Comment installer DeepSeek Harness (dsh) : npx en une ligne, compilation à partir des sources, headless et plugins

To install Deep​Seek Harness (dsh), the open-source agent runtime Deep​Seek shipped on August 13, 2026, run npx @deepseek-ai/dsh web on a machine with Node.js 22.19 or newer. That one command downloads the 0.1.0-rc.6 preview, starts a local web UI at http://127.0.0.1:3080, and walks you through adding a model API key and a workspace on first launch. Two things to know before you start: dsh is not a model — it's the harness layer that connects a model to tools, files, and a terminal — and it's a developer preview, so expect breaking changes between releases. This guide covers both official install methods, headless mode, plugins, MCP, and the honest rough edges.

Ce que DeepSeek Harness est — et ce qu'il n'est pas

La formule interne de Deep​Seek, confirmée par le chercheur senior Chen Deli, estModel + Harness = Agent. Le modèle est le cerveau ; le harnais est tout ce qui le transforme en quelque chose qui fait avancer le travail : la gestion du contexte et de la mémoire, l'appel d'outils, la planification des tâches, la lecture et l'écriture de fichiers, l'exécution en terminal, le retour d'erreurs, et la décision du moment où une tâche est terminée. Deep​Seek Harness est cette couche, publiée en open source sous licence MIT le 13 août 2026 — le même jour où la version DeepSeek V4 Pro 0813 est arrivée sur l'API Deep​Seek.

Deux faits définissent l'expérience d'installation. Premièrement, l'architecture est « tout est un plugin », construite sur Cordis, un conteneur de plugins TypeScript — donc ce que vous installez est un petit noyau plus un ensemble de plugins qui fournissent des adaptateurs de modèles, des outils, des sessions et une interface utilisateur. Deuxièmement, la version sur npm aujourd'hui est 0.1.0-rc.6, une release candidate que le projet lui-même qualifie d'aperçu pour développeurs : le README prévient, en lettres majuscules, que des changements qui cassent la compatibilité arrivent. La popularité est réelle — 50 000 étoiles GitHub dans ses premières 12 heures, 100 000 en environ 42 heures, et plus de 120 000 au 16 août selon la presse tech chinoise — mais les étoiles mesurent l'intérêt, pas la stabilité. Planifiez votre installation comme vous planifiez un aperçu : rapide à essayer, peu coûteux à jeter.

Avant de commencer : les véritables exigences système

La seule exigence stricte est Node.js. Le projet cible la plage de versions ^22.19.0 || >=24.0.0 — autrement dit, Node 22.19 ou plus récent, ou toute version 24.x. Vérifiez la vôtre avec node --version. Si vous avez une version plus ancienne de Node, l’installation via npx échouera ou se comportera mal, au lieu de se dégrader proprement.

Tout le reste est plus léger que ne le suppose la foule des « model-first » :

• Une clé API du modèle. dsh fait tourner un vrai modèle ; il a besoin d'une clé pour l'API de Deep​Seek ou tout fournisseur compatible Open​AI que vous configurez. Vous pouvez en ajouter une dans l'interface web après le premier lancement.

• pnpm — uniquement pour la compilation à partir des sources. Installez-le une fois avec npm install -g pnpm.

• ~1 Go d’espace disque libre pour le package npm, l’espace de travail et les journaux de session, plus tout ce dont un modèle local aurait besoin (dsh lui-même n’exécute pas les poids).

• Système d’exploitation : la méthode npm fonctionne sous Windows, macOS et Linux. Le SDK Python est plus restreint (Linux x64/arm64, macOS 14+ arm64 — pas de Windows natif), traité ci-dessous.

Vous n'avez pas besoin d'un GPU. Le harnais orchestre uniquement ; le modèle s'exécute à distance via une API.

Méthode 1 — la commande npx en une ligne (recommandée pour presque tout le monde)

Le démarrage rapide officiel est une seule commande, et c'est vraiment une seule commande :

npx @deepseek-ai/dsh web

npx fetches the @deepseek-ai/dsh package (current version 0.1.0-rc.6), installs it into npm's cache, and starts the Web UI profile. Watch the output for the line that tells you it's listening — by default that is http://127.0.0.1:3080. Open it in your browser. Note the 127.0.0.1 loopback address: the UI binds to localhost only, which is the right default for a tool that can read and write files in your workspace — it also means you won't casually expose it on your network.

Le premier lancement comporte exactement deux étapes de configuration :

• Ajoutez une clé de modèle. Paramètres → Modèles → saisissez votre clé API. Elle est stockée dans $DSH_HOME/.credentials.yaml et n'est pas affichée en clair par la suite. Sur une installation standard, DSH_HOME a pour valeur par défaut ~/.dsh.

• Choisissez un espace de travail. Ajoutez le répertoire de projet dans lequel dsh est autorisé à travailler. La saisie reste verrouillée tant que les deux étapes ne sont pas terminées.

Envoyez ensuite une première tâche — un bon test de fumée est "Résumez ce dépôt et identifiez ses principaux paquets."Si le résumé revient et que les appels d'outils apparaissent dans la trace d'exécution, votre installation fonctionne.

Méthode 2 — compiler à partir des sources

Vous préférez exécuter depuis le dépôt ? Le chemin officiel est :

git clone https://github.com/deepseek-ai/deepseek-harness.git

cd deepseek-harness

pnpm install

pnpm run build

pnpm dsh web

Vous avez besoin de pnpm pour cela (les contributeurs épinglent pnpm 11.7.0). Choisissez la compilation source lorsque vous voulez exécuter la dernière version de main plutôt que la release candidate publiée, lorsque vous prévoyez de lire ou de modifier le harnais, ou lorsque vous voulez créer un préréglage personnalisé à partir du répertoire apps/cli/config/agent-presets/ du dépôt. Pour tous les autres, la voie npx est le même logiciel avec moins de cérémonie — la compilation source ne débloque pas de fonctionnalités que le paquet npm ne possède pas.

Les trois profils : web, headless et tui.

dsh se décline en trois profils d'exécution, et celui que vous utilisez dépend de l'endroit où le travail est effectué :

• web (par défaut) — l'interface navigateur complète sur le port 3080. C'est ce que npx @deepseek-ai/dsh web lance, et c'est le profil que la plupart des gens installeront en premier.

• headless — une seule tâche, puis sortie. dsh --profile headless "run the test suite and report failures" démarre une session, exécute la tâche, écrit ses résultats et se termine. Le runtime headless est explicitement un processus à tâche unique : vous ne pouvez pas injecter de suivis en cours d’exécution, et les corrections sont une nouvelle exécution sur le même espace de travail. C’est le profil à intégrer dans les scripts et la CI.

• tui — une interface terminal pour les sessions pilotées au clavier : dsh --profile tui.

Les trois partagent la même configuration (~/.dsh/profiles/<name>/) et le même système de plugins, donc déplacer une tâche de l’interface web vers headless est un simple changement de commande, pas une réinstallation.

Ajout de plugins

La gestion des plugins est une commande CLI de première classe, et non une affaire d'édition en place :

npx @deepseek-ai/dsh plugin --profile web add <source>

La source peut être un nom de package npm, un dépôt GitHub (github:user/repo), un tarball ou un dossier local. La première installation la plus utile est le marché officiel des plugins, qui transforme la découverte des plugins en interface utilisateur :

npx @deepseek-ai/dsh plugin --profile web add dshmarket

Ensuite, redémarrez le service web et ouvrez Paramètres → Plugin Market pour parcourir et installer en un clic à partir du catalogue. Deux règles qui piègent les gens : les bundles de plugins se montent au démarrage du profil, donc un plugin nouvellement ajouté nécessite un redémarrage de dsh web ; et un simple npm install n'enregistre pas un plugin dans un profil — vous devez utiliser dsh plugin. L'écosystème est jeune mais pas vide : la liste awesome-dsh-plugin, maintenue par la communauté, catalogue déjà des centaines de plugins dans des catégories comme UI, compétences, outils, fournisseurs et notifications.

MCP, les quatre préréglages et le rejeu de trajectoire.

Trois fonctionnalités comptent une fois que vous avez dépassé une installation de base :

MCP. dsh parle du Model Context Protocol via un composant intégré, @deepseek-ai/dsh-mcp-client, un plugin. Aujourd'hui, cela se configure dans des fichiers, pas dans l'interface : vous modifiez ~/.dsh/profiles/web/cordis.patch.yml (ou un patch local au projet) et déclarez le transport de chaque serveur — stdio pour les commandes locales comme npx @playwright/mcp@latest, streamable-http pour les URL distantes. Cela fonctionne, mais c'est la surface la moins aboutie de l'aperçu ; attendez-vous à des instabilités occasionnelles et à l'absence d'interface graphique pour activer/désactiver les serveurs.

Préréglages. dsh charge l'un des quatre préréglages d'agent par session, et chacun représente un compromis différent :

• Standard — l'ensemble complet d'outils : édition de fichiers, shell, récupération de fichiers et de pages web, compétences, planification, sous-agents, flux de travail. Le choix par défaut au quotidien.

• PTC (Appel d'outils programmatique) — Standard plus un SDK Code Mode qui permet au modèle d'écrire des programmes TypeScript pour orchestrer des appels d'outils sur plusieurs tours. Plus puissant, plus d'effets secondaires.

• Minimal — uniquement bash et un éditeur de fichiers, rien d'autre. Conçu pour le benchmark de modèles et la reproduction minimale ; le mode auquel la documentation de l'API DeepSeek V4 Flash faisait référence lorsqu'elle a divulgué ses propres scores d'agent s'exécutait sur « Deep​Seek Harness minimal mode ».

• Création — un terrain d'expérimentation à l'exécution : inspectez et chargez des plugins Cordis en mémoire, expérimentez et consolidez une combinaison fonctionnelle en un nouveau préréglage.

Rejeu de trajectoire. Chaque exécution écrit un journal de session en ajout seul — invites système, raisonnement, appels d’outils et leurs résultats, planification des sous-agents. La vue Trajectoire vous permet d’inspecter une exécution par source, de la reprendre, de la forker, de la rechercher et de la rejouer. C’est le débogueur du travail des agents : lorsqu’une tâche échoue, vous ne relancez pas en espérant ; vous rejouez la trajectoire échouée, vous la forkez à l’étape fautive et testez une correction sans jeter l’originale.

L'option SDK Python

Si vous préférez piloter le harnais depuis Python plutôt que depuis un navigateur, il existe un SDK officiel : pip install deepseek-harness-sdk. Il inclut le runtime dsh (la roue pip embarque le runtime Node, donc pas d’installation Node séparée), et l’utilisation se fait via un gestionnaire de contexte : construisez une instance Deep​SeekHarness, appelez run("task"). Il hérite des variables d’environnement standard comme DEEPSEEK_API_KEY et DEEPSEEK_BASE_URL, donc un changement de fournisseur est une simple modification de configuration. L’inconvénient : il nécessite Python 3.10+ et ne prend en charge que Linux x64/arm64 et macOS 14+ arm64 — il n’existe pas de wheel natif pour Windows, ce qui est une vraie lacune si votre hôte est Windows. Sur Windows, tenez-vous-en à la voie npm.

Pointer dsh vers les modèles pour lesquels vous payez.

dsh nécessite une clé API de modèle, et il est délibérément agnostique en matière de fournisseur : Settings → Models accepte un fournisseur personnalisé avec une URL de base compatible Open​AI (dans settings.yaml c'est-à-dire api: openai-completions, baseURL et une models liste). Par défaut, c'est l'API de Deep​Seek ; c'est avec un fournisseur personnalisé qu'une passerelle de routage devient utile.

OrcaRouter is an Open​AI-compatible endpoint that passes Deep​Seek's list price through with zero markup — https://api.orcarouter.ai/v1. That gives you DeepSeek V4 Flash (deepseek/deepseek-v4-flash-0731, about $0.15 per million input tokens and $0.29 per million output) and DeepSeek V4 Pro (about $0.44/$0.88), both at provider list price with no token markup, plus automatic failover if a provider wobbles. For dsh, the practical win is that you can run the cheap V4 Flash for the bulk of everyday agent tasks and switch the same harness to V4 Pro for the hard passes — one key, one base URL, and the swap is a model name in the settings, not a reinstall.

Pour être clair sur les limites : OrcaRouter héberge, pour les modèles, leurs appels dsh ; il n'héberge pas dsh lui-même. dsh est un runtime d'agent local, et vous l'exécutez sur votre propre machine.

Là où ce guide est erroné pour vous — les vrais problèmes de l'aperçu

Un tutoriel d'installation qui vous dit seulement quoi taper ne fait que la moitié du travail. Voici ce que l'aperçu rate aujourd'hui, pour que vous ne le découvriez pas à 2 h du matin :

• Les changements cassants sont une promesse, pas un avertissement. Vous êtes sur 0.1.0-rc.6. Les clés de configuration, l’API des plugins et les formats de préréglages peuvent tous changer sans préavis. Traitez ~/.dsh comme un état jetable — le coût d’une mauvaise mise à jour est une réinstallation, et c’est acceptable à ce stade uniquement parce que l’installation est une seule commande.

• Vous n'avez pas besoin de dsh pour utiliser les modèles Deep​Seek comme agent.Si votre seul objectif est d'utiliser DeepSeek V4 Flash ou DeepSeek V4 Pro dans un agent aujourd'hui, le point de terminaison compatible Anthro​pic de Deep​Seek fonctionne déjà dans Claude Code et d'autres outils d'agent sans aucun nouveau logiciel. dsh est une option officielle, pas un prérequis. Ignorez cette installation jusqu'à ce que vous vouliez spécifiquement le harnais natif.

• MCP est configuré par fichier et parfois instable. Pas d'interface graphique, pas d'interrupteur de démarrage/arrêt par serveur, et des rapports pratiques décrivent des défaillances intermittentes. Prévoyez du temps pour le débogage YAML si votre flux de travail dépend des serveurs MCP.

• Faire confiance aux plugins est une décision de sécurité. Les plugins tiers s'exécutent dans le processus principal du harnais, et aucune signature ni vérification de la source n'est effectuée à l'installation. N'installez que des plugins que vous avez lus ou qui proviennent d'une source de confiance, et testez-les dans un espace de travail jetable avant de les utiliser sur de vrais travaux. Le profil de sandbox danger-full-access peut modifier tout fichier visible — réservez-le aux extractions jetables.

• Des bugs connus existent dans l'aperçu. Une boucle bash bloquée est un mode de défaillance documenté (interrompre et réessayer), et le comportement des sessions de longue durée est encore en cours de stabilisation.

• Les builds de bureau non officiels sont un piège.Plusieurs wrappers communautaires empaquettent dsh en une application de bureau à installer en un clic, avec un runtime Node intégré. Ils fonctionnent, mais ils ne sont pas signés et ne sont pas maintenus par Deep​Seek ; si vous en utilisez un, vous faites confiance à un tiers pour un outil qui détiendra les permissions de votre système de fichiers.

• Si vous avez besoin de stabilité en production, attendez une version non-rc. Le harnais est puissant mais pas encore mature. Pour une pile d'agents en production, un harnais mature et éprouvé au combat — ou la route de point de terminaison compatible Anthro​pic — est le choix défendable jusqu'à ce que dsh atteigne un tag stable.

En résumé

L'installation de Deep​Seek Harness se résume véritablement à une seule commande sur toute machine équipée de Node 22.19+ : npx @deepseek-ai/dsh web, ajoutez une clé de modèle et un espace de travail, envoyez une tâche de test. Choisissez le build source uniquement si vous souhaitez modifier ou suivre main ; utilisez le mode headless pour les scripts ; ajoutez le marché de plugins dès le début ; et considérez MCP comme un travail en cours. L'avertissement honnête est le même que celui affiché par le projet dans son propre README : il s'agit d'un aperçu 0.1.0-rc et cela cassera des choses en route vers la version stable. C'est le bon compromis si vous voulez voir où Deep​Seek emmène la couche d'agents — et les modèles qu'elle exécute, DeepSeek V4 Flash et DeepSeek V4 Pro, sont disponibles aujourd'hui au prix catalogue via OrcaRouter, prêts à alimenter le harnais une fois l'installation terminée.