DeepSeek AI udostępnia DeepSeek Harness w wersji deweloperskiej – modułową platformę dla agentów AI

DeepSeek AI zaprezentowało DeepSeek Harness v0.1 w ramach podglądu deweloperskiego, udostępniając pełny kod źródłowy na licencji MIT. Projekt, dostępny jako dsh pod adresem deepseek-ai/deepseek-harness, stanowi kluczowy element infrastruktury dla agentów sztucznej inteligencji. Harness to warstwa pośrednicząca między modelem AI a środowiskiem, w którym działa, obejmująca narzędzia, pliki, piaskownice oraz pętlę sterowania, umożliwiającą ciągłą pracę agenta. DeepSeek definiuje agenta jako sumę Modelu i Harnessu.

Modułowa architektura oparta na wtyczkach

W przeciwieństwie do większości platform, które mają sztywno zakodowaną warstwę agenta (pętla agenta, rejestr narzędzi, magazyn sesji), DeepSeek Harness przyjmuje odmienne podejście: wszystko jest wtyczką. Modele, narzędzia, umiejętności, sesje, piaskownice, pamięć masowa, pętle, harmonogramowanie, a nawet interfejs użytkownika – wszystkie te elementy działają w ramach granic wtyczek Cordis. Oznacza to, że każdy z nich może być wybrany, wymieniony lub rozszerzony poprzez konfigurację, bez konieczności modyfikowania kodu źródłowego Harnessu. Dzięki temu platforma staje się zestawem do budowania środowisk wykonawczych dla agentów, a nie sztywnym asystentem kodowania, co czyni jej wydanie bardziej znaczącym niż towarzyszące mu ogłoszenie modelu.

DeepSeek Harness v0.1 jest przeznaczony jako infrastruktura deweloperska, a nie gotowy produkt agentowy. Działa na Cordis, meta-frameworku, którego projekt opisano w publikacji „A Programming Paradigm for Spatiotemporal Composability”. Jądro Cordis zarządza montowaniem, odmontowywaniem i zależnościami wtyczek. Wszystkie funkcjonalności są zaimplementowane w wtyczkach, a nie w uprzywilejowanym rdzeniu.

Kluczowe tryby działania i rejestrowanie sesji

Platforma oferuje trzy główne tryby działania:

• Standardowy: Pełny agent kodujący, obejmujący edycję plików, powłokę, wyszukiwanie plików i stron internetowych, umiejętności, planowanie, cele, subagentów i przepływy pracy. Tryb kodu udostępnia te narzędzia poprzez Code Mode SDK, umożliwiając modelowi łączenie wieloetapowych operacji w jednym programie TypeScript.
• Minimalny: Zawiera dwa narzędzia: trwały bash i str_replace_editor, przeznaczone do benchmarkowania modeli w minimalistycznym środowisku.
• Kreator: Dodaje inspekcję środowiska wykonawczego, eksperymenty z wtyczkami w pamięci oraz wskazówki dotyczące tworzenia presetów.

Wszystko, co widzi model, jest zapisywane w dzienniku sesji typu „append-only”. Obejmuje to: monity systemowe, rozumowanie, wywołania narzędzi i ich wyniki, harmonogramowanie subagentów oraz każdą iniekcję kontekstu. Widok Trajectory umożliwia inspekcję tych zapisów według źródła. Funkcje takie jak wznawianie, rozgałęzianie, wyszukiwanie i odtwarzanie działają na tym samym strumieniu zdarzeń. Podczas gdy większość frameworków agentów rejestruje wywołania narzędzi, DeepSeek Harness wyróżnia się rejestrowaniem każdej iniekcji kontekstu.

Integracja z modelami i dostępność

W ustawieniach, klucz API DeepSeek zaczyna działać przy następnym żądaniu bez konieczności restartowania serwera. Zainstalowany katalog umożliwia dodawanie dostawców takich jak Anthropic i OpenAI za pomocą klucza API. Dostawcy tacy jak Bedrock, Vertex, Azure i Codex wymagają natywnych poświadczeń (np. poświadczeń AWS i regionu, projektu ADC, api-version lub OAuth). Niestandardowi dostawcy mogą korzystać z dowolnego adresu URL i protokołu zgodnego z OpenAI. Klucze są zapisywane tylko raz i przechowywane w $DSH_HOME/.credentials.yaml, a ustawienia zawierają jedynie odniesienie do poświadczeń.

Interfejs webowy DeepSeek Harness można uruchomić za pomocą npx @deepseek-ai/dsh web, który domyślnie działa pod adresem http://127.0.0.1:3080. Dostępne jest również Python SDK (deepseek-harness-sdk), wymagające Pythona 3.10 lub nowszego na systemach Linux x64, Linux arm64 lub macOS 14+ na arm64. Jego dołączone środowisko wykonawcze nie wymaga systemowego Node.js.

Udostępnienie DeepSeek Harness v0.1 w wersji deweloperskiej stanowi istotny krok w kierunku demokratyzacji i elastyczności w tworzeniu agentów AI. Modułowa architektura oparta na wtyczkach i otwartość kodu źródłowego mogą znacząco przyspieszyć innowacje w tej dziedzinie, umożliwiając deweloperom tworzenie bardziej złożonych i spersonalizowanych rozwiązań AI, dostosowanych do specyficznych potrzeb i środowisk.

Źródło: marktechpost.com