Live Agenten-Laufzeit als „Substrat“: Beitrag stellt Linux-Container mit Bash infrage
↘

DeepSeek stellt Prototyp für Team-Agenten auf dsh vor, der GitHub-Anfragen in Arbeitspakete überführt

Das Repository dsh-superagent-prototype steht unter MIT-Lizenz und ist laut README nur als Referenz gedacht. Die Angaben stammen aus einem Bericht von explainx.ai. Das Repository haben wir nicht selbst geprüft.

· Veröffentlicht: 01.11.2026 ·2 Min Lesezeit
DeepSeek stellt Prototyp für Team-Agenten auf dsh vor, der GitHub-Anfragen in Arbeitspakete überführtMit KI erstellt
Inhalt
◆ Fakten auf einen Blick
  • DeepSeek Harness liegt als offizielles DeepSeek-Projekt im Repository deepseek-ai/deepseek-harness.
  • Der Harness basiert auf Cordis, ist Plugin-basiert und seine öffentlichen APIs sind noch nicht stabil.
  • DeepSeek Harness (dsh) ist ein MIT-lizenzierter, modellagnostischer Agenten-Runtime aus Plugins, gestartet als Version 0.1.
  • Laut explainx.ai ist dsh-superagent-prototype ein MIT-lizenziertes Forschungsprototyp-Bundle ohne offiziellen DeepSeek-Status.
  • Ein Review vom 2. September 2026 stuft den Harness als Developer Preview ein, noch nicht als Produktions-Kontrollschicht.

Proaktiver Team-Agent: Prototyp macht GitHub- und Feishu-Anfragen zu Work Items

Laut explainx.ai hat DeepSeek mit dsh-superagent-prototype ein MIT-lizenziertes Bundle für seinen Agenten-Harness dsh veröffentlicht. Das Bundle soll zeigen, wie sich auf dem Harness ein Agent bauen lässt, der für ein ganzes Team arbeitet. Er wartet dann nicht in einem Chat-Fenster auf Eingaben.

Der Agent hört laut Beschreibung auf GitHub und optional auf Feishu, einen Messenger für die Zusammenarbeit im Team. Stellt dort eine berechtigte Person eine Anfrage, legt der Agent ein Work Item an. Er bearbeitet es in einer eigenen Agent-Session und einem eigenen Verzeichnis. Die Antwort erscheint in der ursprünglichen Konversation. Ein Web-Panel zeigt, was menschliche Aufmerksamkeit braucht. Aus den Anfragen können laut explainx.ai Arbeitspakete und Pull Requests entstehen.

Zur Einordnung: Alle Angaben zum Prototyp stammen aus dem Bericht von explainx.ai, der wiederum das README zitiert. Das Repository haben wir nicht eingesehen. Ob der Agent so arbeitet, wie beschrieben, lässt sich daher nicht bestätigen. Offen bleibt auch, ob die Ablaufbeschreibung über das hinausgeht, was zum Harness ohnehin bekannt ist.

Nur zur Referenz: README spricht von Forschungsprototyp, Reife bleibt offen

Das README beschreibt das Projekt selbst deutlich: „Research prototype for reference only, not an official DeepSeek product“. Der Code sei aus der täglichen Entwicklungsarbeit des Teams entstanden. Ein großer Teil der Entwicklung sei von Coding-Agenten erledigt worden, räumt das README ein.

Zum Berichtszeitpunkt bestand das Repository laut explainx.ai aus einem einzigen Commit und hatte rund 130 Sterne. Daraus lässt sich wenig über Qualität oder Verbreitung ableiten. Der Stand zeigt nur, dass das Projekt damals ganz am Anfang stand. Wie belastbar der Code ist, geht aus den vorliegenden Angaben nicht hervor.

Der Unterbau: dsh ist ein MIT-lizenzierter, plugin-basierter Harness im Entwicklerstatus

Der Prototyp setzt auf den DeepSeek Harness auf, dessen Befehl dsh lautet. Das Repository deepseek-ai/deepseek-harness liegt in der GitHub-Organisation deepseek-ai und trägt die Beschreibung „Everything is a Plugin“. Es handelt sich also um ein offizielles DeepSeek-Projekt, kein Drittprojekt.

Nach Angaben eines Fachberichts ist der Harness modellagnostisch und MIT-lizenziert. Er besteht aus Plugins für Tools, Shell, Sandbox, Sitzungslogs und Subagenten. Er startete als Version 0.1 und kann Claude Code und Codex als Subagenten aufrufen. Das Repository selbst bezeichnet die öffentlichen APIs als noch nicht stabil. Wer darauf aufbaut, muss mit geänderten Schnittstellen rechnen.

Ein Review vom 2. September 2026 stuft den Harness als Developer Preview ein und warnt vor Kompatibilitätsbrüchen. Für einen begrenzten Pilotbetrieb eigne er sich, als Produktions-Kontrollschicht noch nicht. Das Dateisystem-Sandboxing schließe Netzwerk und Prozess-Sichtbarkeit nicht ein. Ein Agent, der im Team selbstständig Anfragen abarbeitet, läuft also auf einem Unterbau, dessen Entwickler selbst noch nicht von Produktionsreife sprechen.

J
Jasmin Freitag
Redaktion · KI-Anwendungen & Tools

Jasmin Freitag beobachtet für KI Spotlight die praktische Seite der künstlichen Intelligenz: neue Anwendungen, generative Werkzeuge, kreative KI und den Einsatz von Tools im Alltag und in Unternehmen. Sie erklärt praxisnah, was ein Werkzeug wirklich taugt.

Ähnliche Artikel