DeepSeek Harness expliqué : ce qu'est dsh, comment il fonctionne et ce qu'il coûte

Qu'est-ce que DeepSeek Harness ?

DeepSeek Harness est un harness d'agents open source développé par DeepSeek AI et construit sur un framework de plugins appelé Cordis. Le dépôt a été mis en ligne le 13 août 2026, et le fil de lancement sur Hacker News a atteint 747 points et 314 commentaires. Le nom en ligne de commande est dsh, le paquet npm est @deepseek-ai/dsh, et il a enregistré 451 964 téléchargements npm la semaine jusqu'au 4 octobre.

La page produit de DeepSeek le présente bien au-delà du code : "Everyday tasks, coding, or your own harness." La démo intégrée énumère cinq tâches qu'il gère, de l'organisation de fichiers et la rédaction de diapositives à la correction de bugs, la recherche avec citations et l'exécution de scripts en arrière-plan.

Le statut du projet compte autant que l'argumentaire. Le README le qualifie d'aperçu pour développeurs et avertit, en majuscules, qu'il y aura des changements non rétrocompatibles. Toutes les versions à ce jour sont des préversions, et la dernière balise au moment de la rédaction est dsh-v0.2.1-alpha.1, du 3 octobre.

Qu'est-ce qu'un harness d'agents, au juste ?

Un modèle seul ne fait que prédire du texte, et un harness est tout ce qui l'entoure et transforme ces prédictions en actions : la boucle qui envoie un prompt, lit un appel d'outil, exécute l'outil, renvoie le résultat et décide quand s'arrêter. Il gère aussi le bac à sable, les permissions, l'historique de session et l'interface dans laquelle vous tapez.

Claude Code, Codex et le harness Strands d'AWS sont tous des harnesses. L'agent qui répond aux tickets chez eesel aussi. Le modèle fait les gros titres, mais l'essentiel de la différence que vous ressentez au quotidien (la façon dont il gère le contexte, dont il se remet d'une commande échouée, et aussi ce qu'il a le droit de toucher) se situe dans le harness.

Ce qui distingue la version de DeepSeek, ce n'est pas d'être un harness. C'est qu'il n'y a pas de noyau fixe. Le document d'architecture de DeepSeek le dit sans détour : il n'y a "no privileged core to patch."

Comment fonctionne vraiment « tout est un plugin »

Sous le capot, dsh est un ensemble de plugins Cordis. Dans Cordis, les plugins apportent des services, des événements typés et des "reversible effects" à un contexte partagé, de sorte qu'un plugin peut être chargé, remplacé ou déchargé pendant que l'application tourne. DeepSeek applique cela à chaque couche : l'adaptateur de modèle, le registre d'outils, le journal de session et la boucle d'agent sont chacun de simples plugins que vous pouvez remplacer depuis la configuration, selon le document d'architecture.

Les plugins sont regroupés en bundles, et les bundles sont empilés en profils. La référence de la CLI détaille l'ordre dans lequel les couches se composent :

1. Le patch de chaque bundle, dans l'ordre où le profil les liste.
2. Le cordis.patch.yml propre au profil.
3. Le $DSH_HOME/cordis.patch.yml au niveau du dossier personnel, partagé par tous les profils.
4. Tout fichier --patch passé en ligne de commande.

Les couches suivantes l'emportent, et un patch remplace l'intégralité du config de la ligne ciblée au lieu de le fusionner en profondeur. Si vous avez déjà lutté avec un fichier de configuration qui fusionnait discrètement une valeur oubliée, cette règle est plutôt rafraîchissante. Vous pouvez afficher le résultat composé avec dsh --profile web --dump-config, qui annote chaque ligne avec le fichier qui l'a fournie.

Ce qui a le plus enthousiasmé les gens, c'est le mode Creator. Vous décrivez un plugin dans le chat et l'agent l'écrit, l'installe et le vérifie. La démo de DeepSeek construit un minuteur Pomodoro flottant : l'agent charge une skill cordis-plugin-development, écrit un client.js de 638 lignes, l'installe via le gestionnaire de plugins et confirme que ça marche, en 5 minutes 24 secondes.

Le compromis est réel, ce qu'un utilisateur intensif a bien formulé sur Hacker News, car pouvoir remplacer un plugin central n'est pas la même chose que pouvoir l'ajuster :

"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

Cinq façons de l'exécuter

Tout part d'un seul lanceur, dsh, qui démarre un profil nommé. Cinq profils sont livrés d'office, et l'application de bureau enveloppe le profil web. Voici en quoi ils diffèrent, d'après le README de la CLI et le README du bureau :

Pour la CI, le mode headless est celui que j'utiliserais en premier. Il envoie le raisonnement du modèle vers stderr sous l'intitulé dsh: reasoning: et garde stdout propre pour la réponse, ce qui facilite le passage à l'étape suivante. Depuis la v0.1.7, il lit aussi les tâches depuis stdin, reprend avec --session-id et émet des événements JSON délimités par des sauts de ligne avec --json. Si vous scriptez déjà des agents depuis un terminal, mon guide sur le contrôle des agents IA depuis la CLI couvre le même schéma avec d'autres outils.

Un petit détail que j'ai aimé : le profil web rejette --host 0.0.0.0 avec une erreur d'usage. Exposer à tout votre réseau un agent doté d'un accès shell, il faut le faire exprès, via --public-url et --trusted-host.

Ce que vous obtenez d'office

L'installation par défaut est volontairement légère, et la plupart des éléments intéressants sont des plugins officiels que vous activez. Les points forts tirés de la documentation et des notes de version :

• Des sous-agents, y compris d'autres harnesses. Des plugins optionnels permettent à dsh d'appeler Claude Code et Codex comme sous-agents (@deepseek-ai/dsh-subagent-claude-code et @deepseek-ai/dsh-subagent-codex). Les chaînes de sous-agents ont par défaut 8 enfants actifs avec une profondeur de délégation de 1, d'après les notes de la v0.1.6.
• Équipes d'agents. Un mode équipe expérimental avec un tableau de tâches partagé, où la limite par défaut de coéquipiers est passée de 8 à 16 en septembre.
• Tâches planifiées. Des travaux récurrents comme « chaque vendredi à 17 h, résume les notes de la semaine. » Désactivé par défaut sur le bureau.
• Fichiers Office. Le bureau enregistre les skills office-docx, office-pptx et office-xlsx et prévisualise les fichiers Word, Excel et PowerPoint dans l'application.
• Utilisation du navigateur et de l'ordinateur. Des backends expérimentaux via Playwright MCP, Chrome DevTools MCP, Stagehand et un pilote Cua.
• Client MCP. La prise en charge de MCP est livrée en dépendance, mais aucun serveur n'est activé par défaut (nous y reviendrons plus bas).
• Un pont vers les mods de Claude Code. La dernière version ajoute une couche de compatibilité expérimentale pour tester si les capacités des mods de Claude Code sont "broadly a subset" du système de plugins de dsh.

La fonctionnalité dont les utilisateurs parlent le plus est la vue de trajectoire, un panneau pour développeurs qui montre chaque tour, appel d'outil, payload, résultat et durée sous forme de chronologie, pour voir exactement où un agent a dérapé plutôt que de deviner à partir de la réponse finale.

"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

Je suis plus d'accord avec cela qu'avec le nombre d'étoiles. Sur le coéquipier helpdesk d'eesel, l'outil de débogage sur lequel je m'appuie le plus est le journal d'activité par exécution, qui montre ce que l'agent a lu et quel outil il a appelé. Un agent que vous ne pouvez pas tracer est un agent à qui vous ne pouvez rien confier de réel.

Les réglages par défaut à vérifier avant de l'exécuter

C'est la section que la plupart des articles de lancement passent sous silence, et celle que je lirais en premier. Rien de tout cela n'est caché, tout figure dans la documentation de DeepSeek, mais c'est facile à manquer quand l'installation tient en une seule commande npx.

Les journaux de session vont chez DeepSeek sur l'API officielle. Le bundle de base monte un contributeur de journal de session DeepSeek activé par défaut. Il envoie vos journaux de session avec les requêtes suivantes à l'API DeepSeek, y compris via des passerelles configurées. Vous pouvez le désactiver sous Settings, General, Upload Session Log when using the official model API, ou mettre la configuration enabled du plugin à false. Un commentateur de Hacker News qui a creusé le sujet a ajouté le revers utile : si vous exécutez dsh web avec un modèle local, rien ne part chez DeepSeek par défaut, sauf l'outil de recherche web, qui utilise l'API de DeepSeek.

Les écritures sont isolées ; les lectures et le réseau ne le sont pas. Les nouvelles sessions utilisent le préréglage workspace-write, de sorte que Bash et les modifications de fichiers sont limités au workspace et aux dossiers temporaires. Les lectures et l'accès réseau ne sont pas confinés, donc l'agent peut lire votre dossier personnel et appeler Internet. Le degré d'isolation des processus dépend du backend : bwrap sous Linux masque les processus de l'hôte, alors que Landlock et macOS Seatbelt ne le font pas. Le profil sdk-minimal va dans l'autre sens et impose danger-full-access sans aucun service d'approbation.

Les serveurs MCP sont désactivés tant que vous ne les ajoutez pas. Le raisonnement de DeepSeek mérite d'être cité : chaque commande de serveur MCP est "trusted executable code outside the agent sandbox", donc aucune n'est activée par défaut. C'est le bon choix, et c'est la même raison pour laquelle j'auditerais n'importe quel serveur MCP pour le support avant de le connecter à des données clients.

La télémétrie se limite aux retours sur la version web. La valeur de base de DSH_TELEMETRY_MODE est FEEDBACK_ONLY, et DISABLED la coupe. Un utilisateur de Hacker News a signalé que la version de bureau semble activer la télémétrie par défaut, et le README du bureau confirme que ses analyses suivent une politique de collecte produit distincte avec un réglage en direct, donc vérifiez ce bouton si vous utilisez l'application.

Rien de tout cela ne rend dsh inhabituel, car la plupart des agents de code hébergés envoient aussi vos prompts et votre code à leur éditeur, c'est simplement ainsi que fonctionne un modèle hébergé. La différence est que dsh est open source et s'exécute en local, ce qui amène beaucoup de gens à supposer que rien ne quitte la machine. Avec l'API officielle, cette hypothèse est fausse tant que vous n'avez pas changé le réglage.

Combien coûte DeepSeek Harness ?

Le harness est gratuit. La licence MIT couvre le code, et la page produit ne liste ni offres ni frais. Ce que vous payez, c'est l'utilisation du modèle, et sur l'API propre de DeepSeek elle est exceptionnellement bon marché. Voici la grille tarifaire actuelle, par million de tokens :

Deux détails changent le calcul. D'abord, les heures creuses sont à moitié prix, et les heures de pointe ne sont que de 01:00 à 04:00 et de 06:00 à 10:00 UTC en semaine, hors jours fériés chinois, d'après la documentation tarifaire. Les week-ends sont en heures creuses toute la journée. Ensuite, le modèle s'appelle désormais deepseek-flash ; les anciens noms deepseek-v4-flash fonctionnent toujours mais sont servis par V4.1 Flash et facturés au tarif Flash. Mon article sur les tarifs de V4.1 Flash détaille le calcul du cache.

Un exemple rapide. Supposons qu'une longue session de code envoie 5 millions de tokens d'entrée hors cache et reçoive 500 000 tokens de sortie sur V4.1 Flash. En heures creuses, cela fait 5 x 0,15 $ plus 0,5 x 0,60 $, soit 1,05 $. La même session en heures de pointe coûte 2,10 $. Les boucles d'agent renvoient beaucoup de contexte, donc en pratique une bonne partie de cette entrée toucherait le cache à 0,003 $, et la facture réelle serait encore plus basse.

C'est la raison honnête pour laquelle dsh attire autant l'attention, et un commentateur a résumé l'arbitrage que la plupart des gens pèsent :

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

cheonic4040, Hacker News

Prenez ces « 95 % » comme l'impression d'une personne, pas comme un benchmark. Pour une comparaison plus complète, mes articles sur V4 Flash vs V4 Pro et les tarifs de Claude Code couvrent le côté modèles et le côté abonnements.

Que disent les développeurs ?

Les réactions se sont réparties en camps : ceux qui adorent l'architecture, ceux qui adorent le prix, et ceux qui veulent le voir survivre au contact de la production.

Sur l'architecture, les éloges sont précis. Hesam (@Hesamation) a listé les réactions qu'il a vues dans les premiers jours :

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

Hesam, X

Les utilisateurs qui l'ont pris en main soulignent l'impression au quotidien. Un développeur l'a comparé directement à OpenCode et a retenu la messagerie bidirectionnelle entre sous-agents :

"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

Les sceptiques n'ont pas tort non plus. Les étoiles mesurent l'attention, et un dépôt à croissance rapide dont le suivi des tickets est désactivé est difficile à juger de l'extérieur :

"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

Les auteurs de DeepSeek ont été francs à ce sujet. L'un d'eux a écrit le jour du lancement que c'est "an early developer preview" et qu'il faut "expect lots of rough edges and compatibility-breaking changes." Le journal des modifications le confirme : la seule version v0.2.1-alpha.1 a supprimé les plugins d'invariants d'exécution et renommé les entrées de statistiques du composer, deux changements non rétrocompatibles pour les auteurs de plugins.

L'exécuter avec des modèles non DeepSeek fonctionne aussi. Ollama, un exécuteur de modèles locaux populaire, a annoncé la prise en charge dès le deuxième jour :

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

Ollama, X

Comparaison avec Claude Code, Codex et Strands

Ce sont tous des harnesses, et la réponse honnête est qu'ils convergent. Les différences qui comptent aujourd'hui sont l'ouverture, la dépendance au modèle et aussi la maturité.

Mon avis : si vous voulez bricoler le fonctionnement d'un agent, ou faire tourner un agent de code capable pour quelques dollars par jour sur DeepSeek V4.1 Flash, dsh est aujourd'hui le harness ouvert le plus intéressant. Si vous avez besoin d'un outil sur lequel toute votre équipe puisse compter le trimestre prochain sans relire le journal des modifications chaque semaine, les outils établis restent le choix le plus sûr. Pour une vue plus large, mon panorama des outils d'assistants de code IA et la liste des alternatives au harness Strands couvrent d'autres options.

Faut-il construire un agent de support dessus ?

Quelqu'un a déjà posé la question. Un petit fil Ask HN intitulé "Anyone using DeepSeek Harness (dsh) as part of a customer-facing agent?" montre où vont les esprits dès que le prix du token devient aussi bas : si l'agent est gratuit et le modèle bon marché, pourquoi ne pas construire mon propre bot de support ?

Je comprends l'attrait, car je le vois de l'autre côté. Une poignée de clients d'eesel sont partis construire directement sur l'API Claude eux-mêmes, et une marque de cosmétiques sur une offre à 799 $/mois a dit à l'équipe support d'eesel qu'elle allait "build their own solution" si le prix ne baissait pas. Les modèles bon marché rendent cette conversation plus fréquente, pas moins.

Le piège, c'est que le harness est la plus petite partie du travail. Voici la répartition telle que je la vois après en avoir construit un :

dsh vous donne une bonne boucle et un bac à sable, ainsi qu'un système de plugins. Un agent de support a aussi besoin d'une connexion bidirectionnelle à votre helpdesk (lire le ticket, l'étiqueter, répondre, escalader), d'un moyen de garder synchronisés votre centre d'aide, vos macros et vos anciens tickets au fil de leur évolution, de règles sur ce qu'il peut faire sans humain, et d'un moyen de le tester sur de vrais anciens tickets avant qu'il ne parle à un client. Cette dernière étape est celle que je ne sauterais jamais. J'ai vu un bot au ton assuré donner de mauvaises réponses pendant des jours avant que quiconque s'en aperçoive, c'est pourquoi chaque déploiement d'eesel est désormais d'abord simulé sur des tickets historiques.

Ma réponse, donc : construisez sur dsh si votre équipe aime maîtriser cette pile et a le temps de suivre un aperçu qui change chaque semaine. Si votre objectif est de répondre à des tickets plutôt que d'entretenir un framework, embauchez plutôt le coéquipier. Et relisez la section sur les réglages par défaut ci-dessus avant que des données clients ne transitent par l'API officielle.

Essayer eesel

La façon la plus nette de le dire : DeepSeek Harness est l'infrastructure, et eesel est l'employé. eesel est une plateforme de coéquipiers IA où vous embauchez des coéquipiers prêts à travailler pour des tâches précises. Pour le support, c'est le coéquipier IA pour le helpdesk : il se branche en quelques minutes sur Zendesk, Freshdesk, Gorgias et d'autres helpdesks, apprend de vos anciens tickets et de votre centre d'aide, et vous pouvez le simuler sur votre propre historique de tickets avant qu'il ne réponde à qui que ce soit.

Si dsh a attiré votre attention parce que vous aimez piloter des agents depuis un terminal, eesel propose cela aussi. La CLI d'eesel pilote le même coéquipier et le même workspace que le tableau de bord, pas un produit distinct. npx @eesel/cli init configure un agent, eesel integrations connect branche votre helpdesk, eesel approvals list affiche les actions en attente d'un humain, et eesel activity vous permet de lire chaque exécution en détail, un peu comme la vue de trajectoire de dsh. Chaque commande affiche du JSON et prend en charge --dry-run, donc un agent de code comme Claude Code, Codex ou même dsh peut configurer et tester un workspace pour vous. Mon article sur la gestion des agents IA depuis le terminal vous guide pas à pas.

Vous pouvez commencer avec l'offre gratuite de 100 crédits, sans carte ; les offres payantes de coéquipiers démarrent à 299 $/mois pour 500 crédits, où un ticket ou un chat équivaut à un crédit. C'est le chemin le plus court si ce que vous voulez, ce sont des tickets résolus et non un harness à maintenir.