O DeepSeek Harness chegou com uma decisão arquitetural mais importante do que a interface: adaptador de modelo, registro de ferramentas, log de sessão e loop do agente são plugins substituíveis. Dois dias depois da abertura do repositório, um experimento da comunidade acrescentou uma hipótese prática: talvez o catálogo de ferramentas mostrado na primeira requisição influencie tanto o resultado quanto o modelo escolhido.
Essa hipótese é promissora, mas exige precisão. O tool gating bifásico não é uma função oficial anunciada pela DeepSeek, e os testes disponíveis não provam melhora universal. Eles mostram um efeito forte em um modelo, uma tarefa e um ambiente específicos — evidência suficiente para justificar um teste controlado, não para declarar uma nova lei da engenharia de agentes.
O fato novo: um harness sem núcleo privilegiado
O repositório oficial do DeepSeek Harness foi aberto em 13 de agosto de 2026 e ultrapassou 107 mil estrelas antes do fechamento da pesquisa editorial, em 15 de agosto. O projeto está sob licença MIT e ainda é uma developer preview. A própria documentação alerta para mudanças incompatíveis durante essa fase.
O ponto técnico central está na arquitetura oficial: não há um núcleo privilegiado que precise ser alterado sempre que uma capacidade entra no sistema. O adaptador de modelo, o registro de ferramentas, o log da sessão e o loop do agente são montados como plugins em uma árvore de configuração.
Essa composição usa o Cordis, meta-framework descrito pelos autores como um sistema de composabilidade espaço-temporal. Na prática, cada plugin pode contribuir com serviços, eventos tipados e efeitos reversíveis para um contexto compartilhado. Quando o plugin é desmontado, seus registros também são desfeitos.
Isso muda o lugar onde a equipe faz extensões. Em vez de editar o loop principal para adicionar um provedor, uma ferramenta ou uma política de execução, o dsh oferece pontos de extensão documentados:
- adaptadores de modelo entram no serviço de LLM;
- ferramentas registram seus schemas no catálogo visível ao modelo;
- políticas podem interceptar requisições e chamadas antes da execução;
- presets compõem conjuntos diferentes de capacidades por agente;
- eventos duráveis da sessão preservam estado após recarga ou retomada.
A tese não é que plugins sejam novidade. É que, em agentes, a composição do runtime também compõe o contexto que o modelo recebe. Arquitetura de software e engenharia de contexto deixam de ser assuntos separados.
Onde o catálogo de ferramentas entra no raciocínio
Em cada etapa, o harness monta as seções de prompt e os schemas registrados antes de chamar o modelo. Esse catálogo define quais ações o modelo enxerga e quais parâmetros precisa considerar.
Um catálogo grande pode gerar três custos diferentes:
- Contexto: nomes, descrições e schemas ocupam parte da requisição.
- Decisão: o modelo precisa escolher entre mais ações antes de executar a primeira.
- Controle: ferramentas de busca, rede, subagentes e escrita ampliam a superfície de permissão que o runtime precisa governar.
O terceiro ponto merece cuidado. Esconder uma ferramenta na primeira requisição não substitui sandbox, aprovação ou controle de acesso. Tool gating organiza a exposição ao modelo; segurança continua dependendo da política de execução aplicada pelo sistema.
Também não existe uma regra simples do tipo “menos ferramentas sempre melhora o raciocínio”. Em algumas tarefas, a ferramenta certa precisa estar disponível desde o início. O que interessa é descobrir se a primeira requisição contém capacidades relevantes para o planejamento inicial — e medir o efeito, em vez de presumir.
O que o experimento Anchored Standard fez
O dsh-anchored-standard é um preset experimental criado pela comunidade. O README declara de forma explícita que o projeto não é oficial nem endossado pela DeepSeek.
Seu modo principal divide a sessão em duas fases:
Requisição 1 — bootstrap
ferramentas: bash + str_replace_editor
contexto automático: instruções do workspace e catálogo de skills suprimidos
objetivo: estabelecer a primeira trajetória com o par do preset Minimal
Evento durável
primeira tool/call ou primeira assistant/message
Requisição 2+ — catálogo residente
ferramentas: par de bootstrap + busca de ferramentas + busca/carga de skills
capacidades pesadas: liberadas sob demanda
contexto automático: restaurado
Há uma nuance importante: a versão atual não despeja todo o catálogo Standard logo após a promoção. O próprio projeto relata uma regressão quando fez isso. Por isso, ferramentas mais pesadas ficam atrás de mecanismos de descoberta e entram no catálogo apenas quando são solicitadas.
O estado de fase é derivado de eventos duráveis da sessão. Assim, recarregar ou retomar a execução não devolve o agente ao bootstrap por engano.
O que os números dizem — e o que não dizem
O conjunto de testes usado foi o Project2 V4.1b, um benchmark pessoal de manutenção de software. O autor avisa que ele não foi desenhado como ranking público e que seus resultados não devem ser extrapolados para outros projetos.
No recorte com DeepSeek V4 Pro, reasoningEffort=max, os resultados publicados foram:
| Configuração | Ambiente | Execuções | Pontuação de habilidade |
|---|---|---|---|
| DSH Standard | WSL | 1 | 91 |
| DSH PTC | WSL | 1 | 92 |
| DSH Minimal | WSL | 2 | 99 e 96 |
| DSH Anchored Standard | Windows | 2 | 98 e 99 |
O Anchored Standard preservou o par mínimo na primeira requisição e, nas execuções medidas, disponibilizou o catálogo mais amplo depois. Isso enfraquece uma explicação simplista — “o agente foi melhor porque teve poucas ferramentas o tempo todo” — e torna plausível que a condição inicial da sessão tenha peso próprio.
Ainda assim, a tabela não isola uma única causa. O preset Minimal também altera prompt, injeções automáticas e outros elementos do scaffold. O trabalho posterior do projeto identifica três variáveis candidatas: schema de ferramentas, orçamento de saída e lembretes injetados. Nos testes de trajetória da primeira requisição, o par real do Minimal produziu o padrão esperado em 5 de 5 casos, enquanto schemas da família Standard produziram outro padrão em 11 de 11.
Isso demonstra sensibilidade da trajetória ao scaffold. Não demonstra, sozinho, que uma forma de escrever o raciocínio seja melhor, nem que qualquer agente ganhe oito pontos ao esconder ferramentas.
Como aplicar o padrão sem copiar uma hipótese como dogma
Uma implementação responsável começa com observabilidade. Antes de mudar o catálogo, registre o que o modelo realmente recebeu em cada requisição: versão do modelo, prompt efetivo, lista de ferramentas, tamanho dos schemas, limite de saída, contexto automático e evento que promoveu a sessão.
Depois, desenhe o experimento em cinco passos:
1. Defina um bootstrap suficiente
Escolha o menor conjunto que permita ao agente inspecionar o ambiente sem travar. Em tarefas de código, terminal e edição podem bastar. Em atendimento, talvez a primeira etapa precise de busca de cliente e leitura de políticas. “Mínimo” depende do trabalho.
2. Use um evento observável para promover
Evite regras vagas como “quando o agente parecer pronto”. Prefira um fato que o runtime consiga registrar e reproduzir: primeira chamada de ferramenta, primeira resposta do assistente ou conclusão explícita de uma etapa.
3. Promova um catálogo residente, não necessariamente o catálogo inteiro
Ferramentas de descoberta permitem que capacidades caras ou raras entrem sob demanda. Isso reduz a superfície inicial sem impedir tarefas complexas depois.
4. Preserve estado após retomada
Se a fase vive apenas em memória, uma recarga pode alterar o comportamento no meio da tarefa. Registre a promoção no log da sessão ou derive o estado de eventos duráveis.
5. Compare entrega, não estilo de raciocínio
Meça testes aprovados, erros, chamadas inúteis, tokens, latência, custo e violações de política. Mudança no vocabulário da cadeia de pensamento pode ajudar a investigar o mecanismo, mas não substitui qualidade de entrega.
Como experimentar o DeepSeek Harness sem inventar configuração
A instalação documentada pela DeepSeek é direta:
npx @deepseek-ai/dsh web
O comando inicia a interface web em http://127.0.0.1:3080 por padrão. A configuração de modelos acontece em Settings → Models. A documentação oficial também permite cadastrar provedores de catálogo e endpoints personalizados compatíveis com protocolos suportados, informando URL base, credencial e modelos.
Para desenvolvimento a partir do código-fonte, o fluxo oficial usa Node.js, pnpm e o próprio repositório:
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web
Como o projeto está em developer preview, presets comunitários devem ser fixados a uma versão ou commit conhecido. O Anchored Standard, por exemplo, informa compatibilidade testada com 0.1.0-rc.5 e um commit específico do dsh. Atualizar o harness sem revisar o preset pode mudar schemas, eventos ou ordem de composição.
O que muda para equipes que operam agentes
O DeepSeek Harness oferece uma base arquitetural convincente: capacidades substituíveis, eventos interceptáveis e configuração por camadas. O experimento bifásico acrescenta uma disciplina útil: tratar o primeiro catálogo de ferramentas como parte do design do produto, não como um detalhe do SDK.
Para produção, a leitura correta é conservadora:
- modularize ferramentas, adaptadores e políticas para poder testar composições;
- mantenha sandbox e permissões independentes da visibilidade ao modelo;
- registre o conteúdo efetivo de cada requisição;
- valide o gating em mais de um tipo de tarefa e modelo;
- preserve um caminho de descoberta para não trocar excesso de opções por incapacidade.
A recomendação MaxVision é simples: audite hoje a primeira requisição de um agente real da sua operação. Liste as ferramentas visíveis, marque quais são necessárias antes da primeira ação e rode um A/B com o restante liberado sob demanda.
Perguntas frequentes
O DeepSeek Harness é oficial?
Sim. O dsh é um projeto de código aberto desenvolvido pela DeepSeek AI. Em agosto de 2026, ainda estava classificado como developer preview, com aviso de mudanças incompatíveis.
O tool gating bifásico faz parte do DeepSeek Harness?
O harness oferece a arquitetura de plugins e eventos que permite implementar o padrão. O Anchored Standard citado neste artigo é um preset comunitário experimental, sem afiliação ou endosso da DeepSeek.
Os testes provam que muitas ferramentas degradam qualquer modelo?
Não. Eles mostram que o DeepSeek V4 Pro foi sensível ao scaffold e ao catálogo inicial no Project2. A amostra é pequena e específica. Outras combinações de modelo, tarefa e ferramenta precisam de testes próprios.
Esconder ferramentas no primeiro turno aumenta a segurança?
Reduz a superfície de ações apresentada ao modelo naquele momento, mas não substitui controle de acesso, sandbox, aprovação humana ou políticas no executor. Visibilidade e permissão são camadas diferentes.
