DeepSeekがHarnessフレームワークをアップデート？14の変更点の仕組みとは

DeepSeekがHarnessフレームワークをアップデート？DeepSeek Harness v0.1.0-rc.8のリリースにより、14の変更が導入されました。マルチモーダル入力、サブエージェント、ツール連携、ランタイムパフォーマンスにわたる大幅なアップデートが行われ、ネイティブ画像リクエストの統合や、Claude Code、Codexなどの外部ツールをモジュール式のサブエージェントとして管理する、アンバンドル化されたプラグインファーストのスケジューリング層が確立されています。人工知能のアーキテクチャがモノリシックなチャットボットラッパーから分散型エージェントランタイムへと移行するにつれて、開発者には、タスクの分解、ツールのオーケストレーション、メモリの永続性を管理するための拡張性の高いフレームワークが求められています。従来、自律型コーディングアシスタントの導入は、エンジニアリングのワークフローを特定のクローズドソースのベンダー環境に縛り付けていました。現在では、オープンソースのランタイムフレームワークによって、開発者がモデル、ツール、サブエージェントを動的に入れ替えられるようになったため、技術チームはエージェントのオーケストレーションや後続のコンテキストの引き渡し構造を見直しています。

アーキテクチャ概要：DeepSeekがエージェントオーケストレーション向けHarnessフレームワークをアップデートする方法

概要

DeepSeek Harness v0.1.0-rc.8ではネイティブの画像リクエストサポートが導入され、/goalや/planなどのコマンドでテキストと画像を組み合わせた入力を直接受け付けることができるようになりました。
Claude CodeやCodexなどのサブエージェントはオンデマンドのプロファイルバンドルとしてパッケージ化されており、非対話型実行モードや親タスクの再開機能を備えています。
Cordisプラグインフレームワークを基盤としており、MITライセンスの下でモデル、ツール、メモリ、メインエージェントループを完全に置き換え可能なプラグインとして扱います。

基盤言語モデルと自律型エージェントを分けるエンジニアリングの境界線は、ますます明確になっています。基盤モデルが単なる推論や生成機能を提供する一方で、実際のタスク実行には、ファイルシステムの解析、シェルコマンドの呼び出し、会話履歴の管理、実行のリトライを処理する外側のエンジニアリングシェルが必要です。DeepSeekはこの関係性を「Model（モデル） + Harness（ハーネス） = Agent（エージェント）」という明確な公式で定義しています。

2026年8月のHarness v0.1の最初のオープンソースリリースに続き、本プロジェクトは開発者に急速に採用されました。v0.1.0-rc.8のリリースはこの基盤を直接引き継ぐものであり、設定可能な画像リクエストサポートの追加と、サブエージェントのスケジューリング機能の拡張が行われています。

モデルと外側のハーネスツールのモジュール式の関係を示すDeepSeek Harnessのアーキテクチャ概要

rc.8の重要性は、「すべてがプラグインである」という設計哲学にあります。Harnessの基盤となるコンポーネント指向のプラグインコンテキストを提供するCordisにより、固定化されたハードコード化コンポーネントは存在しません。開発者は、基盤となるモデルアダプターの入れ替え、ローカルストレージエンジンの置換、独立したサンドボックス環境のマウント、メインエージェントの実行ループのカスタマイズを自由に行うことができます。

DeepSeek HarnessのGitコミット履歴とオープンソースの開発軌跡

内部の仕組み：マルチモーダルツールチェーン、サブエージェント、ランタイムパイプライン

プロトコルレベルでは、DeepSeek Harness v0.1.0-rc.8のアップデートは、ネイティブなマルチモーダル処理、サブエージェントのオーケストレーション、ツールチェーンのパフォーマンスという主要な機能領域に整理されています。

1. 設定可能なマルチモーダル入力

アップデートされたアダプターはネイティブの画像リクエストをサポートしており、リクエストボディ内で画像入力をbase64データURLとしてシリアライズする一方、モデルの応答は引き続きServer-Sent Events（SSE）経由でストリーミングされます。/goalや/planなどのコアコマンドはテキストと画像が混在したペイロードを受け付けるようになり、コンポーザーの@メニューが拡張されてアクティブなセッションや画像ファイルを参照できるようになりました。システムはbase64画像ペイロードの上限を20 MiB（maxRequestImageBytes）に制限し、標準のリクエスト制限である30 MiBを下回る余裕を持たせています。

ネイティブアダプターアーキテクチャの下では、画像機能が設定されたモデルはbase64データペイロードを直接受け取る一方、テキストのみのモデルはネットワーク送信前に画像入力を拒否します。コミュニティの開発者は、テキストのみのバックエンドに外部のOCRやレイアウト解析を提供するためのサードパーティ製ビジョンプラグインを個別に検証してきましたが、ネイティブのrc.8パイプラインは、ビジョン対応モデル設定に向けた直接的な画像パススルーに焦点を当てています。

DeepSeek Harnessのモデル選択およびマルチモーダル設定インターフェイス

2. サブエージェントのスケジューリングとプロファイルバンドル

メインのコードベース内に外部アシスタントを配布するのではなく、Claude CodeとCodexはオンデマンドのプロファイルバンドルとしてパッケージ化されています。Codexには、無人実行やヘッドレス実行のシナリオをサポートする非対話型パーミッションモードが追加され、複数の異なるCodex設定を維持するための名前付きインスタンスも利用可能になりました。reportDeliveryメカニズムは、サブエージェントの完了時に親タスクへ自動的に通知して再開させるため、継続的なポーリングループの必要性を軽減します。

以下の図は、タスクとサブエージェントがフレームワーク内でどのようにルーティングされるかを示しています。

[ユーザーのマルチモーダルな目標/計画の入力]
                │
                ▼
     [Cordisプラグインコンテキスト]
                │
  ┌─────────────┼─────────────┐
  ▼             ▼             ▼
[設定済みLLMアダプター] [Claude Code] [Codexバンドル]
(テキストまたはビジョンモデル) (サブエージェント) (サブエージェント)
  │             │             │
  └─────────────┼─────────────┘
                ▼
  [ツール/プラグインディスパッチ層]
(並行WebSearch / PTYターミナル)

3. ツールチェーンの同時実行性とトランスポートメタデータ

ランタイムには、web_searchの同時クエリサポート、Windows PTYターミナル内の永続的なPowerShellセッション、最適化されたSQLiteの読み書きおよびセッションフォークパフォーマンスが導入されています。トランスポート層では、DeepSeekアダプターが@deepseek-ai/dsh-anonymous-user-idからのx-deepseek-harness-user-idを含む、プロバイダーリクエスト上のトランスポートレベルの識別子とセッションメタデータを送信しつつ、その識別子をモデルから見えるリクエストコンテンツやトークン集計の外側に保持します。

アクティブなCodexとClaude Codeの実行スレッドを示すDeepSeek Harnessのサブエージェントジョブ管理パネル

開発者は標準の設定スキーマを使用して、アダプターの設定を動的に構成できます。

- id: llm-deepseek
  name: '@deepseek-ai/dsh-llm-deepseek'
  config:
    apiKeyEnv: DEEPSEEK_API_KEY
    baseURL: https://api.deepseek.com
    thinking: enabled
    reasoningEffort: high
    maxTokens: 256000
    streamIdleTimeoutMs: 300000
    maxRequestImageBytes: 20971520
    defaultContextWindow: 1000000
    models:
      - id: deepseek-v4-flash
        name: DeepSeek-V4-Flash
      - id: private-vision
        name: Private Vision
        inputModalities: [text, image]

ステートフルなワークフローオーケストレーション対モバイル配布のコンテキスト継続性

DeepSeek Harnessのモジュール式アーキテクチャは、ソフトウェアの実行が分散型のマルチエージェントワークフローへと移行している様子を示しています。プライマリ・エージェントが複数のツールやモデルにサブタスクを委任する際、ハーネスは実行コンテキストを維持し、サブエージェントのステータスを追跡し、出力を一貫した最終結果に集約します。

デスクトップおよびサーバーサイドのエージェントランタイムがアクティブなプラグインやローカルプロセス全体で状態を維持する一方で、自動化されたジャーニーがモバイルアプリの配布境界をまたぐ際には、それに付随する別のアーキテクチャ上の課題が浮上します。

ライフサイクルの境界を越えたコンテキストの継続性の維持

Harness内では、セッションの継続性はランタイムのセッション状態とパーシステンス層によって維持されます。しかし、モバイルアプリの配布においては、プロモーションキャンペーン、ウェブの推薦、共有リファラルなどが、まだインストールされていないアプリケーションへとユーザーを誘導する場合、インストール前のキャンペーンや遷移先のコンテキストが、ストアでのインストールから初回起動への移行プロセスを通じて自動的に引き継がれるわけではありません。

OpoInstallのような高度なモバイルリンキングアーキテクチャは、遅延ディープリンク（deferred deep linking）およびパラメータの引き継ぎ機能を通じて、このコンテキストの断絶に対処します。これらのフレームワークは、インストール前にキャンペーンや遷移先のメタデータをキャプチャし、アプリケーションの初回起動時にそれらのパラメータを復元することで、即座のコンテキストルーティングを可能にします。これら2つのメカニズムは異なるライフサイクル段階における異なる技術的課題を解決するものではありますが、どちらも断片化されたアプリケーションの境界を越えて信頼性の高いコンテキストを継続させることの重要性が高まっていることを示しています。

エンジニアリングチェックリスト：本番環境へのモジュール式エージェントハーネスのデプロイ

拡張性の高いエージェントランタイムを本番環境にデプロイするには、実行の柔軟性と運用の安定性を両立させるための体系的なガバナンスが必要です。

開発者向け実装チェックリスト

SQLiteスキーママイグレーションの管理：マイナーバージョン間でアップグレードを行う際、互換性のないテーブル構造に起因するデータエラーを防ぐため、データベースのストレージフォーマットがクリーンに更新されていることを確認します。
サブエージェントの実行モードの設定：無人プロセスを実行する際は、自動化されたCodexインスタンス上で非対話型のパーミッションフラグを有効にします。
画像ペイロード制限の設定：マルチターンの会話中にプロバイダーのボディ制限を超過するのを防ぐため、受信するbase64画像ペイロードを20 MiB（maxRequestImageBytes）に制限します。

アーキテクチャ＆成長戦略チェックリスト

トランスポート識別子の監査：匿名識別子（x-deepseek-harness-user-id）およびセッションヘッダーが、ローカルのプライバシーポリシーに準拠していることを検証します。
マルチエージェントのトークンバジェットの最適化：モデル調停を実装し、コスト効率の高いモデルにサブタスクをルーティングする一方で、複雑なプランニングにはフロンティアモデルを割り当てます。
クロスプラットフォームのコンテキスト保持の確保：ウェブのエントリポイントとネイティブモバイルアプリケーションの間でユーザーワークフローをブリッジする際、サーバー側のパラメータ復元フレームワークを導入します。

よくある質問（FAQ）

DeepSeek Harnessの根底にあるアーキテクチャの哲学は何ですか？

DeepSeek Harnessは、Cordisプラグインフレームワークを基盤とした「すべてがプラグインである」という設計の上に構築されています。モデル、ツール、実行ループ、サンドボックス、メモリストレージ、ユーザーインターフェイスのすべてが、MITライセンスの下で相互に交換可能なプラグインとして実装されており、開発者は任意のコンポーネントをカスタマイズまたは置換することができます。

DeepSeek Harnessはモデル設定における視覚入力をどのように処理しますか？

DeepSeek Harness v0.1.0-rc.8では、ビジョン対応モデル向けのアダプター設定を通じて、ネイティブな画像リクエスト処理が可能になっています。画像モダリティが設定されたモデルでは、`/goal`や`/plan`などのコマンドでテキストと画像が混在したペイロードを直接処理でき、画像はリクエストボディ内で最大20 MiBの制限付きでbase64データURLとしてシリアライズされます。

サブエージェントのプロファイルバンドルは、どのように親タスクへ通信を返しますか？

Claude CodeやCodexなどのサブエージェントは、実行環境内で孤立したタスクとして実行されます。割り当てられたワークロードの完了時に、`reportDelivery`メカニズムが構造化された結果を親タスクへと自動的に送信し、待機中のプロセスを再開させるため、継続的なポーリングの必要性が軽減されます。

エンジニアリングチームのための主要なポイント

DeepSeek Harnessのようなオープンソースのエージェントランタイムの急速な進化は、モデル中心の競争から、ワークフローおよびオーケストレーション層の優位性へのシフトを示しています。モジュール式のエージェントアーキテクチャ内においてモデルのバックエンドがますます相互交換可能になるにつれて、サブエージェントを調整し、ツールを管理し、実行状態を維持するソフトウェア層が、開発者による制御の主要な拠点となります。

次世代のエージェントシステムを構築するエンジニアリングチームは、モジュール性、明示的なパーミッションの境界、そして堅牢な状態管理を優先する必要があります。エージェントのオーケストレーションを拡張可能なプラグインに分離し、ウェブとモバイルのタッチポイント間で弾力的なコンテキスト引き渡しメカニズムを実装することで、組織は適応力が高くベンダーに依存しない自動化パイプラインを構築できます。