Alles ist ein Plugin
DeepSeek hat ein Open-Source-Framework für KI-Agenten veröffentlicht. DeepSeek Harness liegt als Developer Preview samt Quellcode auf GitHub und verfolgt einen radikal modularen Ansatz. Sämtliche Bestandteile eines Agenten sind als austauschbare Plugins umgesetzt. Das Unternehmen fasst das Prinzip in einem Satz zusammen, sinngemäß übersetzt: "Alles ist ein Plugin."
Gemeint sind damit nicht nur die Sprachmodelle selbst, sondern auch Werkzeuge, Skills, Sessions, Sandboxes, Speicher, die Ausführungsschleifen, das Scheduling von Unteragenten und die Benutzeroberfläche. Wer eine dieser Komponenten ersetzen oder erweitern will, ändert die Konfiguration. Der Quellcode von DeepSeek Harness selbst bleibt unangetastet.
Technisch sitzt darunter der Cordis-Kernel. Er verwaltet das Laden und Entladen der Plugins sowie deren Abhängigkeiten voneinander. Ein Harness ist dabei die Laufzeitumgebung, die ein Modell überhaupt handlungsfähig macht: Sie stellt die Verbindung zur Umgebung, zu Dateien und zu Werkzeugen her.
Sinngemäß nach DeepSeek: Das Modell ist die Seele eines Agenten. Ein Harness ermöglicht es dem Agenten, seine Umgebung zu verstehen, Werkzeuge zu nutzen und in realen Umgebungen weiterzuarbeiten.
Die Formel dahinter lautet "Agent = Modell + Harness". Das Modell liefert die Denkleistung, das Harness die Anbindung an die Wirklichkeit. Dieselbe Trennung findet sich auch in anderen aktuellen Vorstößen wie dem Vorschlag Agent Plugins 1.0, der Agentenfähigkeiten zwischen Werkzeugen portabel machen soll.
Nachvollziehbarkeit über ein nur erweiterbares Protokoll
Der zweite Schwerpunkt liegt auf Beobachtbarkeit. DeepSeek Harness schreibt jeden Vorgang in ein Session-Log, das ausschließlich ergänzt und nicht verändert werden kann. Dieses "append-only"-Prinzip bedeutet: Einträge lassen sich nachträglich nicht überschreiben, wodurch das Protokoll absicherbar wird.
Protokolliert werden System-Prompts, die Denkschritte des Modells, Tool-Aufrufe samt Ergebnissen, das Scheduling von Unteragenten und Kontext-Injektionen, also nachträglich eingespeiste Informationen. Über eine sogenannte Trajectory View lassen sich diese Ereignisströme durchsuchen, an beliebiger Stelle wieder aufnehmen, verzweigen und erneut abspielen.
Das ist mehr als Komfort für Entwickler. Wer in einem regulierten Umfeld nachweisen muss, welche Daten ein Agent gesehen und welche Aktionen er ausgeführt hat, bekommt hier eine belastbare Spur. Angesichts der Berichte darüber, dass menschliche Freigaben einen erheblichen Teil der Risiken übersehen, ist eine vollständige Nachvollziehbarkeit im Nachhinein kein Luxus.
Vier Betriebsmodi
Das Framework bringt vier Laufzeitmodi mit, die sich in Funktionsumfang und Zweck unterscheiden.
| Modus | Zweck |
|---|---|
| Standard mode | Voller Funktionsumfang für den regulären Betrieb |
| Code mode | Mehrschrittige Abläufe über TypeScript und das Code Mode SDK |
| Minimal mode | Benchmarking mit genau zwei Werkzeugen: einer persistenten Bash-Sitzung und einem Editor-Tool (str_replace_editor) |
| Creator mode | Entwicklung eigener Presets, also vorkonfigurierter Agenten-Setups |
Der Minimal mode ist bemerkenswert, weil er bewusst auf zwei Werkzeuge reduziert. Damit lässt sich messen, wie viel Leistung tatsächlich vom Modell kommt und wie viel vom Werkzeugkasten drumherum. Für den Einstieg genügt ein npx-Aufruf (npx @deepseek-ai/dsh web), alternativ lässt sich das Repository direkt von GitHub klonen.
Was offen bleibt
Einige Punkte nennt DeepSeek bislang nicht. Unter welcher konkreten Open-Source-Lizenz der Code steht, ist nicht ausgewiesen. Ebenso fehlen Angaben zu Systemvoraussetzungen und Hardwarebedarf sowie zu dedizierten Sicherheits- und Governance-Funktionen für den Produktionsbetrieb. Auch welche Modelle und Werkzeuge ab Werk als einsatzbereite Plugins mitgeliefert werden, geht aus den vorliegenden Informationen nicht vollständig hervor.
Für eine Developer Preview ist das nicht ungewöhnlich, für eine Bewertung als Unternehmensplattform aber entscheidend. Wer den Einsatz prüft, sollte die Lizenzfrage vorab klären, weil davon abhängt, ob eine kommerzielle Nutzung oder eine Weiterentwicklung im eigenen Haus überhaupt zulässig ist.
Warum das für Unternehmen relevant ist
Der Markt für Agentenplattformen ist derzeit stark von Abo-Modellen geprägt. Wer eine fertige Plattform mietet, bindet sich meist gleich doppelt: an die Laufzeitumgebung des Anbieters und an dessen Modelle. Genau diese Kombination macht Kosten schwer planbar, wie das Beispiel von Teams zeigt, die sich eigene Coding-Agenten gebaut haben und trotzdem monatlich beim Modellanbieter zahlen.
Ein quelloffenes Harness löst zumindest die erste Bindung. Die Laufzeitumgebung läuft im eigenen Rechenzentrum oder in der eigenen Cloud, ohne Lizenzgebühren pro Sitzplatz. Und weil das Modell nur ein Plugin unter vielen ist, lässt sich der Anbieter wechseln, ohne die gesamte Agenten-Architektur neu zu bauen. Das reduziert den Modell-Lock-in deutlich.
Ein spezifischer DACH-Bezug wird von DeepSeek nicht hergestellt. Für Unternehmen in Deutschland, Österreich und der Schweiz ist der praktische Nutzen dennoch klar: Eine selbst betriebene Agenten-Infrastruktur hält Daten und Protokolle im eigenen Zugriff, was Datenschutz- und Auditanforderungen erheblich vereinfacht. Der Preis dafür ist internes Know-how, denn Betrieb, Konfiguration und Absicherung bleiben Eigenleistung.
DeepSeek Harness passt in eine Reihe von Veröffentlichungen, mit denen der Anbieter seine Position im offenen Ökosystem ausbaut, zuletzt etwa mit DeepSeek V4 Flash als Open Weights. Wer nach Alternativen zu geschlossenen Agenten-Abos sucht, findet inzwischen auch bei den Werkzeugen selbst Optionen, etwa mit Goose als quelloffener Alternative zu Claude Code. Das Angebot an Bausteinen für den Eigenbau wächst schneller als die Bereitschaft vieler Anbieter, ihre Preise zu senken.