DeepSeek otevírá stavebnici pro AI agenty. Harness odděluje model od nástrojů i kontroly

V posledních měsících se kolem AI agentů mluví hlavně jako o samostatných digitálních pracovnících. Samotný model ale agentem ještě není. Jazykový model umí navrhnout postup nebo napsat příkaz, ale potřebuje další vrstvu, která mu poskytne přístup k souborům, terminálu, webu, databázím nebo sandboxu. Právě této vrstvě se říká harness.

DeepSeek svůj přístup shrnuje jednoduše: agent = model + harness. Přirovnání z běžného života je docela přesné. Model je mozek, zatímco harness funguje jako ruce, pracovní stůl, nářadí, zápisník a pravidla bezpečnosti. Bez něj může být model chytrý, ale v reálném prostředí toho příliš neudělá.

Nejde o nový model, ale o konstrukci kolem něj

DeepSeek Harness v0.1 je dostupný jako nástroj dsh a jeho zdrojový kód je zveřejněný na GitHubu pod MIT licencí. To znamená, že jej mohou vývojáři používat, upravovat a začlenit do vlastních projektů s podmínkami typickými pro tuto permisivní open-source licenci. Současně ale projekt zůstává ve fázi developer preview a autoři upozorňují na možné změny kompatibility.

Podstatou není jeden pevně daný coding agent. DeepSeek se pokusil vytvořit spíše stavebnici. Jako plugin lze podle oficiální dokumentace připojit modely, nástroje, dovednosti, správu relací, sandboxy, úložiště, řídicí smyčky, plánování i uživatelské rozhraní. Vývojář tak nemusí upravovat jádro programu pokaždé, když chce vyměnit například model nebo způsob ukládání relací.

To je důležitý rozdíl proti mnoha hotovým agentním frameworkům. Ty často nabízejí dobře připravený workflow, ale zároveň předpokládají, že agentní smyčka, registr nástrojů a ukládání kontextu budou fungovat přesně podle návrhu autora. DeepSeek Harness se snaží tyto části rozebrat na samostatné moduly. Výsledkem má být větší flexibilita, ovšem za cenu složitějšího nastavování.

Cordis funguje jako technický základ

Harness stojí na systému Cordis. Ten funguje jako meta-framework pro skládání pluginů a jejich závislostí. Zjednodušeně řečeno hlídá, které komponenty jsou připojené, jak spolu komunikují a co se stane při jejich výměně nebo odpojení.

Pro běžného uživatele to není tak zajímavé jako nové tlačítko v chatbotu. Pro vývojáře agentů však může jít o praktickou věc. Pokud má tým vlastní sandbox, firemní úložiště nebo interní systém schvalování příkazů, může tyto části připojit jako samostatné moduly. Cordis přitom není označován jako hotové a neměnné API; jeho vlastní repozitář upozorňuje, že je stále aktivně vyvíjený a rozhraní se může měnit.

Čtyři režimy pro různé scénáře

DeepSeek Harness nabízí čtyři hlavní runtime režimy. Každý načítá jinou sadu pluginů a nástrojů.

• Standard je plnohodnotný coding agent. Umí pracovat se soubory, spouštět shell příkazy, vyhledávat v souborech a na webu, používat dovednosti, plánovat úkoly a delegovat práci na subagenty.
• Code rozšiřuje práci s nástroji pomocí Code Mode SDK. Model může více kroků spojit do jednoho programu v TypeScriptu místo toho, aby každý nástroj volal samostatně.
• Minimal nechává pouze persistentní bash a editor str_replace_editor. Hodí se pro testování modelů v co nejméně vybaveném prostředí.
• Creator je určený pro autory vlastních agentů a presetů. Nabízí kontrolu nad běžícím prostředím a možnost experimentovat s pluginy přímo v paměti.

Minimal režim je zajímavý hlavně pro benchmarking. Pokud agent dostane jen shell a editor, lze lépe oddělit schopnosti samotného modelu od komfortu, který mu poskytuje rozsáhlý framework. DeepSeek Harness ale není AI model, takže k němu nedává smysl uvádět benchmarky typu GPT, Gemini nebo Claude. Výkon bude záviset na zvoleném modelu, nástrojích, oprávněních a konkrétním úkolu.

Model nemusí být od DeepSeeku

Jedna z praktičtějších vlastností je oddělení runtime od poskytovatele modelu. V nastavení lze přidat API klíč DeepSeeku, ale dokumentace uvádí také podporu poskytovatelů, jako jsou Anthropic a OpenAI. Pro specifické scénáře jsou uvedeny rovněž služby Amazon Bedrock, Google Vertex, Azure a Codex. Přidat lze i vlastní OpenAI-kompatibilní endpoint, například firemní gateway nebo lokálně provozovaný server.

Tohle je možná důležitější než samotná značka DeepSeek. Vývojář nemusí celý agentní systém přepisovat pokaždé, když chce porovnat různé modely. Může změnit modelovou vrstvu a ponechat stejné nástroje, sandbox i záznam relace. Pro testování současných špičkových jazykových modelů je tak Harness spíše laboratoří než hotovým produktem.

API přístup je ovšem potřeba oddělit od ceny Harnessu. Samotný software je open source a DeepSeek jej distribuuje pod MIT licencí. Nejde ale o bezplatný balíček modelových výpočtů. Náklady na používání vzniknou podle zvoleného poskytovatele API, případně podle provozu vlastního modelu. V dodané dokumentaci není uveden samostatný placený tarif DeepSeek Harness ani předplatné v eurech či korunách.

Každý běh má vlastní stopu

DeepSeek zdůrazňuje také trasování. Harness ukládá do append-only logu vše, co model během relace vidí: systémové instrukce, uvažovací kroky, volání nástrojů a jejich výsledky, plánování subagentů i dodatečně vložený kontext. Záznam lze procházet v pohledu Trajectory a využít pro pokračování, rozvětvení, vyhledávání nebo opakování běhu.

V praxi to může pomoci při ladění agentů. Když agent upraví špatný soubor nebo se začne točit v kruhu, vývojář může zpětně zjistit, co přesně model dostal a který nástroj použil. Není to záruka správného chování, ale je to podstatně užitečnější než neurčité tvrzení, že „AI se nějak rozhodla“.

Současně je potřeba myslet na citlivost těchto záznamů. Pokud log obsahuje systémové instrukce, názvy souborů, výsledky příkazů nebo části interního kódu, musí firma řešit jeho ukládání, přístupová práva a případné mazání. Transparentnost pomáhá při auditu, ale zároveň vytváří další datové úložiště, které je nutné chránit.

Jak se Harness spouští

Nejrychlejší cesta vede přes Node.js a příkaz:

npx @deepseek-ai/dsh web

Webové rozhraní se podle dokumentace standardně spouští lokálně na adrese 127.0.0.1:3080. Po spuštění je potřeba vybrat pracovní adresář a nastavit model. Dokumentace upozorňuje, že nový Web UI nemá automaticky vybraný workspace, takže agent nezačne pracovat se soubory jen proto, že běží server.

Existuje také Python SDK s požadavkem na Python 3.10 nebo novější. Oficiální informace uvádějí podporu Linuxu na architekturách x64 a arm64 a macOS 14 nebo novějšího na Apple Silicon. To z DeepSeek Harness dělá nástroj dostupný i vývojářům v Česku a Evropské unii, pokud mají odpovídající prostředí. Nejde však o běžnou cloudovou službu určenou pro uživatele bez technických znalostí.

Čeština, dostupnost a limity

DeepSeek Harness je podle zveřejněné stránky dostupný pro vývojáře celosvětově a lze jej provozovat lokálně. Oficiální web a dokumentace jsou v době vydání dostupné v angličtině a zjednodušené čínštině; české rozhraní ani česká lokalizace v uvedených materiálech uvedeny nejsou. Český jazyk proto může záviset na modelu, který do Harnessu připojíte, nikoli na lokalizaci samotného nástroje.

Pro české firmy může být zajímavý hlavně self-hosted charakter projektu. Harness lze testovat nad interním repozitářem nebo vlastním vývojovým prostředím, ale developer preview není totéž jako hotový enterprise produkt s garantovanou stabilitou. GitHub README výslovně varuje před změnami, které mohou rozbít kompatibilitu. Nasazení do produkce by proto mělo začít v odděleném pilotu s omezenými oprávněními, nikoli přístupem agenta k celému firemnímu systému.

Komu dává DeepSeek Harness smysl

Největší přínos má pro týmy, které si chtějí agentní prostředí přizpůsobit. Typickým příkladem je interní coding agent nad privátním repozitářem, testovací platforma pro porovnávání modelů, systém s vlastním sandboxem nebo nástroj, u kterého je důležité zpětně přehrát celý běh.

Naopak pro běžného uživatele, který chce jen napsat e-mail nebo shrnout dokument, je Harness zbytečně technický. V takovém případě je jednodušší použít hotového asistenta. DeepSeek zde nesoutěží primárně s ChatGPT, Gemini nebo Claudem jako spotřebitelská aplikace. Soutěží o vrstvu pod nimi – o místo, kde se rozhoduje, jak model dostane nástroje a jak bude jeho práce řízena.

Můj závěr je proto střízlivý: DeepSeek Harness není hotový agent pro každého, ale zajímavě otevřená konstrukce pro ty, kteří chtějí agenty stavět. Největší hodnotu má modularita, možnost připojit různé poskytovatele a detailní záznam každé relace. Největším rizikem je raná fáze vývoje a s ní spojená nutnost rozumět oprávněním, úložištím i samotné architektuře pluginů.

Další informace nabízí oficiální stránka DeepSeek Harness, zdrojový kód na GitHubu, rychlý průvodce a dokumentace konfigurace modelů. Kontext k vydání přinesl také MarkTechPost.

FAQ