Les grands modèles de langage excellent dans la compréhension, le raisonnement et la génération de contenu. Mais lorsqu’une tâche repose sur l’actualité du jour, les conversations sociales, les prix des produits, les informations d’entreprise ou l’activité on-chain, les connaissances déjà intégrées au modèle ne suffisent plus.

C’est là qu’un agent harness devient indispensable. Le modèle assure le raisonnement, le harness le maintient opérationnel dans un environnement réel, et les outils externes injectent des informations en direct dans son contexte.

DeepSeek Harness (DSH) etAgentKey recouvrent deux volets complémentaires de cette pile technologique. DSH offre un runtime d’agent ouvert, modulaire et traçable. AgentKey apporte une couche d’accès unifiée aux données en direct. Ensemble, ils permettent à un agent DSH exécuté en local de rechercher sur le web, d’analyser les plateformes sociales, d’interroger les données de marché et on-chain, tout en conservant la trace complète des appels d’outils au sein de la trajectoire de session.

Qu’est-ce que DeepSeek Harness ?

DeepSeek Harness, invoqué via la commandedsh, constitue un agent harness open source développé par DeepSeek. DeepSeek qualifie le modèle d’« âme » d’un agent, tandis que le harness lui permet de comprendre son environnement, d’utiliser des outils et de poursuivre ses tâches dans des conditions réelles.

DSH est construit sur Cordis et repose sur un principe central :Tout est un plugin. Les adaptateurs de modèle, les outils, les compétences, les sessions, les sandboxes, le stockage, les boucles d’agent, l’ordonnancement et même l’interface utilisateur peuvent être montés, remplacés ou recomposés. Les développeurs peuvent modifier la stack de capacités uniquement par configuration, sans toucher au code source de DSH.

Ses principaux avantages sont les suivants :

• Composabilité native :les fonctionnalités s’assemblent via des plugins et des couches de configuration, ce qui permet de sélectionner différents modèles, outils, politiques d’autorisation, systèmes de stockage et modes d’exécution selon chaque cas d’usage.
• Exécution traçable :les invites système, le raisonnement, les appels d’outils et leurs résultats, l’ordonnancement des sous-agents ainsi que l’injection de contexte sont consignés dans un journal de session en écriture seule (append-only), compatible avec l’inspection, la reprise, le fork, la recherche et la lecture.
• Multiples modes d’exécution :Le Standard Mode propose un flux complet pour agent ; le Code Mode permet au code généré d’orchestrer plusieurs appels d’outils ; le Minimal Mode soutient le benchmark ciblé de modèles ; le Creator Mode aide les développeurs à inspecter le runtime et à créer des plugins ou presets.
• Open source et exécutable localement :DSH est publié sous licence MIT et peut être utilisé via son interface Web ou compilé et étendu directement depuis le code source.

DSH étant actuellement en aperçu développeur, les API de plugins et les contrats de configuration peuvent encore subir des modifications rompant la compatibilité. Les utilisateurs en production doivent figer la version de DSH et valider leurs profils, correctifs et plugins avant toute mise à niveau.

Qu’est-ce qu’AgentKey ?

AgentKey n’est ni un modèle ni un assistant de chat supplémentaire. Il s’agit d’unecouche d’accès aux données externe dédiée aux agents IA. Grâce à une seule connexion MCP, il donne à un agent accès à des fonctionnalités telles que la recherche web, l’extraction de contenu, les réseaux sociaux, la finance, le e-commerce, la business intelligence, ainsi que les données crypto ou on-chain.

L’approche traditionnelle nécessite des comptes et des clés API distincts pour la recherche, les données sociales, les flux de marché et autres services, sans oublier des SDK séparés, des quotas, des factures et la gestion des échecs. AgentKey rassemble ces intégrations sous un seul compte, un solde commun et un flux de travail orienté agent, tout en maintenant un catalogue évolutif de fournisseurs et d’outils dans le cloud.

Plutôt que de demander au modèle de mémoriser des noms d’opération API fixes, AgentKey expose trois outils pour une découverte dynamique :

1. find_toolsinterroge le catalogue actif en se basant sur l’intention complète de l’utilisateur et retourne les outils adaptés avec leur coût par appel.
2. describe_toolrenvoie le schéma des paramètres, les champs obligatoires et le coût confirmé de l’outil sélectionné.
3. execute_toolexécute l’outil en se basant sur le schéma inspecté précédemment.

Cela crée un flux de travail agent cohérent :

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

Cette architecture offre plusieurs avantages concrets :

• Aucune intégration séparée pour chaque source de données :une seule connexion débloque plusieurs catégories d’outils de données en direct.
• Un catalogue capable d’évoluer continuellement :l’agent découvre les fonctionnalités à l’exécution plutôt que de dépendre de noms d’opération codés en dur qui deviendraient obsolètes.
• Coût visible avant l’exécution :les informations de coût par appel sont disponibles avant que l’agent ne valide une opération, facilitant le contrôle des tâches par lots.
• Espace pour le routage et les solutions de repli :si un chemin de données est indisponible, l’agent peut opter pour une interface équivalente, une version différente ou un fournisseur alternatif.
• Aucune dépendance à un unique modèle ou harness :AgentKey agit comme une couche de données pouvant servir DSH et d’autres agents prenant en charge MCP et les compétences.

Pourquoi AgentKey et DSH sont-ils compatibles ?

DSH répond à la question « Comment l’agent doit-il s’exécuter ? ». AgentKey répond à « Comment l’agent doit-il obtenir des données externes en direct ? ».

Avec les deux composants activés, DSH fait bien plus que répondre à des questions localement. Il peut comprendre une tâche, sélectionner une capacité externe, récupérer des informations en direct, croiser les résultats et formuler une réponse, tandis que l’ensemble du processus reste régi par les politiques d’outils DSH et la traçabilité de session.

Intégrer AgentKey en cinq minutes

Étape 1 : Démarrer DSH

Après l’installation de Node.js, lancez l’interface Web de DSH :

npx @deepseek-ai/dsh web

Par défaut, l’interface Web démarre à l’adressehttp://127.0.0.1:3080et s’ouvre dans votre navigateur.

Étape 2 : Installer AgentKey

Sur macOS ou Linux, exécutez l’installateur officiel en ciblant uniquement DSH :

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

Sur Windows PowerShell, exécutez :

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

L’installateur réalise deux tâches distinctes mais tout aussi essentielles :

• Il installe le AgentKey Skill globalement pour que l’agent apprenne à respecter le fluxfind_tools → describe_tool → execute_tool.
• Il initialise la connexion device-code AgentKey et inscrit une configuration MCP distante authentifiée dans le correctif de niveau home de DSH.

Finalisez l’autorisation dès que le navigateur s’ouvre. La connexion au serveur, le Skill et l’authentification constituent des éléments distincts : installer uniquement le Skill ne crée pas d’outils MCP, et écrire uniquement la configuration MCP ne garantit pas que le modèle suivra le bon flux de découverte dynamique.

Si vous préférez voir chaque opération explicitement, exécutez à la place les deux commandes manuelles suivantes :

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

La seconde commande utilise un flux device-code plutôt qu’un OAuth MCP standard. Le client MCP DSH actuel transmet des en-têtes statiques à son transport HTTP Streamable, mais ne fournit pas le paramètreauthProviderrequis pour la découverte 401/OAuth. AgentKey utilise donc sa CLI pour écrire une clé Bearer avant que DSH ne se connecte.

Étape 3 : Comprendre où va la configuration

La CLI AgentKey conserve un bloc Loader marquant dans :

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

Il s’agit du correctif de niveau home de DSH : il vient composer les profils actuels et futurs sans dupliquer la même clé dans chaque profil. Un profil en cours d’exécution peut observer le changement via HMR, tandis que les profils arrêtés et futurs le chargeront au prochain démarrage.

Il s’agit d’uneintégration MCP DSH gérée par CLI, et non d’un paquet natif DSH installé viadsh plugin add. La vraie clé API ne doit résider que dans le correctif local home. Ne jamais commiter cette clé ou ce fichier de configuration sur Git.

Vérifier que l’intégration fonctionne réellement

Ne considérez pas un statutMountedsur la page des plugins comme une preuve que l’installation est terminée.Mountedsignifie simplement que Cordis a chargé la ligne de configuration ; cela ne prouve pas que l’authentification MCP et la synchronisation des outils ont réussi.

Vérifiez l’intégration en trois étapes:

1. OuvrezDSH → Settings → Plugins → Plugin listet cherchez l’identifiant configuréagentkeyDévelopper la ligne devrait affichermcp-client, pris en charge par@deepseek-ai/dsh-mcp-client.
2. Dans le preset ou la session où vous comptez utiliser AgentKey, confirmez la visibilité de ces trois outils principaux :
   • mcp__agentkey__find_tools
   • mcp__agentkey__describe_tool
   • mcp__agentkey__execute_tool
3. Soumettez une tâche nécessitant des données en direct et inspectez la trajectoire pour confirmer que la découverte, la description et l’exécution ont bien eu lieu.

Par exemple, demandez à DSH :

Utilise AgentKey pour trouver les dernières actualités IA du jour. Commence par find_tools, inspecte l’outil sélectionné avec describe_tool, exécute-le, puis résume les développements majeurs en citant tes sources.

Vous pouvez également tester des flux de travail plus concrets :

• « Recherche sur Reddit et X les discussions concernant ce produit au cours du dernier mois, puis résume les points de friction récurrents et les demandes de nouvelles fonctionnalités. »
• « Compare le prix actuel, les avis et les signaux de vente de ce produit sur plusieurs plateformes e-commerce. »
• « Inspecte l’activité on-chain récente de ce portefeuille et résume-la par protocole et type d’actif. »
• « Combine les informations sur l’entreprise, les actualités récentes et les données de marché dans un briefing entreprise actualisé. »

Évitez de coder en dur le nom d’une opération fournisseur dans le prompt. Le catalogue AgentKey évoluant, il est généralement plus fiable de laisserfind_toolschoisir une capacité correspondant à la demande globale de l’utilisateur plutôt que d’enfermer le flux de travail dans une seule interface.

Dépannage

Le plugin est Mounted, mais les outils AgentKey manquent

Vérifiez la politique d’autorisation/refus des outils appliquée au preset, à la session ou au sous-agent actifs. Le correctif home rend le client MCP disponible pour la composition des profils, mais il n’impose pas l’exposition de chaque outil à tous les contextes. Inspectez ensuite les journaux de connexion MCP et confirmez que l’authentification et la synchronisation des outils sont bien terminées.

DSH renvoie une erreur 401

La clé Bearer locale est peut-être manquante ou invalide. Relancez la commande d’authentification pour faire tourner la clé et remplacer le bloc de configuration géré :

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

DSH signaleserverName already in use

Un ancien preset ou session contient peut-être encore un autre client MCP utilisantserverName: agentkey. Relancez la CLI actuelle afin qu’elle puisse gérer les configurations héritées. Si une session existante a déjà chargé l’ancien preset, fermez cette session ou redémarrez une fois DSH.

La configuration ne se trouve pas à l’emplacement attendu

Vérifiez queDSH_HOMEest bien défini. Lorsqu’il ne l’est pas, DSH utilise par défaut~/.dsh. La CLI indique la destination réelle dans son récapitulatif de réussite ; considérez ce chemin comme faisant foi.

Un environnement distant ou headless ne peut pas ouvrir le navigateur

Utilisez le mode no-browser pour que la CLI affiche l’URL d’autorisation et un QR code :

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

Conclusion

Un agent utile va bien au-delà d’un modèle capable de générer une réponse. Il nécessite également un runtime fiable, des limites claires pour les outils, une exécution traçable, ainsi qu’un moyen d’accéder à des informations en direct extérieures à ses données d’entraînement.

DSH transforme les modèles, les outils, les compétences, les sessions, les sandboxes et les composants UI en un agent harness modulaire. AgentKey convertit des API de données externes fragmentées en fonctionnalités qu’un agent peut découvrir et invoquer dynamiquement. Ensemble, ils préservent l’ouverture, l’observabilité et la configurabilité de DSH tout en réduisant l’effort nécessaire pour intégrer la recherche, les réseaux sociaux, les marchés, le commerce, la business intelligence et les données on-chain.

Si vous expérimentez déjà avec DeepSeek Harness, la marche à suivre la plus simple consiste à installer AgentKey et à poser à DSH une question qui ne peut être résolue qu’avec des informations actuelles :

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

C’est l’étape décisive qui transforme un agent qui « sait beaucoup » en un assistant capable de se connecter au monde extérieur et de réaliser des tâches concrètes.

Références

• Présentation officielle de DeepSeek Harness
• Dépôt GitHub de DeepSeek Harness
• Documentation d’architecture de DeepSeek Harness
• Implémentation du transport du client MCP DSH
• Site web d’AgentKey
• Dépôt GitHub d’AgentKey et guide d’installation DSH