DeepSeek Harness vs Claude Code vs Codex vs Muse Code: open-source framework pre AI agentov v roku 2026

V auguste 2026 DeepSeek sprístupnil DeepSeek Harness (dsh) ako developer preview. Projekt je open source pod MIT licenciou a nejde iba o ďalšieho programovacieho agenta v termináli. DeepSeek ho prezentuje ako agent harness, teda vrstvu, ktorá prepája model s tools, pamäťou session, sandboxom, approval policy, subagentmi, web search, skills, workflows a používateľským rozhraním.^[1][2]

Hlavný architektonický princíp znie:

Everything is a plugin.

Modely, tools, skills, sessions, sandboxes, storage, agent loop, scheduling, subagents a dokonca UI sa skladajú ako pluginy nad Cordis.^[1][3][11]

To sa líši od bežného produktu s pevne daným agent loopom a tool surface. V dsh je možné cez konfiguráciu nahradiť aj samotný agent loop.^[3]

Neznamená to však, že je DeepSeek Harness dnes zrelší než Claude Code, Codex alebo Muse Code. Oficiálny SAFETY.md ho označuje ako experimental developer-preview software, uvádza, že neprešiel security auditom, a výslovne hovorí, že sa nemá považovať za secure ani production-ready.^[6]

Verejná npm verzia @deepseek-ai/dsh overená 31. augusta je 0.1.1-rc.2.^[10]

Stručne: DeepSeek Harness je dnes najzaujímavejší ako otvorená a vymeniteľná infraštruktúra na stavbu vlastných agentov. Zároveň vie delegovať prácu skutočnému Claude Code a Codex ako subagentom, takže s nimi môže súťažiť aj ich orchestrovať.^[8][9]

Stav informácií: 31. augusta 2026.

TL;DR

Čo je agent harness?

Jazykový model sám osebe nie je kompletný agent.

Vie generovať text, kód, plány alebo tool calls, ale ďalšia vrstva musí rozhodovať, aké tools existujú, ako sa spúšťajú príkazy, kam môže agent zapisovať, kedy potrebuje approval, kde sa ukladá história, ako sa session obnovuje a ako sa delegujú úlohy.

DeepSeek vzťah zhrňuje:

Agent = Model + Harness

^[1]

Harness je runtime vrstva, ktorá umožňuje modelu konať v reálnom prostredí.

Prečo nie iba ďalšie CLI?

DSH má CLI, Web UI aj headless mode, no je navrhnutý širšie než jeden coding assistant.^[1][3][5]

Myšlienka:

capabilities nehardcodovať do loopu,
ale skladať ich ako vymeniteľné komponenty

Patria sem model adapters, tools, filesystem, shell, sandbox, skills, web access, persistence, compaction, subagents, jobs, scheduling, approvals a UI.^[1][3]

„Everything is a plugin“ zahŕňa aj agent loop

Architektúrna dokumentácia výslovne uvádza model adapter, tool registry, session log aj agent loop ako pluginy.^[3]

V bežnom produkte možno často rozšíriť tools, ale:

prompt → model → tool → model → finish

zostáva pevnou internou logikou.

V DSH možno vymeniť aj túto slučku. Dokumentácia uvádza, že netreba patchovať žiadny privileged core.^[3]

Cordis ako základ

DeepSeek Harness je postavený na Cordis.^[1][3]

Dňa 26. augusta 2026 vyšla práca A Programming Paradigm for Spatiotemporal Composability autorov prepojených s Peking University a DeepSeek-AI.^[11]

Cordis rieši:

• temporal composability, teda odstránenie komponentu spolu s jeho runtime efektmi;
• spatial composability, teda deklarovanie dependencies a reakciu na zmeny prostredia.

Implementácia zahŕňa effect tracking, dependency resolution, declarative loading, configuration reconciliation a hot module replacement.^[11]

Profiles a bundles

Bežiaci dsh je strom pluginov zostavený pri boote.^[3]

Profiles sú pomenované runtime kompozície, napríklad:

web
headless

Bundles dodávajú Cordis konfiguráciu a kód.

dsh-base obsahuje model adapters, tools, persistence, sandbox, approval policy, settings, credentials a telemetry.^[3]

dsh-web-app pridáva webovú aplikáciu a dsh-headless one-shot runner bez servera.

Vrstvená konfigurácia

Konfigurácia sa skladá vo vrstvách:^[3]

bundles
↓
profile cordis.patch.yml
↓
home cordis.patch.yml
↓
--patch overlay

Výsledný strom možno skontrolovať:

dsh --profile web --dump-config

Pre internú agent platformu je to často lepšie než meniť upstream source.

Web UI

Oficiálny quick start:

npx @deepseek-ai/dsh web

^[1][2]

Predvolene Web UI beží lokálne na:

http://127.0.0.1:3080

^[2]

Po nastavení modelu a workspace môže agent čítať a editovať súbory, spúšťať commands, delegovať prácu a udržiavať plán.^[5]

Nie je obmedzený na modely DeepSeek

Settings → Models podporuje ďalších providers.^[4]

Oficiálna dokumentácia uvádza:

• Anthropic,
• OpenAI,
• Amazon Bedrock,
• Google Vertex,
• Azure,
• Codex,

a custom providers pre firemné gateways, self-hosted služby a OpenAI-compatible endpoints.^[4]

DeepSeek Harness ≠ DeepSeek-model-only

Vlastný model cez LLM adapter

ctx.llm je registry adaptérov.^[3][4]

Typický pattern:

class MyAdapter extends LlmAdapter {
  async *stream(options) {
    // provider implementation
  }
}

Adapter prekladá:

Harness request
↔
provider API

^[4]

Zmena modelu bez reštartu

Zmeny konfigurácie modelu sú použiteľné pri ďalšej request bez reštartu Web UI.^[4]

Vybraný model sa stáva defaultom pre nové sessions.

Session, ktorá už request vykonala, si zachová model zaznamenaný vo vlastnom logu.^[4]

Štyri runtime modes

DeepSeek dokumentuje štyri režimy.^[1]

Standard

Plný coding agent s file editing, shell, file/web search, skills, planning, goals, subagents a workflows.

Code

Standard plus Code Mode SDK, takže model môže spájať viac operácií do jedného TypeScript programu.^[1]

Minimal

persistent bash
str_replace_editor

Vhodný okrem iného na benchmarking s minimálnou tool surface.^[1]

Creator

Pre runtime inspection, plugin experimenty a custom presets.^[1]

Append-only session log

DeepSeek uvádza, že všetko, čo model vidí, sa zapisuje do append-only session log.^[1]

Patria sem system prompts, reasoning, tool calls/results, subagent scheduling a context injections.^[1][3]

Resume, fork, search a replay pracujú nad rovnakým event stream.

„Model-visible means logged“

Dokumentácia formuluje pravidlo:

Model-visible means logged.

^[3]

Čokoľvek vstúpi do model requestu, má byť rekonštruovateľné zo session log.

Pomáha to pri audite a debugovaní.

Subagenti ako capability

ctx.subagents je registry providers.^[8]

Dokumentované implementácie:

spawn-in-process
fork
ACP
Codex
Claude Code
dsh-sdk

^[8]

Parent agent tak deleguje cez spoločné rozhranie.

DSH môže spustiť skutočný Codex

Provider:

@deepseek-ai/dsh-subagent-codex

nie je iba HTTP volanie modelu.^[9]

Spúšťa reálny produkt Codex ako proces.

Dokumentovaná implementácia používa:

@openai/[email protected]

a app-server --stdio.^[9]

Každé volanie vytvára nový proces, ephemeral thread a one-shot task.

Vie delegovať aj do Claude Code

Ďalší first-party provider integruje skutočný Claude Code.^[8][9]

Tok:

task
→ subagent provider
→ Claude Code
→ finálny výsledok

Child dostáva samostatný task a workspace, nie automaticky celú parent conversation.^[9]

To mení zmysel porovnania

Jednoduché:

DSH vs Claude Code vs Codex

je neúplné.

Presnejšie:

DeepSeek Harness
├── vlastný runtime
├── model providers
├── Claude Code ako child
└── Codex ako child

DSH môže byť konkurent aj orchestrator.

Cenou je väčšia zložitosť a širší attack surface.

Agent Teams sú experimentálne

Repo obsahuje Agent Teams s durable roster, task board, mailbox a child sessions.^[3]

Dokumentácia túto časť označuje ako experimental private opt-in coordination seam.^[3]

Nemá sa prezentovať ako stabilná verejná API.

DeepSeek Harness vs Claude Code

Claude Code je hotový coding-agent produkt pre software engineering.

Vie prechádzať codebase, editovať súbory, spúšťať commands a testy, pracovať s Gitom a používať MCP.^[12]

Rozdiel:

Claude Code = hotový coding produkt
DSH = composable framework/runtime

Repo Claude Code uvádza použitie pod Anthropic Commercial Terms.^[12]

DSH je MIT.^[1][2]

DeepSeek Harness vs OpenAI Codex

Dôležitá oprava: Codex CLI je tiež open source.

Repo openai/codex má licenciu:

Apache-2.0

^[13]

Nie je teda správne opisovať DSH ako open-source alternatívu k uzavretému Codex.

Codex je primárne coding-agent platforma s CLI, IDE, desktopom, cloudom, sandboxingom, approvals a network policies.^[13]

DSH je viac zameraný na vlastnú kompozíciu runtime a zároveň vie Codex spustiť ako child.^[9]

DeepSeek Harness vs Muse Code

Meta spustila Muse Code 5. augusta 2026 ako beta terminal coding agent s Muse Spark 1.2.^[14]

Muse Code a model boli co-trained pre planning, tool use, context compaction, subagents a dlhé coding tasks.^[14]

Rozdiel:

Muse = model + harness spoločne optimalizované
DSH = model a capabilities vymeniteľné

Porovnávacia tabuľka

Tabuľka porovnáva produkty, nie inteligenciu modelov.

Prečo neuvádzame percentuálny benchmark?

Nenašli sme verejný test, ktorý drží súčasne:

rovnaký model
rovnaký prompt
rovnaké repo
rovnaké tools
rovnaký sandbox
rovnaký budget
rovnaký čas
rovnaký grading

Porovnanie Opus + Claude Code s DeepSeek modelom + DSH meria mnoho premenných naraz.

Ako benchmarkovať harness férovo?

Test A: rovnaký model

rovnaký model + DSH
vs
rovnaký model + minimálny harness

Test B: end-to-end

Claude + Claude Code
OpenAI + Codex
Muse Spark + Muse Code
zvolený model + DSH

Merať task completion, test pass rate, cenu, čas, tool calls, ľudské zásahy, regresie, zmeny mimo scope, security incidents a restart recovery.

Bezpečnosť je najdôležitejšia časť

Oficiálny SAFETY.md je veľmi priamy.^[6]

DSH môže spúšťať model-generated code a commands, načítavať third-party plugins a pristupovať k sieti, procesom, credentials a súborom.

Chybný output modelu, bug, misconfiguration, malicious input alebo untrusted plugin môže súbory meniť či mazať, zverejniť dáta alebo poškodiť host.^[6]

Sandbox nezaručuje izoláciu

DeepSeek píše:

Sandboxing, approval prompts, and permission controls can reduce risk, but they do not guarantee isolation or prevent damage.^[6]

Odporúča least privilege, disposable VM/container, backups, obmedzenie secretov a review pluginov a commandov.

DSH nemá byť jedinou bezpečnostnou hranicou pre nedôveryhodný workload.

Local-first neznamená local-only

Data Processing Statement označuje Harness ako local-first.^[7]

Lokálne sa štandardne ukladajú inputs, outputs, session context, tool records, attachments, file paths a runtime logs.

Externé modely, web tools, MCP servers a pluginy však môžu dáta odosielať svojim providerom.^[7]

local-first ≠ local-only

Telemetry je zložitejšia než on/off

Správanie telemetry sa v auguste menilo.^[16]

FULL vyžaduje explicitnú konfiguráciu. Nové profiles neposielajú automaticky celý session log bez aktívnej voľby; feedback môže podľa režimu aktivovať obmedzenejší reporting.^[16]

Data Processing Statement tiež spomína možné anonymizované informácie o konfigurácii a project lists s možnosťou reporting vypnúť alebo zmeniť endpoint.^[7]

Konkrétny deployment má vždy overiť svoju verziu a nastavenia.

Developer preview znamená reálne breaking changes

README varuje:

THERE WILL BE COMPATIBILITY-BREAKING CHANGES.

^[2]

Počas augusta vyšlo rýchlo niekoľko RC až po 0.1.1-rc.2.^[10]

GitHub Discussions obsahuje aj komunitné hlásenia o nejednotných npm dist-tags niektorých plugin balíkov okolo rc.2.^[15]

Nie je to oficiálne potvrdenie, že problém zasahuje každého, ale zodpovedá to preview statusu.

Má zmysel už teraz písať pluginy?

Pre R&D áno, ak akceptujete churn.

Oficiálne extension points existujú pre tools, LLM adapters, settings cards, capabilities, conversation nodes, storage, filesystem, sandbox a subagent providers.^[3][4]

Pre dlhodobo stabilnú API je projekt zatiaľ mladý.

Pre koho je DSH najzaujímavejší?

Agent platform teams

Pre internú platformu nezávislú od jedného model vendora.

AI infrastructure R&D

Pre experimenty s loops, context policies, routingom, subagentmi a sandboxmi.

Multi-model organizácie

Ako control plane nad DeepSeek, Anthropic, OpenAI, internými gatewaymi a self-hosted modelmi.

Benchmarking

Minimal mode môže zmenšiť tool surface pri modelových testoch.^[1]

Kedy radšej Claude Code, Codex alebo Muse Code?

Claude Code ak chcete zrelého coding agenta v Claude ekosystéme.

Codex ak potrebujete OpenAI platformu cez CLI, IDE, desktop a cloud s vyspelejšími sandbox/governance funkciami.^[13]

Muse Code ak chcete co-trained model+harness s Muse Spark 1.2.^[14]

DeepSeek Harness ak je hlavný cieľ:

vybudovať vlastný harness
nie iba používať hotového agenta

Checklist pred produkciou

Verzia a supply chain

• Pin konkrétnu verziu @deepseek-ai/dsh.
• Overiť scope @deepseek-ai.
• Overiť upstream repo.
• Nepoužívať neznáme wrappery ako náhradu upstreamu.
• Pin plugin versions.
• Overiť kompatibilitu CLI/pluginov.

Runtime

• Dedicated user.
• Minimálny workspace.
• Secrets mimo workspace.
• Backups.
• Approval pre deštruktívne commands.
• Obmedzený network access.
• Negatívne sandbox testy.
• Sandbox nepovažovať za dokonalú hranicu.

Modely

• Vedieť, ktorý provider dostáva code.
• Preveriť retention policy.
• TLS/auth pre vlastný gateway.
• API keys s minimálnym scope.
• Logovať model routing.
• Testovať viac modelov.

Pluginy

• Review third-party pluginov.
• Minimálne capabilities.
• Explicitne dôveryhodné MCP servers.
• Skills kontrolovať ako code.
• Žiadny auto-update bez review.

Kvalita

• Acceptance tests.
• Agent spúšťa testy.
• Review final diff.
• Merať regresie.
• Merať cenu úspešného tasku.
• Testovať restart recovery.
• Jasné hranice subagentov.

Verdikt POLPROG

DeepSeek Harness je jeden z najzaujímavejších agentných projektov augusta 2026, ale nie preto, že DeepSeek jednoducho vytvoril „vlastný Claude Code“.

Zaujímavá je architektúra:

model = plugin
tools = plugins
sandbox = plugin
session log = plugin
subagent provider = plugin
agent loop = plugin
UI = plugin

A parent agent môže delegovať skutočnému Codex aj Claude Code.^[8][9]

Správna otázka nie je:

Nahradí DeepSeek Harness Claude Code?

Ale:

Začnú firmy oddeľovať model od harnessu a stavať vlastný control plane nad viacerými agentmi?

Frontier modely sa menia rýchlo. Dobrý harness môže prežiť viac generácií modelov.

DeepSeek sa snaží vytvoriť vrstvu, v ktorej možno vymeniť model, provider, sandbox, tool, agent loop aj UI.

Je to silná architektonická myšlienka.

K 31. augustu 2026 však DSH zostáva developer preview. Upstream sám uvádza, že neprebehol security audit a projekt nie je production-ready.^[6]

Pre R&D a kontrolované POC

Rozhodne stojí za vyhodnotenie.

Ako priamy základ kritickej produkcie

Zatiaľ nie bez vlastného hardeningu, sandboxingu, version pinningu, plugin review a plného POC.

Najväčšou výhodou DSH dnes nie je „lepší model“, ale snaha, aby model prestal byť architektonickým centrom celého agenta.