Zurück zur Übersicht
ProduktstartDeepSeekKI-AgentenOpen Source

DeepSeek Harness Developer Preview: Modulares Framework für KI-Agenten mit Plugin-Architektur veröffentlicht

DeepSeek hat die Developer Preview von DeepSeek Harness vorgestellt, ein innovatives Framework für die Entwicklung von KI-Agenten. Unter dem Motto „Everything is a plugin“ bietet das System eine hochgradig modulare Architektur, die auf dem Cordis-Kernel basiert. Entwickler können sämtliche Funktionen – von Modellen über Tools bis hin zur Benutzeroberfläche – als Plugins austauschen oder erweitern, ohne den Kern-Quellcode zu modifizieren. Ein zentrales Merkmal ist die vollständige Rückverfolgbarkeit aller Agenten-Aktionen durch fälschungssichere Sitzungsprotokolle. Das Framework ist als Open-Source-Projekt auf GitHub verfügbar und zielt darauf ab, die Lücke zwischen reinen KI-Modellen und deren praktischer Anwendung in realen Umgebungen zu schließen. Die Veröffentlichung umfasst den vollständigen Quellcode und richtet sich an Entwickler weltweit.

Hacker News
Teilen

Die wichtigsten Punkte

  • Modulare Plugin-Architektur: DeepSeek Harness basiert auf dem Prinzip, dass jede Fähigkeit ein austauschbares Plugin ist, verwaltet durch den Cordis-Kernel.
  • Agenten-Philosophie: Das Framework definiert einen Agenten als Kombination aus einem Modell („die Seele“) und dem Harness („das Geschirr“), das die Interaktion mit der realen Welt ermöglicht.
  • Vollständige Rückverfolgbarkeit: Jede Aktion, jeder Gedankengang und jeder Tool-Aufruf wird in einem fälschungssicheren (append-only) Protokoll für maximale Transparenz festgehalten.
  • Open Source & Developer Preview: Der Quellcode ist öffentlich auf GitHub zugänglich, inklusive Dokumentation für Community-Plugins und Schnellstart-Anleitungen.
  • Konfigurationsbasierte Anpassung: Entwickler können Funktionen erweitern oder austauschen, ohne den ursprünglichen Quellcode von DeepSeek Harness verändern zu müssen.

Analyse

Die Architektur: Alles ist ein Plugin

DeepSeek Harness bricht mit traditionellen, monolithischen Strukturen in der KI-Entwicklung. Das Herzstück des Frameworks ist der Cordis-Kernel, ein System, das speziell für das Management von Plugins entwickelt wurde. Dieser Kernel übernimmt das Laden (Mounting), Entladen (Unmounting) und die Verwaltung von Abhängigkeiten zwischen den verschiedenen Modulen.

Die Modularität erstreckt sich über das gesamte System. Zu den als Plugins realisierten Komponenten gehören:

  • Modelle und Tools: Die zugrunde liegenden KI-Modelle und die Werkzeuge, die sie nutzen.
  • Fähigkeiten (Skills) und Sessions: Spezifische Fertigkeiten der Agenten sowie die Verwaltung von Interaktionssitzungen.
  • Sandboxes und Storage: Sichere Ausführungsumgebungen und Datenspeicherung.
  • Loops und Scheduling: Die Logik der Arbeitsschleifen und die Planung von Aufgaben.
  • Benutzeroberfläche (UI): Sogar die visuelle Darstellung ist modular aufgebaut.

Durch diesen Ansatz können Entwickler Agenten präzise auf ihre Bedürfnisse zuschneiden. Anstatt den Kerncode zu hacken, reicht eine Anpassung der Konfiguration aus, um eine Fähigkeit gegen eine andere auszutauschen oder das System zu erweitern.

Transparenz durch Traceability

Ein kritischer Punkt bei der Entwicklung autonomer Agenten ist die Nachvollziehbarkeit ihrer Entscheidungen. DeepSeek Harness adressiert dies durch ein striktes Design-Prinzip: Jeder Durchlauf ist rückverfolgbar.

Das System führt ein sogenanntes „append-only session log“. In diesem Protokoll wird alles gespeichert, was das Modell sieht und tut. Dazu gehören:

  • System-Prompts und der interne Denkprozess (Reasoning).
  • Aufrufe von Werkzeugen (Tool Calls) und deren Ergebnisse.
  • Die Planung von Sub-Agenten (Subagent Scheduling).
  • Jede einzelne Injektion von Kontextinformationen.

Über die sogenannte Trajectory-Ansicht können Entwickler den Pfad des Agenten detailliert analysieren. Dies ist nicht nur für das Debugging essenziell, sondern auch für die Sicherheit und Zuverlässigkeit von KI-Systemen in produktiven Umgebungen.

Agent = Modell + Harness

DeepSeek verfolgt eine klare Philosophie bei der Definition von KI-Agenten. Während das Modell oft als das wichtigste Element angesehen wird, betrachtet DeepSeek es lediglich als die „Seele“ des Agenten. Damit dieser Agent jedoch in der realen Welt nützlich sein kann, benötigt er ein „Harness“ (ein Geschirr oder eine Rüstung).

Dieses Harness ermöglicht es dem Agenten, seine Umgebung zu verstehen, Werkzeuge effektiv einzusetzen und kontinuierlich in realen Szenarien zu arbeiten. DeepSeek Harness stellt somit die notwendige Infrastruktur bereit, um theoretische Modellfähigkeiten in praktische, handlungsfähige Agenten zu transformieren.

Bedeutung für die KI-Branche

Die Veröffentlichung von DeepSeek Harness als Developer Preview unterstreicht den Trend zur Standardisierung und Modularisierung in der Agenten-Entwicklung. Indem DeepSeek ein Framework bereitstellt, das auf einem bewährten Plugin-System (Cordis) aufbaut, wird die Eintrittsbarriere für die Erstellung komplexer, autonomer Systeme gesenkt. Die Offenlegung des Quellcodes und die Einladung an die Community, eigene Plugins beizusteuern, könnte DeepSeek Harness zu einer zentralen Plattform für Agenten-Entwickler machen. Besonders die konsequente Ausrichtung auf Rückverfolgbarkeit setzt einen neuen Standard für die Transparenz von KI-Entscheidungsprozessen.

Häufig gestellte Fragen

Wie kann ich DeepSeek Harness installieren?

Entwickler haben zwei primäre Möglichkeiten zur Installation. Entweder direkt über npx mit dem Befehl $ npx @deepseek-ai/dsh web oder durch das Klonen des offiziellen GitHub-Repositorys (https://github.com/deepseek-ai/deepseek-harness) und die anschließende Installation aus dem Quellcode.

Was ist der Vorteil der Plugin-Architektur gegenüber herkömmlichen Frameworks?

Der Hauptvorteil liegt in der Flexibilität. Da jede Komponente (vom Modell bis zum UI) ein Plugin ist, können Entwickler Teile des Systems austauschen, ohne die Stabilität des Gesamtsystems zu gefährden oder den Kerncode modifizieren zu müssen. Dies erleichtert die Wartung und ermöglicht schnelle Iterationen.

Welche Daten werden in der Trajectory-Ansicht angezeigt?

Die Trajectory-Ansicht visualisiert das fälschungssichere Sitzungsprotokoll. Es zeigt alle System-Prompts, die logischen Schlussfolgerungen des Modells, die getätigten Tool-Aufrufe inklusive ihrer Resultate sowie die Koordination von Sub-Agenten und Kontext-Injektionen.

Originalartikel lesen

Ähnliche Nachrichten

Writer präsentiert neues KI-Modell und optimiertes System zur Senkung von Token-Kosten auf Basis von GLM-5.2
Produktstart

Writer präsentiert neues KI-Modell und optimiertes System zur Senkung von Token-Kosten auf Basis von GLM-5.2

Das Unternehmen Writer hat die Einführung eines neuen KI-Modells sowie eines verbesserten Steuerungssystems („Harness“) bekannt gegeben, das speziell darauf ausgelegt ist, die Token-Kosten für Anwender zu kontrollieren und zu senken. Die Neuentwicklung basiert auf einer Post-Training-Variante des Open-Source-Modells GLM-5.2 von Z.ai. Laut Writer zielt das System darauf ab, leistungsstarke und sofort einsatzbereite KI-Fähigkeiten zu einem deutlich günstigeren Preis als bisherige Lösungen anzubieten. Durch die Kombination aus optimierter Modellarchitektur und einem effizienten Management-Framework adressiert Writer die wachsenden wirtschaftlichen Herausforderungen bei der Skalierung von KI-Anwendungen in Unternehmen.

Matic Cues: Neues Upgrade ermöglicht Saugroboter-Steuerung durch einfache Handgesten und Sprachbefehle
Produktstart

Matic Cues: Neues Upgrade ermöglicht Saugroboter-Steuerung durch einfache Handgesten und Sprachbefehle

Der Hersteller Matic hat mit „Matic Cues“ ein bedeutendes Funktions-Upgrade für seinen Saugroboter vorgestellt, das die Interaktion zwischen Mensch und Maschine grundlegend verändert. Die neue Software-Erweiterung führt eine intuitive Gesten- und Sprachsteuerung ein, die es Nutzern erlaubt, direkt mit dem Gerät zu kommunizieren. Besonders hervorzuheben ist die „Point-to-Clean“-Funktion: Anstatt eine App zu nutzen, können Anwender nun einfach auf eine verschmutzte Stelle zeigen, woraufhin der Roboter diese gezielt reinigt. Laut ersten Berichten von The Verge stellt dies eine signifikante Verbesserung der Benutzerfreundlichkeit dar. Das Upgrade zielt darauf ab, die Reinigung im Alltag durch natürliche Kommunikation effizienter zu gestalten und manuelle Steuerungsschritte zu minimieren.

Google präsentiert Gemini 3.7 Flash: Das neue Kraftpaket für Coding, Agenten und komplexe Workflows
Produktstart

Google präsentiert Gemini 3.7 Flash: Das neue Kraftpaket für Coding, Agenten und komplexe Workflows

Google hat mit Gemini 3.7 Flash das neueste Modell seiner Flash-Serie vorgestellt, das speziell als leistungsstarkes „Workhorse“ für die Softwareentwicklung und den Einsatz von KI-Agenten konzipiert wurde. Nur drei Wochen nach der Veröffentlichung von Gemini 3.6 Flash liefert die neue Version signifikante Leistungssteigerungen in den Bereichen Coding, Webentwicklung und spezialisierte Wissensarbeit. Besonders attraktiv für Entwickler ist die neue Preisstruktur: Gemini 3.7 Flash wird zu einem Einführungspreis angeboten, der lediglich die Hälfte der ursprünglichen Kosten von Gemini 3.6 Flash pro Million Token beträgt. In Benchmarks wie FrontierCode und DeepSWE zeigt das Modell deutliche Fortschritte bei der Erstellung von produktionsreifem Code, während es in der Webentwicklung durch hohe Design-Treue und funktionale Layouts überzeugt.