DeepSeek Harness 개발자 프리뷰 공개
DeepSeek Harness developer preview
TL;DR Highlight
DeepSeek이 플러그인 기반 에이전트 하네스를 MIT 라이선스로 공개했다
Who Should Read
Claude Code나 Pi 같은 코딩 에이전트 하네스를 쓰며 저렴한 모델로 갈아탈 방법을 찾는 개발자
Core Mechanics
- 원문은 이동 안내뿐이다
- 원문에는 'Page moved Continue'만 있어 기능 설명이 없다.
- 제품 내용은 댓글에서만 확인되므로 여기서 사실로 단정하지 않는다.
- 저자가 직접 프리뷰라고 밝혔다
- 댓글의 저자 본인이 MIT 라이선스의 초기 개발자 프리뷰라고 말했다.
- 거친 부분과 호환성이 깨지는 변경이 많을 거라고 미리 밝혔다.
Community Reactions
- 세션 로그를 전부 볼 수 있다는 평가
- 시스템 프롬프트, 추론, 툴 호출, 서브에이전트 스케줄링을 append-only 로그에 기록한다는 설명이 인용됐다.
- 미국 모델은 추론 흔적이 암호화돼 있어 이런 분석이 어렵다는 의견이 있었다.
- Cordis 플러그인 구조라는 설명
- 댓글에 따르면 Cordis v4 위에서 동작하며 플러그인을 재시작 없이 로드·언로드한다.
- 언로드할 때 생성한 상태와 부수효과를 되돌리고 의존성도 정리한다는 설명이다.
- 플러그인 피로감과 README 부실 지적
- 모든 게 플러그인이라 몇 달 뒤 호환성이 무너질까 걱정된다는 의견이 있었다.
- README가 설치법 위주라 정체를 알기 어렵다는 의견도 있었다.
- 로컬 모델로 돌려 봤더니 빠르고 잘 됐다는 경험
- Bun과 llama.cpp의 로컬 9B Qwen 모델로 작은 파이썬 프로젝트가 잘 돌았다는 경험담이 있었다.
- 다른 하네스보다 빠르게 느껴졌다고 한다.
How to Apply
- Bun으로 설치해 로컬 모델에 연결해 보기
- 오늘 GitHub 저장소의 설치 안내를 따라 Bun으로 설치하라.
- 작은 파이썬 과제 하나를 맡겨 기존 하네스와 비교하라.
- 트래젝토리 뷰로 에이전트 동작 점검하기
- 같은 과제를 돌린 뒤 툴 호출과 컨텍스트 주입 기록을 소스별로 확인하라.
- 실패 원인이 프롬프트인지 툴인지 구분해 기록하라.
Terminology
관련 논문
같은 시뮬레이션, 다른 근거: 도구 출력을 파일로 넘기면 LLM 에이전트 정확도가 어디서 깎이나
긴 툴 출력을 파일로 넘기자 GPT-5.1은 정확도 11.3%p 하락, 정식 출력 지정하니 회복
가짜 뉴스가 진짜 폭락을: LLM 트레이딩 에이전트 대상 정보 주입 공격
가짜 헤드라인 한 줄로 LLM 트레이딩 에이전트 62%를 조종했다(프롬프트 주입은 14%)
Harness Engineering 101: LLM은 뇌, harness는 몸
에이전트는 JSON 배열을 관리하는 루프이고, 16개 챕터로 직접 만들어 본다
Harness²: 에이전트 harness를 스스로 고쳐 쓰는 재귀 최적화 프레임워크
모델은 고정하고 harness를 재귀로 고쳤더니 벤치마크 점수가 최대 11.8%p 올랐다
해고된 Savannah 경찰관, ICE 요원 남편에게 Flock 계정 공유
경찰관이 Flock 계정을 남편(ICE 요원)에게 공유했고, 감사에서 983건 검색이 드러나 해고됐다
tmux와 Claude Code: 세션, send-keys, 그리고 한계선
tmux로 Claude Code 여러 개를 돌리면 편하지만 에이전트 4개쯤에서 한계가 온다
Hybrid Reasoning Agents: 잠재 공간에서 생각하고 텍스트로 행동하는 LLM 에이전트
잠재 공간 추론과 텍스트 도구 호출을 섞었더니 성능 10.4%↑, 토큰 최대 54.7%↓