DeepSeek-Harness-Plugins, erklärt: Installieren, Hinzufügen und Erstellen auf der „Alles ist ein Plugin“-Agent-Runtime

Die Antwort in einem Satz: DeepSeek Harness ist kein Modell. Es ist die von DeepSeek am 13. August 2026 unter einer MIT-Lizenz veröffentlichte Open-Source-Agenten-Runtime, und ihre gesamte Wette besteht darin, dass jede Fähigkeit, die ein Agent benötigt — Modell, Tools, Skills, Sitzungszustand, UI, sogar die Hauptschleife — ein austauschbares Plugin sein sollte. Die Modelle, die Sie darin ausführen, sind DeepSeek V4 Flash und DeepSeek V4 Pro, und Sie müssen keinem Wort des Marketings glauben, um den Unterschied zu spüren: führen Sie npx @deepseek-ai/dsh web aus, öffnen Sie 127.0.0.1:3080, und in weniger als einer Minute haben Sie einen lokalen Coding-Agenten, dessen Terminal, Seitenleiste, Websuche und Speicher alle Plugins sind, die Sie hinzufügen, entfernen oder neu schreiben können, ohne den Quellcode des Frameworks zu berühren. Das GitHub-Repository, das dies herausbrachte, erreichte in den ersten 12 Stunden 50.000 Sterne und hat Stand 16. August 2026 125.959 Sterne. Dieser Artikel ist der praktische Plugin-Leitfaden, den die Ergebnisse der ersten Seite auslassen: was DSH tatsächlich ist, was das Plugin-Ökosystem derzeit enthält, wie man Plugins installiert und schreibt, und wo die Vorschau wirklich an ihre Grenzen stößt.

Was DeepSeek Harness tatsächlich ist (und was es nicht ist)

DeepSeeks interne Formel, bestätigt auf der offiziellen Harness-Seite, lautet Model + Harness = Agent: Das Modell denkt und argumentiert, das Harness verleiht dem Agenten die Fähigkeit, seine Umgebung zu verstehen, Werkzeuge zu nutzen und über eine reale Aufgabe hinweg weiterzuarbeiten. Anthropic hat den Begriff populär gemacht, und Claude Code ist die Referenzimplementierung; DeepSeeks Version ist Open Source, läuft vollständig auf deinem Rechner und ist auf dasselbe Terrain ausgerichtet wie Claude Code und OpenAI Codex. Diese Positionierung ist der Grund, warum es falsch ist, DSH „ein Modell“ zu nennen, und warum dieser Artikel kein Modell-Review ist: Das Harness ist die Schicht, die ein Modell mit Werkzeugen, Dateien, einem Terminal und einer Web-UI verbindet — und in DeepSeeks Design ist jede dieser Verbindungen ein Plugin.

Die Veröffentlichungsfakten, alle bestätigt am 16. August 2026: Das Repository deepseek-ai/deepseek-harness wurde am Abend des 13. August, Pekinger Zeit, als Entwicklervorschau v0.1 unter der MIT-Lizenz veröffentlicht. Es überschritt 10.000 Sterne in weniger als zwei Stunden und 50.000 innerhalb von zwölf Stunden – etwa das 80-Fache des Tempos von OpenClaw, dem zuvor am schnellsten wachsenden GitHub-Repository – und späteren Berichten zufolge überschritt es die 100.000-Marke nach 42 Stunden. Die GitHub-API zeigt heute 125.959 Sterne und 12.526 Forks. Es handelt sich nicht um einen Cloud-Dienst: Sie installieren Node.js, führen npx @deepseek-ai/dsh web aus, und die Web-UI wird unter http://127.0.0.1:3080 bereitgestellt, wobei Ihre Sitzungen, Protokolle und Daten lokal bleiben. Die Version auf npm ist 0.1.0-rc.6, und die README gibt an, dass sich das Projekt in der Entwicklervorschau befindet und „schnell weiterentwickelt“ („iterating rapidly“) wird, wobei mit kompatibilitätsbrechenden Änderungen zu rechnen ist.

"Alles ist ein Plugin" — was der Slogan tatsächlich bedeutet.

Das Framework basiert auf Cordis, einem Plugin-Meta-Framework, das aus dem Koishi-Bot-Ökosystem extrahiert wurde. Cordis ist bewusst schlicht gehalten: Es lädt und entlädt nur Plugins und löst Abhängigkeiten zwischen ihnen auf, besitzt aber keinerlei tatsächliche Fähigkeiten des Agenten. Alles darüber hinaus – der Modell-Adapter, Tools, Skills, Sessions, Sandbox, Speicher, die Schleife, die den Agenten antreibt, Scheduling und die Web-UI – ist selbst ein Cordis-Plugin, und Plugins kooperieren über Cordis-Dienste und -Events. Sie können jede Fähigkeit auf der Konfigurationsebene auswählen, ersetzen oder erweitern, ohne den Quellcode zu bearbeiten.

Das beinhaltet das Modell. Das Modell ist nur ein Plugin mit einem OpenAI-kompatiblen Endpunkt dahinter, so zwingt dich nichts am Framework, innerhalb der DeepSeek-Produktpalette zu bleiben – der „Modell wechseln“-Schritt ist eine Konfigurationsänderung, kein Fork. Dasselbe Prinzip erklärt, warum die vier integrierten Voreinstellungen eigentlich vier Plugin-Bündel sind:

• Standard — der vollständige Coding-Agent: Dateibearbeitung, Shell, Datei- und Webabruf, Skills, Pläne, Ziele, Sub-Agenten und Workflows.

• PTC — alles im Standard-Plan plus das Code-Mode-SDK, das dem Modell ermöglicht, ein einziges TypeScript-Programm zu schreiben, um mehrstufige Tool-Aufrufe zu verketten, anstatt sie einzeln auszuführen.

• Minimal — genau zwei Werkzeuge (eine persistente Bash und ein str_replace_editor), entwickelt für das Benchmarking von Modellen in minimalen Umgebungen. Dies ist der Modus, den DeepSeek für die V4-Flash-Agent-Benchmark-Läufe verwendet hat, auf die sich seine API-Dokumentation bezieht.

• Erstellung — ein Modus zum Erstellen neuer Presets: der volle Funktionsumfang von Standard plus Laufzeitinspektion und In-Memory-Plugin-Experimente, direkt auf Plugin-Entwickler ausgerichtet.

Das Plugin-Ökosystem, in Zahlen

Die Entwicklung von Community-Plugins begann während der internen Tests – in den ersten Tagen wurden rund 300 Plugins erstellt, darunter ein Windows-XP-Retro-Skin und ein Meme-Plugin – und die Zahlen sind seit der öffentlichen Veröffentlichung gestiegen. Die Anzahl, die zählt, hängt davon ab, was man zählt:

• 288 Plugin-Repositories wurden am Startabend von chinesischen Tech-Medien laut einer 36Kr-Umfrage katalogisiert.

• 1.000+ Repositories mit dem öffentlichen GitHub-Themen-Tag dsh-plugin innerhalb der ersten Tage; einige Zählungen melden 700+.

• 1.117 kuratierte Plugins in 1.521 überwachten Ökosystem-Repositories, mit insgesamt 301.295 GitHub-Stars, im von der Community gepflegten Oh-My-DSH-Verzeichnis Stand 15. August 2026.

• 2,600+ Repos im automatisch aktualisierenden awesome-dsh-Katalog des gesamten dsh-plugin-Themas und 368 handverlesene Einträge in 18 Kategorien in der 0xsline awesome-deepseek-harness-Liste.

Die Taxonomie in diesen Listen zeigt, wohin die Community zuerst gegangen ist – und genau diese Oberfläche benötigt eine Agenten-Laufzeitumgebung. Websuche: dsh-web-search-exa (basiert auf Exa, mit einem Fallback ohne API-Schlüssel) und dsh-web-search-pro (Multi-Engine-Routing über DeepSeek, Exa, DuckDuckGo, Bing, Jina, GitHub, Bilibili und YouTube). RSS und Nachrichten: dsh-news-plugin ruft über 10 chinesische und englische Feeds ab und bereitet sie als strukturierte Einträge auf. Bürodokumente: dsh-office ermöglicht es dem Modell, Office-Dokumente mit docx/pdf-Vorschau im Web-Client zu bearbeiten. Chatverlauf-Import: dsh-chat-import stellt Gespräche von 13 Coding-Agenten – Claude Code, OpenAI Codex, ChatGPT, Cursor, Gemini und andere – in voller Wiedergabetreue als fortsetzbare DSH-Sitzungen wieder her. Mobil: dsh-mobile und dsh-mobileweb-adapter bringen die Benutzeroberfläche auf ein Telefon. Feishu und Lark: dsh-feishu-bot und dsh-feishu-notify übertragen Sitzungsereignisse an Feishu, und dsh-im-hub ist ein Multi-Plattform-Gateway (Feishu WebSocket, WeCom, Telegram). Sprachausgabe: dsh-voice fügt Edge Neural TTS zum Vorlesen und Spracherkennung hinzu, und dsh-voice-webspeech benötigt weder Server noch API-Schlüssel. Darum herum gruppieren sich Speicher-Plugins (dsh-memento, dsh-memory-evolve, dsh-recall), eine offizielle Tool-Suite (dsh-toolkit), IDE-ähnliche Seitenleisten (dsh-better-sidebar, das deepseek-harness-workbench-plugin), Vision-Plugins, die reinen Textmodellen Sicht verleihen, und sogar ein Tauri-Desktop-Wrapper, deepseek-harness-desktop.

So installieren Sie DSH und fügen Plugins hinzu

Der Installationspfad ist kurz, und es kommt darauf an, den Plugin-Befehl genau richtig anzugeben, weil mehrere Tutorials ihn verstümmeln. Die kanonische Form ist dsh plugin --profile web add <package> – das --profile web-Flag ist wichtig, denn Profile sind die Art und Weise, wie DSH entscheidet, welches Plugin-Bundle eine Sitzung ausführt, und das Web-Profil ist dasjenige, das hinter der Web-UI steht.

• Install Node.js (reports indicate 22.19 or newer), then start the Web UI: npx @deepseek-ai/dsh web — it serves at http://127.0.0.1:3080.

• Fügen Sie ein Plugin über den npm-Paketnamen hinzu: dsh plugin --profile web add <package-name>, zum Beispiel dsh plugin --profile web add @nanmicoder/dsh-agent-teams.

• Aus einem GitHub-Repository hinzufügen: dsh plugin --profile web add "github:owner/repo#ref" (das #ref legt einen Branch, Tag oder Commit fest).

• Ohne dsh global zu installieren: npx -p @deepseek-ai/dsh dsh plugin --profile web add <package-name>.

• Nach der Installation eines Bundle-Plugins starten Sie dsh web neu und aktualisieren Sie die Seite; überprüfen Sie mit dsh plugin --profile web list oder verwenden Sie Einstellungen → Plugins in der Web-Benutzeroberfläche.

Eine Feinheit, über die Neulinge stolpern: Nur Pakete, die ein dsh.bundle.patch Feld deklarieren, werden zu aktiven Profil-Layern. Eine einfache Abhängigkeit installiert sich zwar, bleibt aber inaktiv — die Bundle-Deklaration ist es, die DSH mitteilt, dass das Paket ein Harness-Plugin ist und wo es eingebunden wird. Der dsh-Plugin-Befehl leitet Paketoperationen an pnpm weiter, sodass npm-Pakete, GitHub-Spezifikationen, lokale Pfade sowie file:- und link:-Quellen unterstützt werden, und das erneute Ausführen desselben add-Befehls aktualisiert das Plugin.

So schreiben Sie Ihr eigenes Plugin

Da alles ein Plugin ist, bedeutet eines zu schreiben, ein Cordis-Plugin zu schreiben, das ein DSH-Bundle deklariert – und das Community-Grundgerüst bietet dafür einen sauberen Startpunkt. Die Plugin-Registry und die Entwicklungswerkzeuge (plugin-registry, dsh-plugin-starter, create-dsh-plugin und der dsh-plugin-check Health-Checker) sind Community-Infrastruktur, aber der Vertrag ist stabil genug, um beschrieben zu werden: Ihr Paket muss dsh.bundle.patch deklarieren, um eine aktive Profilebene zu werden. Es legt seine Fähigkeiten als Cordis-Dienste und -Ereignisse offen, und die Laufzeit entscheidet beim Laden, wie es in das von Ihnen gewählte Profil eingepatcht wird.

Für die lokale Entwicklung ist der Ablauf: klonen und bauen Sie Ihr Plugin, fügen Sie es mit dsh plugin --profile web add "link:$(pwd)" hinzu, und iterieren Sie dann — Änderungen auf der Client-Seite erfordern eine Seitenaktualisierung, Änderungen auf der Host-Seite einen Neustart des dsh-Dienstes. Dieser Local-Link-Workflow hat die meisten der ersten 1.000 Plugins des Ökosystems hervorgebracht, und es lohnt sich, die Disziplin dieser Projekte zu übernehmen: Versionen zu pinnen. Die Vorschau iteriert schnell genug, dass ein Plugin, das gegen einen Release Candidate geschrieben wurde, beim nächsten RC brechen kann — das ModLens-Vision-Plugin der Community beispielsweise ist laut Dokumentation auf eine feste Version angewiesen, um zuverlässig zu funktionieren.

Trajectory und MCP — die beiden Funktionen, die Rezensenten immer wieder hervorheben

Zwei Fähigkeiten sind es wert, darüber Bescheid zu wissen, bevor Sie entscheiden, ob DSH für Sie geeignet ist, denn sie sind die Teile des Designs, die ein „Plugin-Listicle“ Ihnen nicht verraten wird. Die erste ist die Trajektorie. Jeder Lauf ist rückverfolgbar: Die gesamte Erfahrung des Modells — Systemprompts, Gedankenkette, jeder Tool-Aufruf und dessen Ergebnis, Sub-Agent-Planung und jede Kontextinjektion — wird in einem nur-anhängbaren Sitzungsprotokoll (append-only) aufgezeichnet, und Wiederherstellung, Forking, Abruf und Replay arbeiten alle auf demselben Ereignisstrom. Entwickler auf Hacker News haben dies als das Killerfeature bezeichnet und angemerkt, dass geschlossene Agent-Produkte genau diese Daten verbergen. Die zweite ist MCP. DSH bringt einen offiziellen MCP-Client mit einem /mcp-Befehl und einer Registerkarte „Einstellungen“ für Server mit, und das Ökosystem hat bereits darauf aufgebaut — dsh-chatgpt-bridge macht eine DSH-Sitzung für ChatGPT als MCP-Server verfügbar, und dsh-mcp-panel ist ein Beobachtungspanel für den Client. Wenn Ihr Agent-Stack bereits auf MCP-Server setzt, kann DSH diese als Plug-ins einbinden.

Woher das Modell stammt

DSH ist ein Harness, kein Modellanbieter, also musst du einen Modell-Endpunkt bereitstellen – und genau hier liegt die natürliche Passung bei DeepSeeks eigenem Duo. DeepSeek V4 Flash (die effiziente MoE mit 284B gesamt / 13B aktiv, etwa 0,15 $ pro Million Input- und 0,29 $ pro Million Output-Tokens) ist die günstige Standardwahl; DeepSeek V4 Pro (das Flaggschiff mit 1,6T gesamt / 49B aktiv, etwa 0,44 $ / 0,88 $) ist die Hochleistungs-Engine. Beide werden auf OrcaRouter zum Listenpreis von DeepSeek ohne Aufschlag gehostet und sind über einen OpenAI-kompatiblen Schlüssel erreichbar – das passt sauber zum DSH-Modell-Plugin: Richte das Modell-Plugin auf den OrcaRouter-Endpunkt, und du kannst innerhalb desselben Harness zwischen Flash und Pro wechseln, mit automatischem Failover zu einem zweiten Anbieter, falls einer hängt. Das ist ein echter Anwendungsfall, und ein ehrlicher dazu: OrcaRouter hostet DSH nicht selbst – DSH läuft auf deinem Rechner, und OrcaRouter ist die Modellebene, auf die du es ausrichtest.

Wo es hakt – der ehrliche Teil

Dieselbe Energie, die in drei Tagen 125.000 Sterne hervorgebracht hat, ist die Energie, die die rauen Kanten hervorgebracht hat. Lies diese, bevor du installierst, nicht danach:

• Es ist eine Entwicklervorschau, und genau das sagt sie auch. Die Warnung der README selbst lautet: „THERE WILL BE COMPATIBILITY-BREAKING CHANGES.“ Die npm-Version ist ein Release Candidate (0.1.0-rc.6), Kern-Plugins und Basis-APIs werden noch ständig verändert, und die Startoberfläche selbst zeigt einen Hinweis, der sich an Harness-Entwickler richtet. Bauen Sie keine Produktionsabhängigkeit von Versionsnummern auf, die Ihnen unter den Füßen weggezogen werden.

• Die Wahl des Harness kostet echte Tokens. Eine in der chinesischen Presse zitierte Vergleichsstudie eines Drittanbieters ergab, dass ein anderes Open-Source-Harness bei derselben DeepSeek-V4-Flash-Aufgabe nur etwa 30 % so viele Tokens verbrauchte wie DeepSeek Harness, und ein kontrollierter Test von Composio führte denselben V4 Flash über acht Harnesses bei 30 Aufgaben aus und erzielte zwischen 14 und 20 Completions – bei identischem Modell, wobei die Ergebnisse um ein Drittel auseinanderlagen. Das Harness ist kein neutraler Wrapper; es entscheidet, wie effizient das Modell arbeitet.

• Es fühlt sich wie ein Framework an, nicht wie ein fertiges Produkt. Mit den Worten der Rezensenten: Die Benutzeroberfläche ist nicht für Menschen geeignet, die keinen Code schreiben, und überall gibt es raue Kanten. Es gibt kein offizielles CLI oder TUI — die Community hat dsh-TUI und dsh-tianshu-tui entwickelt, um diese Lücke zu füllen — und die Freiheit, dass „alles ein Plugin ist“, ist genau das, was die Standardeinstellungen unfertig wirken lässt.

• Es funktioniert, aber man muss es im Auge behalten. Die Praxisberichte — einschließlich desjenigen, der die Schlagzeile „50.000 Sterne über Nacht“ prägte — beschreiben einen Agenten, der mehrstufige Aufgaben erledigt (eine Website in einer anderen Designsprache neu aufbauen, GitHub-API-Daten abrufen und ein Diagramm rendern), aber Aufsicht benötigt, mit kleineren Format- und Interaktionsfehlern in den Ergebnissen.

• Local-first bedeutet, dass du die Rechenleistung mitbringst.DSH läuft auf deinem Rechner und mit deinen Modellschlüsseln. Wenn du einen verwalteten Agenten wolltest, ist das das Falsche.

Fazit

DeepSeek Harness ist das am schnellsten wachsende Open-Source-Projekt des Jahres 2026, nicht weil es ein besseres Modell ist – es ist überhaupt kein Modell –, sondern weil es den Agenten selbst zur Plattform gemacht hat. Der eigentliche Clou ist das Plugin-Ökosystem: über 100 Fähigkeiten in den offiziellen Paketen, über 1.100 Community-Plugins, die drei Tage nach der Veröffentlichung katalogisiert wurden, und der schnellste Weg, das gesamte Vorhaben zu bewerten, ist es, npx @deepseek-ai/dsh web auszuführen und ein paar Plugins hinzuzufügen. Für Entwickler, die eine lokale, vollständig überprüfbare Agenten-Laufzeitumgebung möchten und keine Bedenken haben, Versionen in einer sich ständig ändernden Vorschau festzupinnen, lohnt sich die Installation von DSH noch heute – kombinieren Sie es über OrcaRouter zu DeepSeek-Listenpreisen mit DeepSeek V4 Flash und DeepSeek V4 Pro, und Sie erhalten den kompletten Stack für die reinen Tokens-Kosten. Für alle, die Produktionsstabilität benötigen, keine Vorschau ständig beaufsichtigen können oder einen verwalteten Agenten möchten, ist es noch nicht bereit – warten Sie, bis sich die Kompatibilitätsoberfläche stabilisiert hat. Die Behauptung des Frameworks, dass sich der Wert eher im Harness als im Modell ansammelt, ist das, worauf man setzen oder wogegen man argumentieren kann – und dank über 1.000 offener Plugins können Sie es jetzt selbst testen.