DeepSeek Harness 플러그인 설명: "Everything Is a Plugin" 에이전트 런타임에서 설치, 추가, 빌드

한 줄 답변: DeepSeek Harness는 모델이 아닙니다.이것은 DeepSeek이 2026년 8월 13일 MIT 라이선스로 공개한 오픈소스 에이전트 런타임입니다. 그리고 이 프로젝트의 핵심은 에이전트가 필요로 하는 모든 기능(모델, 도구, 스킬, 세션 상태, UI, 심지어 메인 루프까지)이 교체 가능한 플러그인이어야 한다는 것입니다. 그 안에서 실행되는 모델은 DeepSeek V4 Flash와 DeepSeek V4 Pro이며, 마케팅 문구를 한 마디도 믿지 않아도 그 차이를 느낄 수 있습니다. 다음을 실행하세요: npx @deepseek-ai/dsh web그런 다음 127.0.0.1:3080을 열면 1분 안에 로컬 코딩 에이전트를 얻을 수 있습니다. 이 에이전트의 터미널, 사이드바, 웹 검색, 메모리는 모두 프레임워크 소스를 건드리지 않고 추가, 제거 또는 재작성할 수 있는 플러그인입니다. 이것을 출시한 GitHub 저장소는 처음 12시간 만에 별 50,000개를 달성했으며, 2026년 8월 16일 기준 별 125,959개를 기록하고 있습니다. 이 글은 첫 페이지 검색 결과가 건너뛰는 실용적인 플러그인 가이드입니다: DSH가 실제로 무엇인지, 현재 플러그인 생태계에 무엇이 있는지, 플러그인을 설치하고 작성하는 방법, 그리고 미리보기가 실제로 실패하는 지점에 대해서요.

DeepSeek Harness가 실제로 무엇인지 (그리고 무엇이 아닌지)

DeepSeek의 공식 Harness 페이지에서 확인된 내부 공식은 Model + Harness = Agent: 모델은 생각하고 추론하며, harness는 에이전트가 환경을 이해하고, 도구를 사용하며, 실제 작업을 계속 수행할 수 있는 능력을 부여한다. Anthropic이 이 용어를 대중화했고 Claude Code가 참조 구현이다. DeepSeek의 버전은 오픈소스이며, 사용자 컴퓨터에서 완전히 실행되며, Claude Code 및 OpenAI Codex와 같은 영역을 겨냥한다. 이러한 포지셔닝 때문에 DSH를 '모델'이라고 부르는 것은 틀렸으며, 이 글이 모델 리뷰가 아닌 이유이기도 하다: harness는 모델을 도구, 파일, 터미널, 웹 UI에 연결하는 계층이며, DeepSeek의 설계에서는 그러한 연결 각각이 플러그인이다.

출시 관련 사실은 2026년 8월 16일 전부 검증된 내용이다. deepseek-ai/deepseek-harness 저장소는 베이징 시간 8월 13일 저녁, MIT 라이선스 하에 v0.1 개발자 프리뷰로 공개되었다. 공개 후 2시간도 안 되어 스타 10,000개를 돌파했고, 12시간 안에 50,000개를 넘어섰다. 이는 종전에 가장 빠르게 성장하던 GitHub 저장소였던 OpenClaw의 약 80배 속도다. 이후 보도에 따르면 42시간 시점에 100,000개를 넘어섰다. 오늘 GitHub API 기준 스타 125,959개, 포크 12,526개를 기록 중이다. 이는 클라우드 서비스가 아니다. Node.js를 설치하고 npx @deepseek-ai/dsh web을 실행하면 Web UI가 http://127.0.0.1:3080 에서 제공되며, 세션·로그·데이터는 모두 로컬에 유지된다. npm 버전은 0.1.0-rc.6이며, README에는 이 프로젝트가 개발자 프리뷰 단계이고 "빠르게 반복 개발 중(iterating rapidly)"이며 호환성을 깨뜨리는 변경이 예상된다고 명시되어 있다.

"모든 것이 플러그인이다" — 슬로건이 실제로 의미하는 것

이 프레임워크는 Koishi 봇 생태계에서 추출된 플러그인 메타 프레임워크인 Cordis를 기반으로 구축되었습니다. Cordis는 의도적으로 단순하게 설계되었습니다. 즉, 플러그인 간의 로드, 언로드, 의존성 해결만 수행할 뿐 에이전트의 실제 기능은 전혀 포함하지 않습니다. 그 위의 모든 것(모델 어댑터, 도구, 스킬, 세션, 샌드박스, 스토리지, 에이전트를 구동하는 루프, 스케줄링, 웹 UI)은 그 자체로 Cordis 플러그인이며, 플러그인들은 Cordis 서비스와 이벤트를 통해 협력합니다. 소스 코드를 수정하지 않고 구성 레이어에서 모든 기능을 선택, 교체 또는 확장할 수 있습니다.

여기에는 모델도 포함됩니다. 모델은 뒤에 OpenAI 호환 엔드포인트가 있는 플러그인일 뿐이므로, 프레임워크가 DeepSeek의 제품군 안에 머물도록 강제하는 요소는 없습니다. '모델 교체' 단계는 포크가 아니라 구성 변경입니다. 같은 원리로, 내장된 4개의 프리셋은 사실 4개의 플러그인 번들입니다:

• Standard — 완전한 코딩 에이전트: 파일 편집, 셸, 파일 및 웹 검색, 스킬, 계획, 목표, 하위 에이전트, 워크플로우.

• PTC — Standard의 모든 기능과 Code Mode SDK가 포함됩니다. 이 SDK를 사용하면 모델이 다단계 도구 호출을 하나씩 실행하는 대신, 하나의 TypeScript 프로그램을 작성하여 연결할 수 있습니다.

• Minimal — 정확히 두 개의 도구(지속형 bash와 str_replace_editor)로 구성되어 있으며, 최소 환경에서 모델 벤치마킹을 위해 제작되었습니다. 이것은 DeepSeek의 API 문서가 참조하는 V4 Flash 에이전트 벤치마크 실행에 사용된 모드입니다.

• Creation — 새 프리셋을 만들기 위한 모드: Standard의 전체 기능 세트와 런타임 검사 및 인메모리 플러그인 실험을 지원하며, 플러그인 개발자를 대상으로 합니다.

숫자로 보는 플러그인 생태계

커뮤니티 플러그인 개발은 내부 테스트 기간에 시작되었습니다. 첫 며칠 동안 약 300개의 플러그인이 만들어졌는데, 여기에는 Windows XP 레트로 스킨과 밈 플러그인도 포함됩니다. 그리고 공개 출시 이후 그 수는 더욱 늘었습니다. 중요한 숫자는 무엇을 세느냐에 따라 달라집니다.

• 288개의 플러그인 저장소는 36Kr의 조사에 따르면 중국 테크 미디어가 출시 당일 밤에 목록화한 것이다.

• 1,000개 이상의 저장소가 공개 GitHub 토픽 태그 dsh-plugin을 처음 며칠 내에 달고 있었으며, 일부 집계에서는 700개 이상으로 보고됩니다.

• 1,521개의 모니터링된 생태계 저장소에 걸친 1,117개의 선별된 플러그인은 2026년 8월 15일 기준 커뮤니티 관리 Oh-My-DSH 디렉토리에 있으며, 총 301,295개의 GitHub 스타를 보유하고 있습니다.

• 2,600+ 저장소는 전체 dsh-plugin 주제의 자동 업데이트되는 awesome-dsh 카탈로그에 있으며, 18개 카테고리에 걸친 368개의 수작업 선별 항목은 0xsline awesome-deepseek-harness 목록에 있습니다.

그 목록들의 분류 체계는 커뮤니티가 가장 먼저 향한 지점을 보여주며, 이는 에이전트 런타임에 정확히 필요한 표면입니다. 웹 검색: dsh-web-search-exa(Exa 기반, 키 없이 사용 가능한 폴백 포함)와 dsh-web-search-pro(DeepSeek, Exa, DuckDuckGo, Bing, Jina, GitHub, Bilibili, YouTube를 아우르는 멀티 엔진 라우팅). RSS 및 뉴스: dsh-news-plugin은 10개 이상의 중국어·영어 피드를 구조화된 항목으로 가져옵니다. 오피스 파일: dsh-office는 웹 클라이언트에서 docx/pdf 미리보기를 제공하며 모델이 Office 문서를 편집할 수 있게 합니다. 채팅 기록 가져오기: dsh-chat-import는 Claude Code, OpenAI Codex, ChatGPT, Cursor, Gemini 등 13개 코딩 에이전트의 대화를 원본 그대로 복원하여 재개 가능한 DSH 세션으로 만듭니다. 모바일: dsh-mobile과 dsh-mobileweb-adapter는 UI를 휴대폰에 구현합니다. Feishu 및 Lark: dsh-feishu-bot과 dsh-feishu-notify는 세션 이벤트를 Feishu로 푸시하고, dsh-im-hub는 멀티 플랫폼 게이트웨이(Feishu WebSocket, WeCom, Telegram)입니다. 음성: dsh-voice는 Edge 신경망 TTS 낭독과 음성-텍스트 변환을 추가하며, dsh-voice-webspeech는 서버도 API 키도 필요 없습니다. 그 주변에는 메모리 플러그인(dsh-memento, dsh-memory-evolve, dsh-recall), 공식 도구 모음(dsh-toolkit), IDE 스타일 사이드바(dsh-better-sidebar, deepseek-harness-workbench-plugin), 텍스트 전용 모델에 시각을 더하는 비전 플러그인, 그리고 Tauri 데스크톱 래퍼인 deepseek-harness-desktop까지 자리합니다.

DSH를 설치하고 플러그인을 추가하는 방법

설치 경로는 짧고, 여러 튜토리얼이 잘못 다루기 때문에 플러그인 명령을 정확히 이해하는 것이 중요합니다. 표준 형식은 dsh plugin --profile web add <package> — --profile web 플래그가 중요합니다. 프로파일은 DSH가 세션이 실행할 플러그인 번들을 결정하는 방식이며, 웹 프로파일은 Web UI를 담당하는 프로파일입니다.

• 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.

• npm 패키지 이름으로 플러그인 추가: dsh plugin --profile web add <package-name>, 예를 들어 dsh plugin --profile web add @nanmicoder/dsh-agent-teams.

• GitHub 저장소에서 추가: dsh plugin --profile web add "github:owner/repo#ref" (#ref는 브랜치, 태그 또는 커밋을 고정합니다).

• dsh를 전역으로 설치하지 않고: npx -p @deepseek-ai/dsh dsh plugin --profile web add <package-name>.

• 번들 플러그인을 설치한 후, 다음을 재시작하십시오: dsh web 그리고 페이지를 새로 고치십시오. 확인은 dsh plugin --profile web list로 하거나 웹 UI의 설정 → 플러그인을 사용하십시오.

처음 접하는 사람들이 자주 헷갈리는 미묘한 점: dsh.bundle.patch 필드를 선언한 패키지만 활성 프로필 레이어가 됩니다. 일반 의존성은 설치되지만 아무런 동작도 하지 않습니다. 번들 선언이 DSH에게 그 패키지가 하네스 플러그인이며 어디에 패치되는지 알려줍니다. dsh plugin 명령은 패키지 작업을 pnpm에 전달하므로 npm 패키지, GitHub 스펙, 로컬 경로, file: 및 link: 소스가 모두 지원되며, 동일한 add 명령을 다시 실행하면 플러그인이 업그레이드됩니다.

나만의 플러그인을 작성하는 방법

모든 것이 플러그인이므로, 하나를 작성한다는 것은 DSH 번들을 선언하는 Cordis 플러그인을 작성한다는 뜻입니다. 그리고 커뮤니티 스캐폴딩은 깔끔한 시작점을 제공합니다. 플러그인 레지스트리와 개발 도구(plugin-registry, dsh-plugin-starter, create-dsh-plugin, dsh-plugin-check 헬스 체커)는 커뮤니티 인프라이지만, 계약은 설명할 수 있을 만큼 안정적입니다. 패키지가 활성 프로파일 레이어가 되려면 dsh.bundle.patch를 선언해야 하며, 패키지는 기능을 Cordis 서비스와 이벤트로 노출하고, 런타임은 로드 시점에 선택한 프로파일에 어떻게 패치할지 결정합니다.

로컬 개발을 위한 루프는 다음과 같습니다: 플러그인을 클론하고 빌드한 다음, 다음 명령으로 추가합니다: dsh plugin --profile web add "link:$(pwd)". 그런 다음 반복합니다. 클라이언트 측 변경 사항은 페이지 새로고침이 필요하고, 호스트 측 변경 사항은 dsh 서비스 재시작이 필요합니다. 그 로컬 링크 작업 방식은 생태계의 처음 1,000개 플러그인 대부분이 만들어진 방식이며, 그 프로젝트들이 실천하는 규율을 본받을 가치가 있습니다: 버전을 고정하는 것입니다. 프리뷰는 충분히 빠르게 반복되므로, 특정 rc에 맞춰 작성된 플러그인이 다음 rc에서 깨질 수 있습니다. 예를 들어 커뮤니티의 ModLens 비전 플러그인은 안정적으로 작동하려면 버전을 고정해야 한다고 문서화되어 있습니다.

Trajectory와 MCP — 리뷰어들이 계속해서 언급하는 두 가지 기능

DSH가 적합한지 결정하기 전에 알아두면 좋은 두 가지 기능이 있습니다. 이는 "플러그인 목록 기사"가 알려주지 않는 설계의 일부이기 때문입니다. 첫 번째는 궤적입니다. 모든 실행은 추적 가능합니다. 모델의 전체 경험(시스템 프롬프트, 체인 오브 사고, 모든 도구 호출과 그 결과, 하위 에이전트 스케줄링, 각 컨텍스트 주입)은 추가 전용 세션 로그에 기록되며, 복원, 포크, 검색, 재생은 모두 동일한 이벤트 스트림에서 작동합니다. Hacker News의 개발자들은 이 기능을 킬러 기능으로 꼽으며, 폐쇄형 에이전트 제품이 바로 이러한 데이터를 숨긴다고 지적했습니다. 두 번째는 MCP입니다. DSH는 /mcp 명령어와 서버용 설정 탭을 갖춘 공식 MCP 클라이언트를 제공하며, 생태계는 이미 이를 기반으로 구축되었습니다. dsh-chatgpt-bridge는 DSH 세션을 MCP 서버로 ChatGPT에 노출하고, dsh-mcp-panel은 클라이언트용 관측 패널입니다. 에이전트 스택이 이미 MCP 서버에 의존하고 있다면, DSH는 이를 플러그인으로 마운트할 수 있습니다.

모델이 어디서 왔는지

DSH는 하네스이지 모델 제공자가 아닙니다. 따라서 사용자가 직접 공급해야 할 유일한 것은 모델 엔드포인트이며, 바로 여기서 DeepSeek의 자체 쌍이 가장 자연스러운 조합입니다. DeepSeek V4 Flash(효율적인 284B-전체 / 13B-활성 MoE, 입력 토큰 100만 개당 약 $0.15, 출력 토큰 100만 개당 약 $0.29)는 저렴한 기본 옵션입니다. DeepSeek V4 Pro(1.6T-전체 / 49B-활성 플래그십, 약 $0.44 / $0.88)는 고성능 엔진입니다. 둘 다 OrcaRouter에서 DeepSeek의 공시 가격 그대로, 마크업 없이 호스팅되며, 하나의 OpenAI 호환 키로 접근할 수 있습니다. 이는 DSH의 모델 플러그인과 깔끔하게 맞아떨어집니다. 모델 플러그인을 OrcaRouter 엔드포인트로 지정하면 동일한 하네스 안에서 Flash와 Pro를 라우팅할 수 있고, 하나가 중단되면 다른 제공자로 자동 페일오버됩니다. 이것은 진정한 사용 사례이며 정직한 설명이기도 합니다. OrcaRouter는 DSH 자체를 호스팅하지 않습니다. DSH는 사용자 머신에서 실행되고, OrcaRouter는 사용자가 연결하는 모델 계층입니다.

무너지는 지점 — 솔직한 부분

3일 동안 125,000개의 별을 만들어낸 그 에너지는 거친 가장자리를 만들어낸 바로 그 에너지입니다. 설치하기 전에 이것들을 읽으십시오, 설치한 후가 아니라:

• 이것은 개발자 프리뷰이며, 그렇게 명시되어 있습니다. README 자체의 경고에는 "호환성을 깨뜨리는 변경 사항이 있을 것입니다."라고 쓰여 있습니다. npm 버전은 릴리스 후보(0.1.0-rc.6)이고, 핵심 플러그인과 기본 API는 아직 개선 중이며, 실행 UI 자체에도 Harness 개발자를 대상으로 한 공지가 표시됩니다. 변동될 버전 번호에 프로덕션 의존성을 두지 마십시오.

• 하네스 선택은 실제 토큰을 소모합니다.중국 언론에 인용된 제3자 비교에 따르면, 동일한 DeepSeek V4 Flash 작업에서 다른 오픈소스 하네스가 DeepSeek Harness의 약 30%에 해당하는 토큰만 사용했습니다. 또한 Composio의 통제 테스트에서는 동일한 V4 Flash를 8개 하네스에서 30개 작업에 걸쳐 실행했을 때 완료 횟수가 14~20회에 그쳤습니다. 모델은 동일했지만 결과는 3분의 1가량 차이가 났습니다. 하네스는 중립적인 래퍼가 아닙니다. 하네스가 모델이 얼마나 효율적으로 작동하는지를 결정합니다.

• 프레임워크처럼 느껴지며, 완성된 제품은 아닙니다. 리뷰어들의 말을 인용하자면: 코드를 작성하지 않는 사람들에게 UI가 친숙하지 않고, 곳곳에 미흡한 부분이 있습니다. 공식 CLI나 TUI가 없어서 — 커뮤니티가 그 공백을 메우기 위해 dsh-TUI와 dsh-tianshu-tui를 만들었습니다 — '모든 것이 플러그인'이라는 자유가 바로 기본 설정이 미완성처럼 느껴지게 만듭니다.

• 작동은 하지만, 계속 지켜봐야 합니다. 직접 사용해 본 보고서들(여기에는 "50,000 stars overnight"이라는 헤드라인을 만들어 낸 보고서가 포함됨)은 다단계 작업(다른 디자인 언어로 사이트 재구축, GitHub API 데이터를 가져와 차트 렌더링)을 완료하지만, 결과물에 사소한 형식 및 상호작용 오류가 있어 감독이 필요한 에이전트를 설명합니다.

• Local-first는 컴퓨팅을 직접 제공한다는 뜻입니다. DSH는 사용자의 컴퓨터와 모델 키에서 실행됩니다. 관리형 에이전트를 원하셨다면, 이것은 잘못된 것입니다.

결론

DeepSeek Harness가 2026년 가장 빠르게 성장하는 오픈소스 프로젝트인 이유는 더 나은 모델이기 때문이 아니라 — 애초에 모델이 전혀 아니지만 — 에이전트 자체를 플랫폼으로 만들었기 때문입니다. 진짜 이야기는 플러그인 생태계입니다. 공식 번들에 포함된 100개 이상의 기능, 출시 3일 만에 등록된 1,100개 이상의 커뮤니티 플러그인, 그리고 이 구도 전체를 평가하는 가장 빠른 방법은 npx @deepseek-ai/dsh web을 실행하고 플러그인 몇 개를 추가하는 것입니다. 로컬에서 완전히 검사 가능한 에이전트 런타임을 원하고, 끊임없이 변하는 프리뷰에서 버전 고정에 익숙한 개발자라면 DSH는 오늘 설치할 가치가 있습니다. OrcaRouter를 통해 DeepSeek V4 Flash와 DeepSeek V4 Pro를 DeepSeek 정가로 함께 사용하면 토큰 비용만으로 전체 스택을 갖추게 됩니다. 프로덕션 안정성이 필요하거나, 프리뷰를 계속 돌볼 수 없거나, 관리형 에이전트를 원하는 사람에게는 아직 준비되지 않았습니다. 호환성 표면이 안정될 때까지 기다리세요. 가치가 모델이 아니라 하네스에 축적된다는 프레임워크의 주장은 내기를 걸거나 논쟁할 만한 지점이며, 이제 1,000개가 넘는 오픈 플러그인 덕분에 직접 테스트해볼 수 있습니다.