Sprachmodelle sind hervorragend darin, Inhalte zu verstehen, Schlussfolgerungen zu ziehen und zu generieren. Wenn eine Aufgabe jedoch von aktuellen Nachrichten, Social-Media-Gesprächen, Produktpreisen, Unternehmensinformationen oder On-Chain-Aktivitäten abhängt, reicht das bereits vorhandene Wissen des Modells nicht mehr aus.

Hier kommt ein Agent-Harness ins Spiel. Das Modell übernimmt das Denken, der Harness stellt den kontinuierlichen Betrieb in einer echten Umgebung sicher, und externe Tools bringen Live-Informationen in den Kontext.

DeepSeek Harness (DSH) und AgentKey ergänzen sich um zwei komplementäre Schichten dieser Architektur. DSH bietet eine offene, komponierbare und nachvollziehbare Agent-Laufzeit. AgentKey liefert eine einheitliche Zugriffsschicht auf Echtzeitdaten. Zusammen ermöglichen sie einem lokal laufenden DSH-Agenten, das Web zu durchsuchen, Social-Plattformen zu analysieren, Markt- und On-Chain-Daten abzufragen und dabei die komplette Tool-Aufrufkette im Sitzungsverlauf zu speichern.

Was ist DeepSeek Harness?

DeepSeek Harness wird über den dsh Befehl aufgerufen und ist ein quelloffener Agent-Harness von DeepSeek. DeepSeek bezeichnet das Modell als die Seele eines Agents, während der Harness ihm hilft, seine Umgebung zu verstehen, Tools zu nutzen und auch unter realen Bedingungen weiterzuarbeiten.

DSH basiert auf Cordis und folgt einer zentralen Idee: Alles ist ein Plugin. Model-Adapter, Tools, Skills, Sitzungen, Sandboxes, Speichersysteme, Agent-Schleifen, Scheduling-Komponenten und sogar die Benutzeroberfläche können eingehängt, ersetzt oder neu zusammengesetzt werden. Entwickler passen den Funktionsumfang über Konfigurationen an, ohne den DSH-Quellcode ändern zu müssen.

Zu den Hauptvorteilen zählen:

• Modular aufgebaut: Funktionen werden über Plugins und Konfigurationsebenen zusammengestellt, wodurch sich für verschiedene Anwendungsfälle unterschiedliche Modelle, Tools, Berechtigungsrichtlinien, Speichersysteme und Ausführungsmodi wählen lassen.
• Nachvollziehbarer Ablauf: System-Prompts, Gedankengänge, Tool-Aufrufe und -Ergebnisse, Subagent-Scheduling sowie Context-Injection werden in ein nur-appendfähiges Sitzungsprotokoll geschrieben, das Inspektion, Fortsetzung, Verzweigung, Suche und Wiedergabe unterstützt.
• Mehrere Laufzeitmodi: Der Standard Mode bietet einen vollständigen Agent-Workflow; der Code Mode ermöglicht es, generierten Code zur Orchestrierung mehrerer Tool-Aufrufe zu nutzen; der Minimal Mode unterstützt fokussierte Model-Benchmarks; der Creator Mode hilft Entwicklern bei der Inspektion der Laufzeit sowie beim Bauen von Plugins oder Presets.
• Quelle offen und lokal ausführbar: DSH wird unter der MIT-Lizenz veröffentlicht und kann über die Web-Oberfläche genutzt oder aus dem Quellcode kompiliert und erweitert werden.

DSH befindet sich derzeit in der Developer Preview, daher können Plugin-APIs und Konfigurationsverträge noch Breaking Changes einführen. Nutzer in der Produktion sollten eine spezifische DSH-Version fixieren und ihre Profiles, Patches sowie Plugins vor einem Upgrade validieren.

Was ist AgentKey?

AgentKey ist weder ein Modell noch ein weiterer Chat-Assistent. Vielmehr handelt es sich um eine externe Datenschicht für KI-Agenten. Über eine einzige MCP-Verbindung gewährt es einem Agenten Zugriff auf Funktionen wie Websuche, Content-Extraktion, Social Media, Finanzmärkte, E-Commerce, Business Intelligence sowie Krypto- oder On-Chain-Daten.

Der klassische Ansatz erfordert separate Accounts und API-Schlüssel für Suchdienste, Social-Daten, Markt-Feeds und weitere Anbieter – nebst separaten SDKs, Quotas, Rechnungen und Fehlerbehandlungen. AgentKey bündelt diese Integrationen unter einem Account, einer gemeinsamen Guthabenbasis und einem Agenten-gerechten Workflow, während gleichzeitig ein dynamischer Katalog an Providern und Tools in der Cloud gepflegt wird.

Statt das Modell feste API-Betriebsnamen lernen zu lassen, bietet AgentKey drei Tools zur dynamischen Entdeckung:

1. find_tools durchsucht den aktuellen Katalog anhand der vollständigen Benutzerabsicht und gibt passende Tools samt Aufrufkosten zurück.
2. describe_tool liefert das Parameterschema, Pflichtfelder und die bestätigten Kosten des ausgewählten Tools.
3. execute_tool führt das Tool ausgehend vom gerade inspizierten Schema aus.

Dies erzeugt einen konsistenten Agent-Workflow:

User request
   ↓
DSH Agent + AgentKey Skill
   ↓
find_tools → describe_tool → execute_tool
   ↓
AgentKey routes the request to an appropriate data service
   ↓
The result returns to DSH and is recorded in the session trajectory

Diese Architektur bietet mehrere praktische Vorteile:

• Keine getrennte Integration pro Datenquelle: Eine einzige Verbindung schaltet Kategorien von Live-Daten-Tools frei.
• Ein fortlaufend erweiterbarer Katalog: Der Agent entdeckt Funktionen zur Laufzeit, statt auf veraltete, fest codierte Betriebsnamen zu setzen.
• Sichtbare Kosten vor der Ausführung: Die Kreditinformationen pro Aufruf stehen zur Verfügung, bevor sich der Agent auf eine Operation festlegt, was Batch-Aufgaben besser steuerbar macht.
• Platz für Routing und Fallback: Falls ein Datenpfad nicht verfügbar ist, kann der Agent eine Schwester-Schnittstelle, eine andere Version oder einen alternativen Provider wählen.
• Keine Abhängigkeit von einem einzelnen Modell oder Harness: AgentKey fungiert als Datenschicht, die sowohl DSH als auch andere Agenten bedient, die MCP und Skills unterstützen.

Warum passen AgentKey und DSH zusammen?

DSH beantwortet die Frage: „Wie soll der Agent laufen?“ AgentKey beantwortet: „Wie soll der Agent externe Live-Daten beziehen?“

Mit beiden Komponenten in Betrieb erfüllt DSH mehr als lokale Antwortgeneration. Es versteht Aufgaben, wählt externe Fähigkeiten aus, ruft Live-Informationen ab, prüft Ergebnisse gegen und liefert Antworten – wobei der gesamte Prozess durch DSH-Tool-Richtlinien und die Sitzungsverfolgung geregelt bleibt.

AgentKey in fünf Minuten integrieren

Schritt 1: DSH starten

Nach der Installation von Node.js starten Sie die DSH Web UI:

npx @deepseek-ai/dsh web

Standardmäßig startet die Web UI unter http://127.0.0.1:3080 und öffnet sich in Ihrem Browser.

Schritt 2: AgentKey installieren

Unter macOS oder Linux führen Sie den offiziellen Installer aus und zielen ausschließlich auf DSH:

curl -fsSL https://agentkey.app/install.sh | bash -s -- --only dsh

Unter Windows PowerShell führen Sie folgenden Befehl aus:

& ([scriptblock]::Create((irm https://agentkey.app/install.ps1))) -Only "dsh"

Der Installer erledigt zwei unterschiedliche und gleichermaßen wichtige Aufgaben:

• Er installiert den AgentKey Skill global, damit der Agent lernt, den find_tools → describe_tool → execute_tool Workflow zu folgen.
• Er startet den AgentKey Device-Code-Login und schreibt eine authentifizierte Remote-MCP-Konfiguration in das DSH-Home-Level-Patch.

Schließen Sie die Autorisierung ab, sobald der Browser öffnet. Serververbindung, Skill und Authentifizierung sind separate Komponenten: Wird nur der Skill installiert, entstehen keine MCP-Tools. Wird nur die MCP-Konfiguration geschrieben, garantiert dies nicht, dass das Modell den korrekten Dynamic-Discovery-Workflow einhält.

Wenn Sie jede Operation explizit sehen möchten, führen Sie stattdessen die beiden manuellen Befehle aus:

npx -y skills add chainbase-labs/agentkey -g -a universal -s agentkey -y
npx -y @agentkey/cli --auth-login --only dsh

Der zweite Befehl nutzt einen Device-Code-Flow anstatt des allgemeinen MCP OAuth. Der aktuelle DSH MCP Client übergibt statische Header an seinen Streamable HTTP Transport, stellt jedoch nicht das authProvider bereit, das für die 401-/OAuth-Erkundung erforderlich wäre. Daher nutzt AgentKey seine CLI, um einen Bearer-Token zu schreiben, bevor DSH die Verbindung herstellt.

Schritt 3: Verstehen, wo die Konfiguration landet

Die AgentKey CLI pflegt einen markierten Loader-Block in:

${DSH_HOME:-~/.dsh}/cordis.patch.yml

Hierbei handelt es sich um das DSH-Home-Level-Patch, das über aktuelle und zukünftige Profiles hinweg komponiert wird, ohne denselben Key in jedem Profil zu duplizieren. Ein laufendes Profil nimmt Änderungen via HMR wahr, gestoppte und neue Profile laden ihn beim nächsten Start.

Dies ist eine CLI-verwaltete DSH MCP-Integration, und kein natives DSH-Bundle, das über dsh plugin add installiert wurde. Der echte API-Schlüssel sollte ausschließlich im lokalen Home-Patch liegen. Kommitieren Sie diesen Schlüssel oder die Konfigurationsdatei niemals in Git.

Sicherstellen, dass die Integration wirklich funktioniert

Betrachten Sie einen Mounted-Status auf der Plugin-Seite nicht als Beweis dafür, dass die Einrichtung abgeschlossen ist. Mounted bedeutet lediglich, dass Cordis die Konfigurationszeile geladen hat; es beweist nicht, dass sich MCP authentifizierte und seine Tools synchronisiert hat.

Überprüfen Sie die Integration in drei Schritten:

1. Öffnen Sie DSH → Settings → Plugins → Plugin list und suchen Sie nach der konfigurierten ID agentkey. Beim Aufklappen der Zeile sollte angezeigt werden mcp-client, betrieben durch @deepseek-ai/dsh-mcp-client.
2. Bestätigen Sie im Preset oder der Sitzung, in der Sie AgentKey nutzen möchten, dass diese drei Core-Tools sichtbar sind:
   • mcp__agentkey__find_tools
   • mcp__agentkey__describe_tool
   • mcp__agentkey__execute_tool
3. Stellen Sie eine Aufgabe, die Live-Daten erfordert, und untersuchen Sie den Trajektorie-Verlauf, um zu bestätigen, dass Discovery, Description und Execution tatsächlich durchgeführt wurden.

Fragen Sie DSH beispielsweise:

Nutze AgentKey, um die neuesten KI-Nachrichten von heute zu finden. Beginne mit find_tools, inspiziere das ausgewählte Tool mit describe_tool, führe es aus und fasse die wichtigsten Entwicklungen mit Quellen zusammen.

Alternativ können Sie praxisnähere Workflows ausprobieren:

• „Durchsuchen Sie Reddit und X nach Diskussionen zu diesem Produkt aus dem letzten Monat, fassen Sie wiederkehrende Pain Points und Feature Requests anschließend zusammen.“
• „Vergleichen Sie den aktuellen Preis, Bewertungen und Sales Signals für dieses Produkt auf mehreren E-Commerce-Plattformen.“
• „Analysieren Sie die jüngste On-Chain-Aktivität dieser Wallet und fassen Sie sie nach Protokoll und Asset-Typ zusammen.“
• „Bündeln Sie Unternehmensinformationen, aktuelle Nachrichten und Marktdaten zu einem aktuellen Company Brief.“

Vermeiden Sie, einen Provider-Betriebsnamen im Prompt fest zu codieren. Da sich der AgentKey-Katalog weiterentwickelt, ist es zuverlässiger, find_tools die Auswahl einer Capability basierend auf der gesamten Benutzeranfrage zu überlassen, statt den Workflow auf eine einzelne Schnittstelle festzulegen.

Fehlerbehebung

Das Plugin ist Mounted, aber AgentKey-Tools fehlen

Prüfen Sie die Allow-/Deny-Policy für Tools im aktiven Preset, der Sitzung oder im Subagent. Das Home-Patch macht den MCP Client zwar für die Profile-Zusammensetzung verfügbar, erzwingt aber nicht, dass jeder Kontext jedes Tool exponiert. Untersuchen Sie anschließend die MCP-Verbindungslogs und bestätigen Sie, dass Authentifizierung und Toolsynchronisation erfolgreich waren.

DSH meldet 401

Der lokale Bearer-Key fehlt möglicherweise oder ist ungültig. Führen Sie den Authentifizierungsbefehl erneut aus, um den Key zu rotieren und den verwalteten Konfigurationsblock zu ersetzen:

npx -y @agentkey/cli --auth-login --only dsh

DSH meldet serverName already in use

Ein älteres Preset oder eine alte Sitzung enthält möglicherweise noch einen anderen MCP Client, der serverName: agentkey verwendet. Führen Sie die aktuelle CLI erneut aus, damit sie Legacy-Konfigurationen bereinigen kann. Falls eine bestehende Sitzung das alte Preset bereits geladen hat, schließen Sie diese Sitzung oder starten Sie DSH einmal neu.

Die Konfiguration befindet sich nicht am erwarteten Ort

Prüfen Sie, ob DSH_HOME gesetzt ist. Ist dies nicht der Fall, weicht DSH standardmäßig auf ~/.dsh aus. Die CLI gibt den tatsächlichen Zielort in ihrer Erfolgszusammenfassung aus; betrachten Sie diesen Pfad als verbindlich.

In Remote- oder Headless-Umgebungen lässt sich der Browser nicht öffnen

Nutzen Sie den No-Browser-Modus, damit die CLI die Authorisierungs-URL und einen QR-Code ausgibt:

npx -y @agentkey/cli --auth-login --only dsh --no-browser

Fazit

Ein nutzbringender Agent ist mehr als ein Modell, das Antworten generieren kann. Ihn braucht man zudem eine stabile Laufzeitumgebung, klar definierte Tool-Grenzen, lückenlose Ablaufprotokollierung sowie Wege, um Live-Informationen außerhalb der Trainingsdaten abzurufen.

DSH verwandelt Modelle, Tools, Skills, Sitzungen, Sandboxes und UI-Komponenten in einen modularen Harness. AgentKey macht fragmentierte externe Daten-APIs zu Fähigkeiten, die ein Agent dynamisch entdecken und aufrufen kann. Gemeinsam bewahren sie die Offenheit, Beobachtbarkeit und Konfigurierbarkeit von DSH, während sie den Aufwand für das Hinzufügen von Such-, Social-, Markt-, Handels-, Business- und On-Chain-Daten deutlich reduzieren.

Wenn Sie bereits mit DeepSeek Harness experimentieren, ist der einfachste Einstiegspunkt die Installation von AgentKey und die Frage an DSH nach Informationen, die nur mit aktuellen Daten beantwortet werden können:

curl -fsSL https://agentkey.app/install.sh | bash -s -- --only dsh

Das ist der Schritt vom Agent, der „viel weiß“, hin zu einem, der mit der Welt verbunden ist und Aufgaben effektiv erledigt.

Quellen & Referenzen

• Offizielle Einführung zu DeepSeek Harness
• DeepSeek Harness GitHub Repository
• Dokumentation zur DeepSeek Harness Architektur
• Implementierung des DSH MCP Client Transports
• AgentKey Website
• AgentKey GitHub Repository und DSH Setup Guide