DeepSeek lance un harness d'agents où même le modèle est un plugin

DeepSeek s'est fait un nom en diffusant des poids de modèles qui en donnent plus que leur prix. Désormais, elle livre le logiciel qui entoure ces poids. L'aperçu développeur de DeepSeek Harness, publié sur GitHub, se présente comme un runtime d'agents open source dont l'argument tient en quatre mots : tout est un plugin.

Le cadrage de DeepSeek lui-même est direct. « Le modèle est l'âme d'un agent », lit-on dans l'aperçu. « Un harness permet à un agent de comprendre son environnement, d'utiliser des outils et de continuer à travailler dans des conditions réelles. » Cette publication est la tentative de l'entreprise de s'approprier cette seconde phrase.

Quatre modes d'exécution, un noyau de plugins

L'installation est minimale : installez Node.js, lancez npx @deepseek-ai/dsh web pour ouvrir l'interface web, ou git clone https://github.com/deepseek-ai/deepseek-harness pour obtenir le code source complet. En dessous se trouve le noyau Cordis, qui gère le montage, le démontage et les dépendances des plugins. Tout ce qu'un agent touche est un plugin : modèles, outils, compétences, sessions, sandboxes, stockage, boucles, planification et l'interface elle-même.

Selon la documentation de l'aperçu, les quatre modes d'exécution se décomposent comme suit.

Tout est un plugin : un autre type d'effet de levier

Ce slogan ressemble à du marketing jusqu'à ce qu'on regarde ce qu'il vise. Les développeurs peuvent sélectionner, remplacer ou étendre n'importe quelle capacité dans la configuration sans toucher au code source de DeepSeek. Vous voulez un autre fournisseur de modèles ? Changez le plugin de modèle. Un sandbox plus strict ? Remplacez le plugin. Le harness cesse d'être un produit que l'on adopte pour devenir un châssis que l'on reconstruit.

Les écosystèmes de plugins se répandent dans les outils d'agents. La plateforme d'agents professionnels d'Alibaba, par exemple, comprend une marketplace de plugins avec un point d'entrée no-code pour transformer les méthodes d'un praticien senior en plugin partageable. La version de DeepSeek va plus loin sur un axe : la liaison au modèle est aussi un plugin, si bien que le harness ne se soucie pas des poids que vous y branchez.

Pourquoi un fabricant de modèles livre de l'infrastructure

DeepSeek a bâti sa réputation sur des poids ouverts efficaces. Elle parie sur des architectures sparse mixture-of-experts qui n'activent qu'une fraction des paramètres d'un modèle par jeton, et son propre article sur la série V4 est sans détour sur le bénéfice : à un million de jetons de contexte, DeepSeek-V4-Pro ne nécessite que 27 % des FLOPs d'inférence par jeton et 10 % du cache KV de DeepSeek-V3.2. Un modèle aussi économique à exécuter n'est utile que si le logiciel qui l'entoure peut le diriger vers des environnements réels. C'est cette lacune que le harness comble.

Il existe un précédent pour un fournisseur d'infrastructure qui s'ouvre pour devenir la couche sur laquelle tout le monde construit. Nvidia a publié le code source complet de sa pile d'analyse vidéo DeepStream en mars 2025 sur GitHub sous une double licence, Apache 2.0 pour le code, en pariant que la standardisation l'emporte sur le contrôle. La décision de DeepSeek se lit de la même manière : si les harness d'agents se standardisent, un harness ouvert avec un emplacement de modèle remplaçable joue en faveur de DeepSeek, que le modèle gagnant soit celui de DeepSeek ou celui d'un autre. La page d'aperçu concède elle-même que le travail est inachevé, précisant que les plugins et API principaux continueront d'évoluer pendant que les développeurs les testeront.

La traçabilité comme angle d'attaque pour le benchmarking

La fonctionnalité la plus discrète est peut-être la plus décisive. Chaque exécution est traçable : tout ce que le modèle voit est écrit dans un journal de session en écriture seule, des prompts système et du raisonnement aux appels d'outils et à leurs résultats, en passant par la planification des sous-agents et les injections de contexte. La vue Trajectory filtre ces enregistrements par source, et la reprise, le fork, la recherche et le replay fonctionnent tous sur le même flux d'événements.

C'est une réponse directe à un problème récurrent des agents : un comportement sans propriétaire. La sortie de Mistral Studio prône un système de référence centralisé pour les prompts et les compétences, avec des versions immuables et des journaux d'audit. DeepSeek aborde le problème de l'autre côté, en capturant non seulement les instructions, mais aussi la trace complète de ce que l'agent a fait. Il y a aussi le mode Minimal, un agent à deux outils avec bash persistant et un éditeur de fichiers, conçu pour le benchmarking de modèles dans un environnement épuré. Des exécutions auditées plus une configuration de benchmarking minimale pointent vers une ambition claire : une évaluation d'agents que d'autres peuvent réellement reproduire.

Le vrai pari est que l'environnement compte autant que le modèle qui s'y trouve. DeepSeek a passé des années à prouver que les poids ouverts peuvent rivaliser à la frontière. Désormais, elle veut être le harness dans lequel ces poids s'exécutent. Le modèle est peut-être l'âme, mais c'est dans le harness que l'entreprise entend vivre.