Il 13 agosto 2026 DeepSeek ha rilasciato un nuovo progetto open source che non è un modello. Si chiama DeepSeek Harness, in breve dsh, ed è l’infrastruttura per costruire agenti di intelligenza artificiale, con una filosofia chiara: tutto è un plugin.
Per capire perché la notizia è importante bisogna fare un passo indietro. Un LLM da solo non fa nulla di concreto: genera testo. Per diventare un agente AI, cioè un sistema che ragiona, decide e agisce, serve tutto ciò che gli sta intorno: il ciclo di ragionamento, gli strumenti che può usare, la memoria delle conversazioni, un ambiente sicuro dove eseguire codice e un’interfaccia con cui interagire. Questo insieme di componenti si chiama agent harness.
DeepSeek Harness è la versione aperta di questa infrastruttura: codice sorgente incluso, licenza MIT, e un’architettura in cui ogni singolo pezzo può essere sostituito senza toccare il resto.
Di cosa parleremo..
Cos’è un agent harness (e perché non è un modello)
Quando usi ChatGPT, un assistente di coding o un agente che naviga per te, il modello linguistico è solo una parte del sistema. Dietro le quinte c’è un harness: un’infrastruttura che gestisce il loop di ragionamento, decide quando chiamare uno strumento, registra la storia della conversazione, protegge l’esecuzione in una sandbox e ti mostra i risultati.
DeepSeek Harness fa esattamente questo, ma in modo modulare e aperto. Puoi eseguirlo sul tuo computer, sostituire i componenti che vuoi e costruire agenti su misura, senza dipendere da un ecosistema chiuso. Se non hai mai visto un harness da vicino, è il posto giusto per cominciare: la parte migliore è che si installa con un comando.
“Everything is a plugin”: la filosofia del progetto
La frase che campeggia sul sito ufficiale è “Everything is a plugin”, tutto è un plugin. Non è uno slogan: è il progetto architetturale. In DeepSeek Harness ogni capacità è un plugin che puoi sostituire o ricomporre: i modelli, gli strumenti, le skill, le sessioni, le sandbox, lo storage, i loop di ragionamento, la schedulazione e persino l’interfaccia utente.
Non esiste un nucleo privilegiato da modificare. Nei framework tradizionali c’è sempre un cuore che puoi solo estendere; qui ogni componente, incluso il loop che fa ragionare l’agente, è un plugin che vive accanto agli altri. Se un plugin viene rimosso, i suoi effetti si annullano e il sistema torna come prima, senza residui.
I plugin contribuiscono servizi, eventi tipizzati ed effetti reversibili a un contesto condiviso. Questa scelta rende il sistema estendibile in profondità: per aggiungere una capacità non serve patchare il core, basta montare un plugin accanto agli altri.
La base tecnica: Cordis
DeepSeek Harness non è nato dal nulla: poggia su Cordis, un framework di composizione descritto nel paper A Programming Paradigm for Spatiotemporal Composability, pubblicato come preprint il 13 agosto 2026. Il termine tecnico è impegnativo, ma il concetto è elegante.
Il framework garantisce due proprietà. La prima è la composizione temporale: quando un componente viene rimosso, tutti i suoi effetti vengono annullati in modo pulito, come un “annulla” a livello di sistema. La seconda è la composizione spaziale: i componenti dichiarano le loro dipendenze e vengono avvisati quando il contesto intorno a loro cambia.
Come si usa: 30 secondi per vederlo girare
La parte divertente è che provarlo è immediato. Serve Node.js installato, poi un solo comando:
npx @deepseek-ai/dsh web
Il comando scarica il pacchetto e avvia la Web UI, che di default è servita su http://127.0.0.1:3080. Da lì puoi interagire con l’agente dal browser, con un’interfaccia che è a sua volta un plugin.
Chi preferisce lavorare da sorgente può clonare il repository, installare le dipendenze con pnpm, compilare e lanciare. Esiste anche un profilo headless: un esecutore monouso senza server, pensato per script e automazioni. La distribuzione prevede profili e bundle: un profilo è una composizione con nome, un bundle è un pacchetto di configurazione e codice. Il bundle base include adattatori per i modelli, strumenti, persistenza, sandbox, policy di approvazione, credenziali e telemetria.
Architettura in sintesi
Per chi vuole andare più in profondità, ci sono tre concetti chiave.
Il log delle sessioni. Ogni sessione è un log append-only di eventi: si aggiunge, non si modifica. Da questo log il sistema ricostruisce la storia che il modello vede. La regola interna è netta: tutto ciò che è visibile al modello deve essere ricostruibile dal log. È questo che rende possibili fork, riprese e trascrizioni fedeli.
Gli eventi come punti di estensione. Gli eventi di sessione sono fatti duraturi; gli eventi di agente osservano e intercettano il lavoro in corso; gli eventi di capacità collegano policy e adattatori a punti di aggancio come file system, strumenti e telemetria.
Le seam. Una seam è una capacità sostituibile con tre ruoli: la definizione del servizio, il fornitore che lo implementa e il consumatore che lo usa. Cambiare fornitore cambia tutto il prodotto senza toccare i consumatori: ad esempio, puntare file system e sottoprocessi verso una sandbox remota sposta con sé bash, terminali e tool di sviluppo.
Perché è importante
DeepSeek ha già dimostrato che i modelli open source possono competere con i migliori chiusi. Con Harness prova a fare lo stesso sul livello dell’infrastruttura, quello su cui oggi si gioca gran parte della partita degli agenti. La scelta della licenza MIT e la pubblicazione del codice sorgente rendono il progetto usabile anche in ambito commerciale, e l’ecosistema dei plugin è pensato per crescere con contributi esterni.
Va detto con onestà: il progetto è in developer preview e gli stessi sviluppatori avvisano che ci saranno cambiamenti che rompono la compatibilità. Non è il momento di costruirci sopra un’azienda, ma è il momento giusto per studiarlo, capire l’architettura e magari contribuire. La community è attiva su GitHub Discussions e su Discord, e i repository di plugin usano il topic dsh-plugin per farsi trovare.
Se vuoi ripassare le basi, nel mio approfondimento sui modelli AI spiego come si collocano i diversi tipi di intelligenza artificiale, mentre il glossario raccoglie i termini essenziali.
FAQ
DeepSeek Harness è un modello come DeepSeek-V3 o R1?
No. È l’infrastruttura che sta intorno ai modelli: il loop di ragionamento, gli strumenti, la memoria, la sandbox e l’interfaccia. I modelli sono plugin che puoi scegliere e sostituire.
Devo usare per forza i modelli DeepSeek?
No. L’architettura a plugin prevede adattatori per modelli diversi: puoi collegare modelli di altri fornitori o modelli open source. Il punto è che ogni componente, modelli inclusi, è intercambiabile.
È gratuito?
Sì, il codice è open source con licenza MIT. Puoi usarlo, modificarlo e distribuirlo liberamente, anche in prodotti commerciali.
È pronto per la produzione?
Non ancora. È in developer preview e gli sviluppatori avvisano esplicitamente che ci saranno modifiche incompatibili con le versioni precedenti. Per sperimentare va benissimo, per sistemi critici è presto.
Che differenza c’è con framework come LangChain?
LangChain e simili sono librerie di orchestrazione: ti danno componenti da comporre nel tuo codice. DeepSeek Harness è un harness completo, cioè un prodotto eseguibile in cui ogni livello, incluso il loop dell’agente, è un plugin sostituibile senza modificare un nucleo centrale.
DeepSeek Harness è giovane, ma la direzione è chiara: l’IA non si gioca solo sui modelli, si gioca anche su come gli agenti vivono e lavorano. Aprire quel livello, con una licenza permissiva e una base teorica pubblicata, è una mossa che vale la pena seguire da vicino.
