DeepSeek Harness (DSH) — open-source agent-фреймворк от DeepSeek, выпущенный в августе 2026 — получил официальный публичный реестр плагинов и Agent-профилей dsh-index. Реестр размещён на xlings.org, включает 71 пакет с SHA256-верификацией и CN-зеркалами. Экосистема выросла до примерно 1183 проектов на GitHub, основной репозиторий набрал 64 500 звёзд за несколько недель.
Что произошло
Появился официальный реестр dsh-index на xlings.org, содержащий 71 пакет: 68 плагинов, 2 готовых Agent-профиля и 1 пакет-группа в 78 версиях. 41 пакет зеркально опубликован через CN-mirror xlings для доступа из Китая. Установка DSH выполняется одной командой npx @deepseek-ai/dsh web, после чего доступны плагины для TUI, десктопных приложений, vision-анализа и MCP-интеграции.
Контекст
DSH построен на Node.js 22.19+/24+ с пакетным менеджером pnpm и использует архитектуру «всё — плагин»: каждый компонент агента — это npm-пакет, устанавливаемый через стандартный пакетный менеджер. Фреймворк работает поверх любых LLM через API и не содержит собственной модели. Подход аналогичен тому, как npm-экосистема ускорила распространение Node.js — только применительно к agent-фреймворку. DeepWiki подготовил подробную документацию по архитектуре проекта.
Почему это важно для индустрии
DeepSeek официально закрепляет npm-экосистему плагинов как стандарт расширения для agent-фреймворка — это платформенный сдвиг, а не просто фича. Централизованный реестр с SHA256-верификацией решает проблему доверия к open-source agent-плагинам. Быстрый рост — 1183 проекта по тегу dsh-plugin и 64 500 звёзд на GitHub за несколько недель — сигнализирует о переходе разработчиков от проприетарных agent-платформ вроде Claude Code к открытой инфраструктуре, где модель является заменяемым компонентом. Без публичных бенчмарков (SWE-bench, AgentBench) точная производительность DSH пока не верифицирована.
Почему это важно для пользователей
Разработчики могут установить DSH одной командой и получить работающего AI-агента с возможностью выбора из каталога проверенных плагинов. Платформа позволяет тестировать agent-решения с различными моделями через единый интерфейс без привязки к конкретной AI-компании. Для прототипирования и внутренних инструментов DSH готов к использованию уже сейчас. Для production-развёртывания рекомендуется подождать появления бенчмарков латентности, данных о стабильности плагинов под нагрузкой и оценок стоимости inference.
Что пока неизвестно / ограничения
Отсутствуют публичные бенчмарки производительности агентных задач. Нет данных о стабильности плагин-системы под продакшн-нагрузкой и оценок стоимости inference. Сравнение темпов роста DSH с Llama 3.1 или langgraph является некорректной аналогией — Llama 3.1 это модель нового поколения, langgraph это зрелый orchestration-фреймворк. Архитектура на Node.js ограничивает производительность для compute-intensive задач.
Источники
- dsh-index — реестр плагинов и Agent-профилей
- DSH Base — документация по фреймворку
- deepseek-ai/deepseek-harness — обзор архитектуры на DeepWiki
Автор
Look at AI, редакция