Hogar
DeepSeek presenta su primer marco de agentes, que aprovecha la IA con un motor de ejecución «plug-and-play»
Tras sus recientes actualizaciones en los precios de la API, DeepSeek presentó el 13 de agosto la versión «Developer Preview» de DeepSeek Harness v0.1, publicando el proyecto como código abierto en GitHub bajo la licencia MIT. Esta iniciativa, impulsada por Liang Wenfeng, desplaza el foco de atención del propio modelo hacia la infraestructura de apoyo que permite a la IA ejecutar tareas del mundo real. El equipo define esta relación con una fórmula sencilla: Modelo + Harness = Agente, donde el modelo se encarga del razonamiento y Harness gestiona la ejecución.

Harness proporciona un espacio de trabajo local integral para agentes, que incluye gestión de proyectos, colaboración en tareas a largo plazo, orquestación de múltiples agentes, gestión del contexto, recuperación en línea e integración de habilidades externas. Esto permite a los desarrolladores ejecutar tareas complejas de forma inmediata sin necesidad de combinar herramientas dispares. Como avance preliminar, Harness funciona según el principio de que «todo es un complemento», redefiniendo el desarrollo de agentes a través de una arquitectura abierta.
Cuatro modos operativos, configurados mediante ensamblaje
El punto fuerte fundamental de Harness es su arquitectura abierta basada en complementos. Cada componente —modelos, herramientas, habilidades, sesiones, entornos de prueba, almacenamiento, bucles, programación y interfaz de usuario— es un complemento que se puede intercambiar o reensamblar libremente. Desarrollado sobre el metamarco de complementos Cordis, Harness se encarga únicamente de tareas de bajo nivel, como la carga y la gestión de dependencias. Toda la lógica de negocio está formada por complementos independientes de Cordis que interactúan a través de servicios y eventos, lo que permite a los desarrolladores reconfigurar el sistema a nivel de configuración sin alterar el código fuente.
Harness admite cuatro modos operativos predefinidos, cada uno de los cuales carga un conjunto específico de complementos: el modo Estándar incluye un conjunto completo de herramientas para el desarrollo general; el modo PTC (Programmatic Tool Call) permite que el modelo genere código y coordine cadenas de herramientas de múltiples pasos; el modo «Mínimo» limita las herramientas al shell y a la edición de archivos para realizar pruebas de referencia en entornos restringidos; y el modo «Creativo» ofrece visualización del estado en tiempo de ejecución, complementos de depuración de memoria y compatibilidad con modos operativos personalizados. Los desarrolladores pueden iniciar rápidamente una interfaz web de forma local utilizando el comando npx tras implementar una cadena de herramientas de Node.js.
Como base de DeepSeek para el ámbito de los agentes, la versión v0.1 se encuentra aún en sus primeras fases, pero su filosofía de «desmontar y reconfigurar» aborda la fragmentación actual en el ecosistema de los agentes inteligentes. Mientras que competidores como OpenAI impulsan estándares para los complementos de agentes y compiten por ganar influencia, la decisión de DeepSeek de abrir toda la pila bajo la licencia MIT reduce las barreras para los desarrolladores que crean agentes personalizados, lo que impulsa significativamente el ecosistema nacional de agentes de código abierto.
Artículo relacionado
La startup sueca de inteligencia artificial Lovable Eyes alcanza una valoración de 13.200 millones de dólares tras una importante ronda de financiación
Mientras las herramientas de codificación impulsadas por inteligencia artificial ganan terreno, la startup sueca Lovable ha asegurado una importante ronda de financiación. La empresa tiene como objetivo recaudar 3 000 millones de dólares, lo que podr
Google prueba el agente Remy AI para Gemini a medida que el enfoque se desplaza hacia el control del usuario
Según Business Insider, Google está probando Remy, un nuevo agente personal de IA para Gemini. Esta herramienta tiene como objetivo ejecutar tareas en nombre de los usuarios, optimizando tanto los flujos de trabajo profesionales como las rutinas diar
Cómo corregir las Core Web Vitals para mejorar el posicionamiento SEO
Simplificar los comentarios de las tarjetas de calificación con herramientas de IAIntroducciónHerramientas de IA para generar comentarios de tarjetas de calificaciónMagic SchoolAlmanac AIChat GPTUso de Magic School para generar comentarios de t
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
Tras sus recientes actualizaciones en los precios de la API, DeepSeek presentó el 13 de agosto la versión «Developer Preview» de DeepSeek Harness v0.1, publicando el proyecto como código abierto en GitHub bajo la licencia MIT. Esta iniciativa, impulsada por Liang Wenfeng, desplaza el foco de atención del propio modelo hacia la infraestructura de apoyo que permite a la IA ejecutar tareas del mundo real. El equipo define esta relación con una fórmula sencilla: Modelo + Harness = Agente, donde el modelo se encarga del razonamiento y Harness gestiona la ejecución.

Harness proporciona un espacio de trabajo local integral para agentes, que incluye gestión de proyectos, colaboración en tareas a largo plazo, orquestación de múltiples agentes, gestión del contexto, recuperación en línea e integración de habilidades externas. Esto permite a los desarrolladores ejecutar tareas complejas de forma inmediata sin necesidad de combinar herramientas dispares. Como avance preliminar, Harness funciona según el principio de que «todo es un complemento», redefiniendo el desarrollo de agentes a través de una arquitectura abierta.
Cuatro modos operativos, configurados mediante ensamblaje
El punto fuerte fundamental de Harness es su arquitectura abierta basada en complementos. Cada componente —modelos, herramientas, habilidades, sesiones, entornos de prueba, almacenamiento, bucles, programación y interfaz de usuario— es un complemento que se puede intercambiar o reensamblar libremente. Desarrollado sobre el metamarco de complementos Cordis, Harness se encarga únicamente de tareas de bajo nivel, como la carga y la gestión de dependencias. Toda la lógica de negocio está formada por complementos independientes de Cordis que interactúan a través de servicios y eventos, lo que permite a los desarrolladores reconfigurar el sistema a nivel de configuración sin alterar el código fuente.
Harness admite cuatro modos operativos predefinidos, cada uno de los cuales carga un conjunto específico de complementos: el modo Estándar incluye un conjunto completo de herramientas para el desarrollo general; el modo PTC (Programmatic Tool Call) permite que el modelo genere código y coordine cadenas de herramientas de múltiples pasos; el modo «Mínimo» limita las herramientas al shell y a la edición de archivos para realizar pruebas de referencia en entornos restringidos; y el modo «Creativo» ofrece visualización del estado en tiempo de ejecución, complementos de depuración de memoria y compatibilidad con modos operativos personalizados. Los desarrolladores pueden iniciar rápidamente una interfaz web de forma local utilizando el comando npx tras implementar una cadena de herramientas de Node.js.
Como base de DeepSeek para el ámbito de los agentes, la versión v0.1 se encuentra aún en sus primeras fases, pero su filosofía de «desmontar y reconfigurar» aborda la fragmentación actual en el ecosistema de los agentes inteligentes. Mientras que competidores como OpenAI impulsan estándares para los complementos de agentes y compiten por ganar influencia, la decisión de DeepSeek de abrir toda la pila bajo la licencia MIT reduce las barreras para los desarrolladores que crean agentes personalizados, lo que impulsa significativamente el ecosistema nacional de agentes de código abierto.
La startup sueca de inteligencia artificial Lovable Eyes alcanza una valoración de 13.200 millones de dólares tras una importante ronda de financiación
Mientras las herramientas de codificación impulsadas por inteligencia artificial ganan terreno, la startup sueca Lovable ha asegurado una importante ronda de financiación. La empresa tiene como objetivo recaudar 3 000 millones de dólares, lo que podr
Cómo corregir las Core Web Vitals para mejorar el posicionamiento SEO
Simplificar los comentarios de las tarjetas de calificación con herramientas de IAIntroducciónHerramientas de IA para generar comentarios de tarjetas de calificaciónMagic SchoolAlmanac AIChat GPTUso de Magic School para generar comentarios de t











