DeepSeek Harness : ce que « tout est un plugin » apporte vraiment

Updated August 16, 2026 · first published August 16, 2026

DeepSeek AI a publié deepseek-harness (dsh), un harness d'agents sous licence MIT dont le slogan de conception est que tout est un plugin. Cette formule est employée à la légère dans l'écosystème des outils d'agents, il vaut donc la peine de préciser ce qu'elle signifie ici et où elle change l'économie de l'exploitation d'agents.

Cordis, pas un framework à hooks

Le harness tourne sur Cordis, un runtime de plugins dont le modèle veut que les plugins apportent des services, des événements typés et des effets réversibles à un contexte partagé. Le document d'architecture est explicite : il n'y a pas de noyau privilégié. Adaptateurs de modèle, registres d'outils, journaux de session et la boucle d'agent elle-même sont tous des plugins. Rien ne se trouve en dessous comme moteur inamovible.

C'est important, car la forme habituelle d'un framework d'agents « extensible » est un noyau fixe plus une surface de hooks. Vous pouvez observer et décorer, mais pas remplacer. Remplacer veut dire forker. Cordis inverse cela : les pièces que vous voudriez remplacer sont les unités de composition.

Les coutures de capacité : la partie qui compte en exploitation

Le harness formalise cela avec ce qu'il appelle une couture de capacité (capability seam). Une couture est une interface de service avec plus d'une implémentation, et chaque service occupe l'un de trois rôles :

Tous les services ne sont pas des coutures. La documentation en distingue trois sortes : coutures interchangeables (ctx.llm, ctx.subprocess), services de noyau à owner unique (ctx.sessions, ctx.agents) et points de composition coordonnant d'autres services (ctx.agentLoop). Savoir lequel est lequel vous dit où vous avez le droit de substituer un comportement et où non.

Les quatre coutures aux conséquences de coût

• ctx.llm, la couture du modèle. Détenue par le paquet llm ; les implémentations comprennent llm-deepseek, llm-pi-ai et llm-replay. La boucle d'agent consomme un service de flux neutre vis-à-vis du fournisseur et ignore quel backend tourne. llm-replay est le plus intéressant pour le travail sur les coûts : il permet de rejouer une session enregistrée sans repayer l'inférence.
• ctx.fs, la couture du système de fichiers. Les fournisseurs sont fs-local (système de fichiers hôte), fs-sandbox (mutations confinées) et fs-e2b (une machine Linux distante en bac à sable). La couture découple les outils que le modèle voit de l'endroit où l'exécution a physiquement lieu.
• ctx.sandbox, la couture d'exécution. Les consommateurs transmettent argv ; les implémentations enveloppent l'exécution sous politique. sandbox-local applique sur l'hôte, sandbox-policy centralise les valeurs par défaut de déploiement.
• ctx.subagents, la couture de délégation. Six implémentations couvrant le spawn en processus, le fork, les ponts ACP, Codex, Claude Code et les agents fondés sur SDK. C'est là qu'un harness fige d'ordinaire une hypothèse ; ici c'est un échange.

Tout levier de coût significatif dans un système d'agents est un changement de fournisseur : router vers un modèle moins cher, déplacer l'exécution vers un bac à sable moins cher, remplacer un transport de sous-agents par un transport local. Quand ce sont des coutures, le changement est une modification de configuration. Quand ce n'en sont pas, le changement est un fork que vous maintenez désormais.

Pourquoi c'est un sujet FinOps et pas seulement d'architecture

L'échec récurrent des programmes de coût sur les agents n'est pas que les équipes choisissent un modèle cher. C'est que le harness rend le choix cher structurel. Une fois la sélection du modèle, le lieu d'exécution des outils et le transport de délégation cuits dans le code applicatif, chaque optimisation devient un projet d'ingénierie avec son calendrier et son risque de régression. Les équipes reportent alors l'optimisation, et la dépense s'accumule.

Un harness fondé sur des coutures déplace ces décisions dans la composition. Cela ne les rend pas gratuites, mais les fait passer de refactorisations à configuration, ce qui est la différence entre une initiative trimestrielle et un après-midi.

La réserve à énoncer clairement

DeepSeek Harness est en developer preview et son README dit, sans l'adoucir, qu'il y aura des changements cassant la compatibilité. Construire dès maintenant un outillage de coût de production directement contre ses interfaces internes revient à s'engager à leur courir après. Évaluez-le, prototypez avec, mais épinglez vos versions et attendez-vous à du mouvement.

Related

• DeepSeek Harness : le guide complet
• Le journal de session comme registre de coûts (EN)
• Où placer les garde-fous de dépense (EN)
• Installation, profils et premier lancement (EN)

Want this applied to your own LLM spend? FinOps LLM runs a free audit of your AI costs and shows where the savings are. Book free audit →

Back to research