DeepSeek Harness mise sur un agent tout-en-plugin

DeepSeek a publié DeepSeek Harness v0.1, un environnement d’exécution pour agents IA distribué en aperçu développeur et sous licence MIT. L’intérêt n’est pas seulement technique : le projet propose de traiter modèle, outils, sessions, sandbox et interface comme des plugins interchangeables. Dans un marché où les modèles se ressemblent de plus en plus, le cadre d’exécution prend du poids.

Le modèle n’est plus le seul centre de gravité

DeepSeek présente Harness avec une formule simple : « Agent = Model + Harness ». Le harness, ou couche de médiation entre un modèle et son environnement, gère les prompts, l’ordonnancement des outils, la mémoire de session, les autorisations et la boucle d’action de l’agent. Autrement dit, il fait tourner la mécanique pendant que le modèle répond.

La version publiée place cette couche au cœur du système. DeepSeek affirme que « Models, tools, skills, sessions, sandboxes, filesystems, loops, orchestration, and UI are ALL implemented as plugins, and can be mixed, matched, replaced, and extended. » Cette approche vise à éviter les architectures figées, où chaque brique dépend trop fortement des autres. C’est pratique. Et cela évite quelques réinstallations qui sentent la veille interminable.

Une architecture pensée pour bouger sans casser

Le projet s’appuie sur Cordis, un méta-framework conçu pour la “spatiotemporal composability”, soit la capacité à ajouter ou retirer des composants sans casser l’application. Les chercheurs de DeepSeek distinguent la composabilité temporelle, qui permet de supprimer un plugin puis d’en annuler l’effet, et la composabilité spatiale, qui gère les dépendances entre composants.

La comparaison avec Visual Studio Code sert de point de repère. Selon le papier cité par DeepSeek, les extensions de VS Code s’exécutent dans un processus partagé, et leur retrait à chaud n’est pas possible sans redémarrage de l’hôte. DeepSeek Harness prend le contrepied : les dépendances entre plugins sont prises en charge, et les composants peuvent être sélectionnés, remplacés ou étendus dans la configuration sans modifier le code source.

Pourquoi ce lancement compte pour les équipes IA

La publication dépasse le simple effet d’annonce autour d’un nouveau modèle. Elle montre que la compétition se déplace vers les runtimes d’agents, ces couches qui déterminent comment un modèle travaille avec des fichiers, des sandboxes, des outils externes et des règles de sécurité. À mesure que les modèles se banalisent, la friction d’usage devient un avantage concurrentiel.

Le public visé est clair : startups IA natives, équipes plateforme dans les grandes entreprises, laboratoires de recherche et organisations qui veulent auditer leurs agents en local. Le fait que Harness soit MIT-licencié et auto-hébergeable ouvre aussi la porte à des pilotes dans des secteurs régulés, comme la finance, la santé ou la R&D industrielle, même si la version v0.1 reste un aperçu développeur et non un produit prêt pour la production.

Traçabilité et intégration multi-modèles, le vrai nerf de la guerre

Harness se distingue aussi par son journal de session en écriture seule. Tout ce que le modèle voit est enregistré : prompts système, raisonnement, appels d’outils, résultats, planification des sous-agents et injections de contexte. La vue Trajectory permet ensuite de reprendre, bifurquer, rechercher ou rejouer ces traces à partir du même flux d’événements.

Ce point parle directement aux développeurs qui veulent comprendre pourquoi un agent a échoué, ou mesurer l’effet d’une variation de contexte. Il rejoint un débat plus large sur le “chain of thought”, ce raisonnement intermédiaire que certaines équipes exposent peu ou résument désormais. DeepSeek, lui, le met au centre de l’observation. Les usages de monitoring, de benchmark et de replay y gagnent, sans demander à l’utilisateur de lire dans le marc de café des logs.

Ce que DeepSeek cherche à installer avec Harness

Le projet arrive avec plusieurs modes de fonctionnement, dont Standard, Code, Minimal et Creator, chacun chargé avec un jeu différent de plugins par défaut. DeepSeek ajoute aussi un routage de fournisseurs qui accepte DeepSeek, Anthropic, OpenAI, Bedrock, Vertex, Azure ou des endpoints compatibles OpenAI. Les clefs sont stockées localement et les réglages ne gardent qu’une référence de crédential.

Cette ouverture compte autant que la partie interface. Elle permet d’assembler un runtime d’agent plus qu’un assistant de code fermé, avec des outils, des politiques d’approbation et un environnement de test adaptés à chaque équipe. Dans un secteur où beaucoup de produits restent centrés sur un modèle unique, DeepSeek propose une autre logique : faire du modèle un composant parmi d’autres, pas le chef de chantier.