循环和上下文管理；LangGraph 侧重持久化执行、人类介入和状态恢复。DeepSeek Harness 进入的是一个已有成熟参与者的市场，其差异化方向是把这些能力进一步拆成可由配置组合的插件。

「一切皆插件」如何落地

DeepSeek Harness 建立在 Cordis 插件系统之上。根据官方文档，模型适配器、工具注册表、会话日志乃至 Agent 循环本身都属于插件，开发者无需修改 Harness 主体代码，就能通过插件替换或扩展具体能力。

Cordis 将这种能力称为「时空可组合性」：

「时间」指插件卸载后，其注册过的服务、事件和副作用能够随之撤销；
「空间」指插件可以声明依赖，并在其他组件发生变化时重新建立协作关系。

8 月 13 日公开的 Cordis 论文仍被标注为持续修订中的预印本，其实现包括副作用追踪、依赖解析、配置协调和热更新，瞄准的场景已经从传统插件系统延伸到「自我演进的 Agent Harness」。

对于开发者，这种拆分带来三类直接价值：

模型与运行环境可以分离，便于分辨能力提升究竟来自模型还是来自外部工程优化。
企业可以保留自己的基础设施，沙箱、存储、审批、凭证和遥测都能作为插件存在。
Agent 能力可以形成独立生态，开发者无需维护分叉版本，只需发布插件。

开放程度越高，治理成本也越高：工具插件可以接触文件和外部服务，存储插件掌握完整会话，循环插件则可能改变 Agent 的决策路径，插件来源验证、权限边界、依赖冲突、版本兼容和供应链安全都会成为生态能否进入生产环境的前提。

四种预设模式：四种 Agent 实验方法

官方资料将 Harness 的预设运行方式分为四种：

标准模式：提供相对完整的工具集合，面向日常 Agent 任务。
极简模式：只保留 Shell 和文件编辑工具，主要用于基准测试，使评测更接近对模型自主规划、代码修改和终端操作能力的直接观察。
PTC 模式：采用程序化工具调用（Programmatic Tool Calling），模型先生成代码，再由代码组织多轮工具调用，适合连续查询、批量处理或根据中间结果分支的任务。
创造模式：Agent 可以检查当前运行时，在内存中试验 Cordis 插件，再组合出新的运行模式。

官方仓库的基准说明目前只给出了如何运行 jsonrpc-agent 极简变体，尚未公布 DeepSeek Harness 与其他 Harness 的对比成绩。官方开发文档已提供一个「自指式」Cordis 演示，允许 Agent 检查和修改正在运行的插件环境，但这距离稳定的「自我进化」仍有很长的工程路径。

把每一次运行变成可回放的事件流

DeepSeek Harness 另一项重要设计，是仅追加的会话日志。一个 Session 由按顺序追加的事件构成，是 Agent 全部交互历史的唯一事实来源：模型消息历史由这份日志推导生成，不再单独保存；恢复和回放也从同一组事件重新构建。

官方文档称，系统提示词、思维链、工具调用及其结果、子 Agent 调度和上下文注入都会被记录，并可以在 Trajectory 视图中按来源查看。这样做的价值很直接：当 Agent 在第几十步做错决定，开发者可以回到当时模型真正看到的上下文，确认问题来自模型判断、工具返回、提示词变化还是错误的上下文注入。

仅追加日志也会带来新的数据治理问题：完整事件流可能包含代码、凭证线索、内部文件内容和工具返回结果，可回放提高了可审计性，也扩大了需要保护的数据面。

它与 MCP 处在不同层级

「一切皆插件」很容易让人联想到 MCP，但两者解决的问题并不相同：

MCP 是连接 AI 应用与外部数据、工具和工作流的开放标准，重点是统一连接方式。
Harness 负责更上层的运行逻辑：何时把工具交给模型、调用前是否需要审批、结果如何写入会话、失败后是否重试、Agent 何时派出子任务，又在什么条件下停止。

MCP 服务器可以成为 Harness 中的工具来源，Skills 可以成为能力包，Cordis 插件负责把模型、工具、状态、循环、界面和政策组合成一个可运行的 Agent。也就是 Agent「如何运行」的控制层。这个位置具有潜在生态价值：谁掌握 Harness，谁就更接近真实任务入口，也更容易影响模型选择、工具分发、运行成本和开发者工作流。

当前状态：一张仍在快速迭代的设计蓝图

DeepSeek 对版本状态给出了明确提示：当前处于开发者预览阶段，后续将出现破坏兼容性的变更。截至发稿，仓库根目录 package.json 标注的版本为 0.1.0-rc.5，GitHub Releases 页面仍为空，处于 v0.1 系列的候选和快速迭代阶段。

部署方式上，开发者安装 Node.js 后可通过 npx @deepseek-ai/dsh web 启动 Web 界面，默认地址为 http://127.0.0.1:3080，也可从官方仓库克隆源码安装；官方文档目前要求 Node.js 22.19 及以上的 22.x 版本，或 24 及以上版本。Harness 本身按 MIT 协议免费开源，但官方默认使用方式仍需配置 DeepSeek API Key，免费打开 Web UI 不代表运行 Agent 不产生模型调用成本。

DeepSeek Harness 将开源竞争推进到了模型之外。开放权重解决了「谁能运行模型」的问题，开放 Harness 则进一步触及「谁能决定模型如何工作」。当 Agent 开始执行持续数小时甚至数天的任务，模型只是系统中的一个组件，运行层会越来越多地决定能力上限和使用边界。「一切皆插件」给了开发者更大的改造空间，也把更难的生态任务交到了 DeepSeek 手里。