最后更新：9/30/2026最后核验：2026-08-14
DeepSeek Harness 是什么
DeepSeek Harness，也称 dsh，是 DeepSeek AI 推出的开源、本地优先 AI Agent 框架，适合开发者构建自定义 Agent 工作流。用户可以通过本地 Web UI 或 CLI 启动，命令为 npx @deepseek-ai/dsh。该框架基于 Cordis 插件架构，可将模型、MCP servers、工具、沙箱、工作流和 UI 组件组合成灵活的 Agent 系统。
核心功能
- 基于 Cordis kernel 的“万物皆插件”运行时，模型、工具、技能、会话、沙箱、循环、调度和 UI 组件都可以灵活替换。
- 内置 MCP 集成，MCP servers 可以作为工具接入，模型适配器也可在 DeepSeek、OpenAI-compatible 以及其他支持的 provider 之间切换。
- 支持并行 Agent 编排，可构建包含 sub-agents 的工作流，让多个 Agent 同时运行并协同完成任务。
- Append-only Trajectory 日志支持 Agent 运行和 sub-agent 工作流的恢复、分叉与重放，便于调试和复现。
- 具备浏览器控制能力，适合需要与真实网页交互的 AI Agent 场景。
- 支持 Vision 与图像理解插件，可用于需要处理视觉信息的工作流。
- 可通过 npx @deepseek-ai/dsh 在本地使用 Web UI 和 CLI。
最适合
正在尝试本地优先 AI Agent 框架的开发者。希望使用插件化 runtime 来组合模型、工具、沙箱和工作流的 AI 应用构建者。正在原型验证 MCP 驱动 Agent 工作流的团队。需要可恢复、可重放 Agent 运行轨迹的用户。构建编程助手、效率工具 Agent，并需要浏览器控制和工具编排能力的开发者。
定价
根据提供的信息，DeepSeek Harness 被列为免费工具。由于它被描述为开源且本地优先，用户在实际使用前仍应查看官方项目页面或代码仓库，确认最新 license、模型 provider 调用成本，以及可能产生的外部服务费用。
优缺点
优点
- 本地优先设计让开发者可以更好地控制框架的运行方式和配置环境。
- 插件化架构支持替换模型、工具、会话、沙箱和 UI 组件，扩展性较强。
- MCP 支持有助于将外部工具服务器接入 Agent 工作流。
- 并行 sub-agent 编排适合更复杂的 AI 工作流设计。
- Trajectory 日志支持恢复、分叉和重放，有利于调试、复现和快速迭代。
- 浏览器控制和 Vision 插件扩展了 Agent 可执行任务的范围。
缺点
- 需要熟悉 npx、本地 CLI 工作流、插件配置等开发工具和环境。
- 用户可能需要先配置模型 provider、MCP servers、沙箱和工具，才能充分发挥框架价值。
- 提供的信息未说明是否支持 hosted deployment、企业级支持或托管基础设施。
- 实际性能和稳定性取决于所选模型、插件、工具以及本地运行环境。
替代工具
LangChain
流行的 LLM 应用与 Agent 工作流开发框架，提供模型、工具、retriever 和编排组件等丰富集成。
LlamaIndex
专注于将 LLM 连接到数据源、检索工作流和 Agentic 应用的框架。
Microsoft AutoGen
用于构建多 Agent AI 系统的开源框架，强调基于对话的 Agent 协作与协调。
CrewAI
多 Agent 编排框架，适合设计基于角色分工的 Agent 和协作式工作流。
OpenAI Agents SDK
面向开发者的 Agentic 应用框架，支持工具调用、handoffs、tracing 和模型集成。
常见问题
广告
详情
平台
macOSWindowsLinux
功能特性
- Everything-is-a-plugin agent runtime on the Cordis kernel — models, tools, skills, sessions, sandboxes, loops, scheduling, and UI are all swappable components
- MCP integration: MCP servers plug in as tools while model adapters are swappable plugins (DeepSeek, OpenAI-compatible, and other providers)
- Parallel agents and orchestration with an append-only Trajectory log supporting resume, fork, and replay for sub-agent workflows
- Browser control and vision/image-understanding plugins extend the harness to see and drive real web pages
支持语言
enzh
已知限制
- Developer preview: the README explicitly warns there will be compatibility-breaking changes as the project iterates
- Not a turn-key coding agent — you must configure a model provider (DeepSeek or OpenAI-compatible API key, or a local model) and assemble agents from plugins first
- Running local models on-device needs capable hardware (GPU/VRAM); otherwise you rely on API keys
- Browser automation and vision come from third-party plugins of varying maturity, so stability is not yet guaranteed
