DeepSeek Harness erklärt: Was dsh ist, wie es funktioniert und was es kostet

Was ist DeepSeek Harness?

DeepSeek Harness ist ein Open-Source-Agenten-Harness, entwickelt von DeepSeek AI und aufgebaut auf einem Plugin-Framework namens Cordis. Das Repo ging am 13. August 2026 online, und der Launch-Thread auf Hacker News erreichte 747 Punkte und 314 Kommentare. Der Kommandozeilenname ist dsh, das npm-Paket heißt @deepseek-ai/dsh, und es kam in der Woche bis zum 4. Oktober auf 451.964 npm-Downloads.

DeepSeeks eigene Produktseite positioniert es deutlich breiter als nur fürs Coding: „Everyday tasks, coding, or your own harness." Die integrierte Demo nennt fünf Aufgaben, die es erledigt, vom Ordnen von Dateien und Entwerfen von Folien über das Beheben von Bugs und Recherchieren mit Quellenangaben bis zum Ausführen von Hintergrundskripten.

Der Status des Projekts ist ebenso wichtig wie der Pitch. Das README bezeichnet es als Developer Preview und warnt in Großbuchstaben, dass es kompatibilitätsbrechende Änderungen geben wird. Jedes Release bisher ist ein Pre-Release, und das neueste Tag zum Zeitpunkt des Schreibens ist dsh-v0.2.1-alpha.1 vom 3. Oktober.

Was ist überhaupt ein Agenten-Harness?

Ein Modell allein sagt nur Text voraus, und ein Harness ist alles drumherum, was diese Vorhersagen in Aktionen verwandelt: die Schleife, die einen Prompt sendet, einen Tool-Aufruf liest, das Tool ausführt, das Ergebnis zurückgibt und entscheidet, wann Schluss ist. Es verantwortet auch die Sandbox, die Berechtigungen, den Sitzungsverlauf und die Oberfläche, in die du tippst.

Claude Code, Codex und das Strands Harness von AWS sind alles Harnesses. Ebenso der Agent, der bei eesel Tickets beantwortet. Das Modell bekommt die Schlagzeilen, aber der Großteil des Unterschieds, den du im Alltag spürst (wie es den Kontext verwaltet, wie es sich von einem fehlgeschlagenen Befehl erholt und auch, was es anfassen darf), liegt im Harness.

Das Besondere an DeepSeeks Version ist nicht, dass es ein Harness ist. Sondern dass es keinen festen Kern gibt. DeepSeeks Architektur-Dokument sagt es unverblümt: Es gibt „no privileged core to patch."

Wie „alles ist ein Plugin" tatsächlich funktioniert

Unter der Haube ist dsh eine Menge von Cordis-Plugins. In Cordis steuern Plugins Dienste, typisierte Events und „reversible effects" zu einem gemeinsamen Kontext bei, sodass ein Plugin geladen, ausgetauscht oder entladen werden kann, während die App läuft. DeepSeek wendet das auf jede Ebene an: Modelladapter, Tool-Registry, Session-Log und Agentenschleife sind jeweils nur Plugins, die du per Konfiguration ersetzen kannst, laut Architektur-Dokument.

Plugins sind in Bundles gruppiert, und Bundles werden zu Profilen gestapelt. Die CLI-Referenz legt die Reihenfolge fest, in der sich die Ebenen zusammensetzen:

1. Der Patch jedes Bundles, in der Reihenfolge, in der das Profil sie auflistet.
2. Die eigene cordis.patch.yml des Profils.
3. Die $DSH_HOME/cordis.patch.yml auf Home-Ebene, die von jedem Profil geteilt wird.
4. Jede --patch-Datei, die du auf der Kommandozeile übergibst.

Spätere Ebenen gewinnen, und ein Patch ersetzt die gesamte config der anvisierten Zeile, statt sie tief zu mergen. Wenn du schon mal mit einer Konfigurationsdatei gekämpft hast, die stillschweigend einen vergessenen Wert eingemischt hat, ist diese Regel ziemlich erfrischend. Mit dsh --profile web --dump-config kannst du das zusammengesetzte Ergebnis ausgeben, das jede Zeile mit der Datei annotiert, die sie geliefert hat.

Was die Leute am meisten begeistert hat, ist der Creator-Modus. Du beschreibst ein Plugin im Chat, und der Agent schreibt, installiert und verifiziert es. DeepSeeks Demo baut einen schwebenden Pomodoro-Timer: Der Agent lädt einen Skill cordis-plugin-development, schreibt eine client.js mit 638 Zeilen, installiert sie über den Plugin-Manager und bestätigt, dass sie funktioniert, in 5 Minuten 24 Sekunden.

Der Kompromiss ist real, was ein Power-User auf Hacker News gut formuliert hat, denn ein Kern-Plugin ersetzen zu können ist nicht dasselbe, wie es anpassen zu können:

"the problem with "Everything Is A Plugin" is that when this includes core functionality, you still have to maintain downstream patches for those core plugins if you want to tweak existing behaviour. I currently have ~25 downstream commits and 0 new plugins."

wren6991, Hacker News

Fünf Wege, es zu betreiben

Alles startet mit einem Launcher, dsh, der ein benanntes Profil bootet. Fünf Profile werden direkt mitgeliefert, und die Desktop-App umhüllt das Web-Profil. So unterscheiden sie sich, laut CLI-README und Desktop-README:

Für CI würde ich zuerst zum Headless-Modus greifen. Er streamt das Reasoning des Modells unter der Überschrift dsh: reasoning: nach stderr und hält stdout sauber für die Antwort, was das Weiterleiten an den nächsten Schritt einfach macht. Seit v0.1.7 liest er außerdem Aufgaben von stdin, setzt mit --session-id fort und gibt mit --json zeilenweise getrennte JSON-Events aus. Wenn du Agenten bereits aus einem Terminal skriptest, behandelt mein Leitfaden zum Steuern von KI-Agenten über die CLI dasselbe Muster mit anderen Tools.

Ein kleines Detail, das mir gefallen hat: Das Web-Profil weist --host 0.0.0.0 zurück und gibt einen Usage-Fehler aus. Einen Agenten mit Shell-Zugriff deinem gesamten Netzwerk zugänglich zu machen, musst du bewusst tun, über --public-url und --trusted-host.

Was du ab Werk bekommst

Die Standardinstallation ist bewusst schlank, und die meisten interessanten Teile sind offizielle Plugins, die du einschaltest. Die Highlights aus den Docs und den Release Notes:

• Subagenten, auch andere Harnesses. Optionale Plugins lassen dsh Claude Code und Codex als Subagenten aufrufen (@deepseek-ai/dsh-subagent-claude-code und @deepseek-ai/dsh-subagent-codex). Subagenten-Ketten erlauben standardmäßig 8 aktive Kinder bei einer Delegationstiefe von 1, laut v0.1.6-Notes.
• Agenten-Teams. Ein experimenteller Team-Modus mit gemeinsamem Aufgabenboard, bei dem das Standardlimit für Teammitglieder im September von 8 auf 16 stieg.
• Geplante Aufgaben. Wiederkehrende Jobs wie „jeden Freitag um 17:00 die Notizen dieser Woche zusammenfassen." In der Desktop-App standardmäßig aus.
• Office-Dateien. Die Desktop-App registriert die Skills office-docx, office-pptx und office-xlsx und zeigt Word-, Excel- und PowerPoint-Dateien in der App als Vorschau an.
• Browser- und Computer-Nutzung. Experimentelle Backends über Playwright MCP, Chrome DevTools MCP, Stagehand und einen Cua-Treiber.
• MCP-Client. MCP-Unterstützung wird als Abhängigkeit mitgeliefert, aber standardmäßig ist kein Server aktiviert (mehr dazu unten).
• Eine Claude-Code-Mods-Brücke. Das neueste Release fügt eine experimentelle Kompatibilitätsschicht hinzu, um zu testen, ob die Fähigkeiten von Claude-Code-Mods „broadly a subset" des Plugin-Systems von dsh sind.

Das Feature, über das Nutzer am meisten sprechen, ist die Trajectory-Ansicht, ein Entwickler-Panel, das jeden Turn, Tool-Aufruf, jede Payload, jedes Ergebnis und Timing als Zeitleiste zeigt, sodass du genau siehst, wo ein Agent vom Weg abkam, statt aus der finalen Antwort zu raten.

"Trajectory view is the underrated bit. If the agent searches the web or edits files, people need to see the trail, not just trust the final answer."

Ferbin, X

Dem stimme ich mehr zu als der Sternenzahl. Beim Helpdesk-Teammitglied von eesel ist die Debugging-Oberfläche, auf die ich mich am meisten stütze, das Aktivitätsprotokoll pro Lauf, das zeigt, was der Agent gelesen und welches Tool er aufgerufen hat. Einen Agenten, den du nicht nachverfolgen kannst, kannst du nicht mit echten Aufgaben betrauen.

Die Standardeinstellungen, die du vor dem Start prüfen solltest

Das ist der Abschnitt, den die meiste Launch-Berichterstattung überspringt, und den ich zuerst lesen würde. Nichts davon ist versteckt, alles steht in DeepSeeks eigenen Docs, aber es ist leicht zu übersehen, wenn die Installation nur ein npx-Befehl ist.

Session-Logs gehen in der offiziellen API an DeepSeek. Das Basis-Bundle bindet einen DeepSeek-Session-Log-Contributor ein, der standardmäßig aktiv ist. Er sendet deine Session-Logs mit späteren Anfragen an die DeepSeek-API, auch über konfigurierte Gateways. Du kannst ihn unter Settings, General, Upload Session Log when using the official model API abschalten oder die enabled-Konfiguration des Plugins auf false setzen. Ein Hacker-News-Kommentator, der sich damit befasst hat, ergänzte die nützliche Kehrseite: Wenn du dsh web gegen ein lokales Modell betreibst, geht standardmäßig nichts an DeepSeek außer dem Websuche-Tool, das die API von DeepSeek nutzt.

Schreibzugriffe sind in der Sandbox; Lesezugriffe und Netzwerk nicht. Neue Sitzungen nutzen das Preset workspace-write, sodass Bash und Dateiänderungen auf den Workspace beschränkt sind und auf temporäre Ordner. Lesezugriffe und Netzwerkzugriff sind nicht eingeschränkt, der Agent kann also deinen Home-Ordner lesen und das Internet aufrufen. Wie stark Prozesse isoliert sind, hängt vom Backend ab: bwrap unter Linux verbirgt Host-Prozesse, während Landlock und macOS Seatbelt das nicht tun. Das Profil sdk-minimal geht den umgekehrten Weg und setzt danger-full-access ganz ohne Freigabedienst.

MCP-Server sind aus, bis du sie hinzufügst. DeepSeeks Begründung ist zitierenswert: Jeder MCP-Server-Befehl ist „trusted executable code outside the agent sandbox", daher ist keiner standardmäßig aktiviert. Das ist die richtige Entscheidung, und aus demselben Grund würde ich jeden MCP-Server für die Support-Arbeit prüfen, bevor ich ihn mit Kundendaten verbinde.

Telemetrie ist im Web-Build nur für Feedback. Der Basis-Default für DSH_TELEMETRY_MODE ist FEEDBACK_ONLY, und DISABLED schaltet sie ab. Ein Hacker-News-Nutzer berichtete, dass der Desktop-Build Telemetrie offenbar standardmäßig aktiviert, und das Desktop-README bestätigt, dass seine Analytics einer separaten Produkt-Erfassungsrichtlinie mit einer Live-Einstellung folgen. Prüfe diesen Schalter also, wenn du die App nutzt.

Nichts davon macht dsh ungewöhnlich, denn die meisten gehosteten Coding-Agenten senden ebenfalls deine Prompts und deinen Code an ihren Anbieter, so funktioniert ein gehostetes Modell nun mal. Der Unterschied ist, dass dsh Open Source ist und lokal läuft, was viele zu der Annahme verleitet, dass nichts den Rechner verlässt. Mit der offiziellen API stimmt diese Annahme nicht, bis du die Einstellung umlegst.

Was kostet DeepSeek Harness?

Das Harness ist kostenlos. Die MIT-Lizenz deckt den Code ab, und die Produktseite nennt keine Tarife oder Gebühren. Bezahlt wird die Modellnutzung, und die ist in DeepSeeks eigener API ungewöhnlich günstig. Hier die aktuelle Preisliste, pro Million Tokens:

Zwei Details verändern die Rechnung. Erstens: Außerhalb der Stoßzeiten gilt der halbe Preis, und die Stoßzeiten sind laut Preis-Docs nur werktags von 01:00 bis 04:00 und von 06:00 bis 10:00 UTC, ausgenommen chinesische Feiertage. Am Wochenende gilt ganztägig der Off-Peak-Preis. Zweitens: Der Modellname lautet jetzt deepseek-flash; die älteren Namen deepseek-v4-flash funktionieren weiterhin, werden aber von V4.1 Flash bedient und zum Flash-Preis abgerechnet. Mein Beitrag zu den V4.1-Flash-Preisen geht tiefer in die Cache-Rechnung.

Ein kurzes Rechenbeispiel. Angenommen, eine lange Coding-Sitzung sendet 5 Millionen nicht gecachte Input-Tokens und erhält 500.000 Output-Tokens auf V4.1 Flash zurück. Außerhalb der Stoßzeiten sind das 5 x 0,15 $ plus 0,5 x 0,60 $, also 1,05 $. Dieselbe Sitzung kostet zu Stoßzeiten 2,10 $. Agentenschleifen senden viel Kontext erneut, in der Praxis würde also ein großer Teil dieses Inputs den Cache zu 0,003 $ treffen, und die echte Rechnung wäre noch niedriger.

Das ist der ehrliche Grund, warum dsh so viel Aufmerksamkeit bekommt, und ein Kommentator fasste den Handel zusammen, den die meisten abwägen:

"At least DeepSeek provides 95% of the performance for 10% of the cost."

cheonic4040, Hacker News

Betrachte die „95 %" als Eindruck einer einzelnen Person, nicht als Benchmark. Für einen ausführlicheren Vergleich decken meine Beiträge zu V4 Flash vs. V4 Pro und zu den Claude-Code-Preisen die Modell- und Abo-Seite ab.

Was sagen Entwickler?

Die Reaktionen teilten sich in Lager: Leute, die die Architektur lieben, Leute, die den Preis lieben, und Leute, die sehen wollen, ob es den Kontakt mit der Produktion überlebt.

Zur Architektur ist das Lob konkret. Hesam (@Hesamation) listete die Reaktionen auf, die er in den ersten Tagen sah:

"unusually well designed architecture with tools, session log, agent loop, subagents, all being replaceable plugins"

Hesam, X

Praktische Nutzer verweisen darauf, wie es sich im Alltag anfühlt. Ein Entwickler verglich es direkt mit OpenCode und hob die bidirektionale Subagenten-Kommunikation hervor:

"Good things about it are that it is extremely lightweight and fast. The communication between sub agents is two way in that a sub agent can midway send a message to parent and the parent can send a message midway to change the course of action of a sub agent and while this is happening, you can sitll continue talking to the model on the main thread."

wg0, Hacker News

Auch die Skeptiker haben nicht unrecht. Sterne messen Aufmerksamkeit, und ein schnell wachsendes Repo mit abgeschaltetem Issue-Tracker ist von außen schwer zu beurteilen:

"The repo was created on 13 August, so that is about 202K stars in 15 days, and the issue tracker is turned off. Stars at that rate measure attention, not deployment. Is there a published number on agents actually running on it?"

Marius Laurusevicius, X

Die DeepSeek-Autoren waren dabei offen. Einer von ihnen schrieb am Launch-Tag, dass es „an early developer preview" sei und man „expect lots of rough edges and compatibility-breaking changes" solle. Das Changelog bestätigt das: Allein das Release v0.2.1-alpha.1 entfernte die Runtime-Invariant-Plugins und benannte die Composer-Statistik-Einträge um, beides Breaking Changes für Plugin-Autoren.

Der Betrieb mit Nicht-DeepSeek-Modellen funktioniert ebenfalls. Ollama, ein beliebter Runner für lokale Modelle, kündigte am zweiten Tag Unterstützung an:

"Ollama now supports the DeepSeek Harness. ollama launch dsh. Run it completely in your own environment."

Ollama, X

Wie es sich zu Claude Code, Codex und Strands verhält

Alle vier sind Harnesses, und die ehrliche Antwort ist, dass sie konvergieren. Die Unterschiede, die heute zählen, sind Offenheit und Modellbindung sowie Reife.

Meine Einschätzung: Wenn du daran herumtüfteln willst, wie ein Agent funktioniert, oder einen leistungsfähigen Coding-Agenten für ein paar Dollar am Tag auf DeepSeek V4.1 Flash betreiben willst, ist dsh derzeit das interessanteste offene Harness. Wenn du etwas brauchst, auf das sich dein ganzes Team nächstes Quartal verlassen kann, ohne jede Woche das Changelog neu zu lesen, sind die etablierten Tools weiter die sicherere Wahl. Für einen breiteren Überblick decken meine Übersicht der KI-Coding-Assistenten und die Liste der Strands-Harness-Alternativen weitere Optionen ab.

Solltest du darauf einen Support-Agenten bauen?

Jemand hat schon gefragt. Ein kleiner Ask-HN-Thread mit dem Titel „Anyone using DeepSeek Harness (dsh) as part of a customer-facing agent?" zeigt, wohin die Gedanken gehen, sobald der Token-Preis so niedrig ist: Wenn der Agent kostenlos und das Modell billig ist, warum nicht den eigenen Support-Bot bauen?

Ich verstehe den Reiz, denn ich sehe es von der anderen Seite. Eine Handvoll eesel-Kunden ist gegangen, um direkt auf der Claude-API selbst zu bauen, und eine Kosmetikmarke im Tarif für 799 $/Monat sagte dem Support-Team von eesel, sie würde „build their own solution", wenn der Preis nicht sinke. Günstige Modelle machen dieses Gespräch häufiger, nicht seltener.

Der Haken ist, dass das Harness der kleinere Teil der Aufgabe ist. So sehe ich die Aufteilung, nachdem ich eines gebaut habe:

dsh gibt dir eine gute Schleife und Sandboxing sowie ein Plugin-System. Ein Support-Agent braucht außerdem eine Zwei-Wege-Verbindung zu deinem Helpdesk (Ticket lesen, taggen, antworten, eskalieren), eine Möglichkeit, dein Help Center, deine Makros und vergangene Tickets bei Änderungen synchron zu halten, Regeln dafür, was er ohne Mensch tun darf, und eine Möglichkeit, ihn an echten vergangenen Tickets zu testen, bevor er mit einem Kunden spricht. Dieser letzte Schritt ist der, den ich nie überspringen würde. Ich habe erlebt, wie ein selbstsicher klingender Bot tagelang falsche Antworten gab, bevor es jemand bemerkte, weshalb jeder eesel-Rollout heute zuerst gegen historische Tickets simuliert wird.

Meine Antwort also: Baue auf dsh, wenn dein Team Freude daran hat, diesen Stack zu besitzen, und die Zeit hat, mit einer Preview Schritt zu halten, die sich wöchentlich ändert. Wenn dein Ziel beantwortete Tickets sind statt eines Frameworks, das du pflegen musst, stell stattdessen das Teammitglied ein. Und lies den Abschnitt zu den Standardeinstellungen oben noch einmal, bevor Kundendaten durch die offizielle API laufen.

eesel ausprobieren

Am klarsten lässt es sich so sagen: DeepSeek Harness ist Infrastruktur, und eesel ist der Mitarbeiter. eesel ist eine Plattform für KI-Teammitglieder, auf der du einsatzbereite Teammitglieder für bestimmte Aufgaben einstellst. Für den Support ist das das KI-Helpdesk-Teammitglied: Es wird in Minuten an Zendesk, Freshdesk, Gorgias und andere Helpdesks angebunden, lernt aus deinen vergangenen Tickets und deinem Help Center, und du kannst es an deinem eigenen Ticketverlauf simulieren, bevor es jemandem antwortet.

Wenn dsh dir aufgefallen ist, weil du gern Agenten aus dem Terminal steuerst, hat eesel das auch. Die eesel CLI bedient dasselbe Teammitglied und denselben Workspace wie das Dashboard, kein separates Produkt. npx @eesel/cli init richtet einen Agenten ein, eesel integrations connect verbindet deinen Helpdesk, eesel approvals list zeigt Aktionen, die auf einen Menschen warten, und mit eesel activity kannst du jeden Lauf im Detail lesen, ähnlich wie die Trajectory-Ansicht von dsh. Jeder Befehl gibt JSON aus und unterstützt --dry-run, sodass ein Coding-Agent wie Claude Code, Codex oder sogar dsh selbst einen Workspace für dich einrichten und testen kann. Mein Beitrag zum Verwalten von KI-Agenten im Terminal führt dich durch.

Du kannst mit dem kostenlosen Tarif mit 100 Credits und ohne Karte starten; bezahlte Teammitglied-Tarife beginnen bei 299 $/Monat für 500 Credits, wobei ein Ticket oder Chat einem Credit entspricht. Das ist der kürzere Weg, wenn du gelöste Tickets willst und kein Harness, das du pflegen musst.