DeepSeekハーネス(dsh):インストール、ヘッドレス実行、3モデルベンチマーク

公開日
2026年8月18日
更新日
2026年9月16日
著者
Jacob Lloyd — プロジェクト完了後、AIの支援を受けて執筆
読了時間
約23分で読めます

かんたんに言うと: DeepSeekは無料のオープンソース「コーディングエージェント」をリリースしました。これはClaude Codeのように、プロジェクトを読み取り、ファイルを編集し、コマンドを実行してくれるプログラムです。この記事では、私がLinux PCにこれをインストールし、自動起動するように設定し、DeepSeekのクラウドモデルと自分のハードウェア上のモデルの両方を指定し、5つの小さな実際のコーディング作業でテストした方法を紹介します。15回の実行はすべて合格し、クラウドでの実行費用は数セントで済みましたが、いくつか注意すべき点もあります。

6秒でファイルが作成され、プログラムが実行され、答えが出力され、終了コードは0でした。これが私が最初に与えたタスクに対してDeepSeek Harness(dsh)が行ったことです。DeepSeekは2026年8月13日にこれをMITライセンスのコーディングエージェントとしてリリースしました。これは「すべてがプラグインである」という一つの考え方に基づいて作られており、モデルアダプター、ツール、サンドボックス、そしてエージェントループ自体も含まれます。私は同じ週にこれをインストールし、DeepSeekのクラウドモデルと自分のGPUマシン上のモデルを指定して、小さなタスクスイートを実行しました。ここでは、それに何が必要だったか、いくらかかったか、そしてどこでつまずいたかを紹介します。

要約

  • 概要: Claude Codeクラスのエージェント(ファイルの読み書き、シェルコマンドの実行、計画の維持、サブエージェントの生成を行う)で、npmパッケージとして提供されています。127.0.0.1:3080で動作するWeb UIと、一つの答えを出力して終了するヘッドレスモードを備えており、後者がスクリプト向けに作られた部分です。
  • コスト: ソフトウェアは無料です。私の5タスクのベンチマークは、ピーク時の料金でV4-Flashでは約3セント、V4-Proでは約7セントかかり、ローカルモデルではゼロでした。
  • 結果: バージョン0.1.0-rc.7で、V4-Flash、V4-Pro、ローカルのGemma-4-26Bの3モデルで15回中15回合格し、スイート全体で43秒から56秒でした。実際の作業(290ページのウェブサイトのビルドとリンクチェック)では、頼まれていないのに私のランブックが古くなっていることも指摘しました。
  • 必要なもの: Node.js、およびDeepSeek APIキーまたは任意のOpenAI互換サーバー。私は両方を使いました。
  • 注意点: これは開発者向けプレビューです。READMEにはバージョン間で動作が壊れる可能性があると警告されているため、バージョンを固定し、アップグレード後に再テストしてください。

2026年9月16日更新: ここに記載したテストは8月時点の0.1.0-rc.7で実施されました。その後私の環境では0.1.5-rc.1へとアップグレードされており、そのREADMEにはSDKやACPプロファイルに関する情報も記載されています。また2026年9月9日付けで、本記事で比較対象として用いていた別のコーディングエージェントであるReasonixも私の環境から削除しました。現在その比較内容は末尾にある簡単な歴史的注記としてのみ残っています。

利用方法:初級から上級まで

手順1から3を行うことで、約10分程度で実際に動作するエージェントが完成します。手順4および5を実施すれば、他のソフトウェアからも呼び出せるようになります。

最終的に得られるもの

私が実際に利用しているのはヘッドレスモードです。プロジェクトフォルダーの中から利用します。

$ cd ~/scratch/dsh-demo
$ dsh --profile headless "Create fizz.py that prints FizzBuzz for 1..15 and run it; reply with the program output only."

1
2
Fizz
4
Buzz
…
FizzBuzz
$ echo $? 0

3重のバッククォートはdsh独自の仕様で、返答内容をMarkdownのコードブロック内に記述しています。また、起動したフォルダー以外には何も書き込みません(デフォルトの権限モードは workspace-write です)。標準出力には最終的なメッセージのみを表示し、各実行内容は保存されるため、後でウェブUIを開いてツール呼び出しの履歴やトークン数などを確認することも可能です。

最も良い証拠となったのは、単なるお遊びではなく実際の作業でした。このウェブサイトのソースフォルダーを指定し、「プロジェクトの運用マニュアルを読み、ビルドおよびリンクチェックを実行した上で結果を報告してほしい」と依頼しました。何の編集や公開作業もせずに済むようお願いしたのです。53秒後、マニュアルを読み取り適切なコマンドを実行し、チェッカーの出力結果を報告してくれました。内容は「ページ数290、画像数1,752、壊れたリンクなし」という情報とビルドにかかった時間でした。さらに、マニュアルには「288ページ」と記載されている点にも気づき、その差異を指摘してくれました。このような些細だが重要な作業こそ、今では迷うことなくdshに任せています。

ブラウザUIは2026年時点の標準的なレイアウトで、左側にセッション一覧、中央にチャット画面、モデル設定用のページもあります。良い習慣としては、APIキーを設定ファイルではなくこの設定ページに貼り付けることです。

チャットアプリ内に組み込まれたdshのウェブUI:完了したセッション『Create and run hello.py』では、Context注入やThink・Write・Bashといった各ステップ、返答内容『hello from dsh』、さらにターン数やステップ数、レイテンシー、キャッシュヒット率を示す統計情報が表示されている。その下には「Running」と記載されたステータスバー、DeepSeek-V4-Flashに設定されたモデル選択メニュー、およびStart・Restart・Stopボタンがある
dshのウェブUI(8月に私自身のチャットアプリ内で撮影)。完了したセッションでは各処理ステップやターンごとの統計情報が確認できます。下部のバーは私のアプリ側の制御用で、systemdユニットやデフォルトモデルの設定に使われるものであり、dsh本体の機能ではありません。

手順1:インストール(2分程度)

これは1つのnpmパッケージです。私はエージェント用ツール向けに専用のNodeプレフィックスを設定しているため、システムツリーに何もインストールされません。私のように不変性が保たれているFedoraデスクトップ環境では、これが唯一適切な方法だからです。通常のグローバルインストールでも同じコマンドを使用します。

npm install -g @deepseek-ai/dsh
dsh --version          # 0.1.0-rc.7 when I benchmarked it
dsh web                # starts the UI, prints http://127.0.0.1:3080

指定されたURLにアクセスし、設定 → モデルへ進んでDeepSeekのキーを貼り付けて保存してください。そうすると ~/.dsh/.credentials.yaml が(パーミッション0600で)作成され、再起動なしですぐにモデルが利用可能になります。スクリプトから操作したい場合でも問題ありません。このファイルは単なるYAML形式のマッピング (DEEPSEEK_API_KEY: sk-…) となっています。私は他のサービスで既に利用している環境変数ファイルから情報を読み込んで設定したため、キーがシェルの履歴やユニットファイルに一切記録されることはありませんでした。

先に進む前に知っておくべき点が2つあります:

  • テレメトリはデフォルトで無効です。 DSH_TELEMETRY_MODE が設定されていない状態ではテレメトリ機能はオフになります。私はマーケティング用の説明ではなく、実際に配布されている設定内容を確認しましたが、OTLPエクスポーター自体は存在するものの有効化されていません。
  • サンドボックス機能は実装されていますが制限付きです。 デフォルトモードでは書き込み操作が起動元のフォルダ内に限定されます。読み取り操作には制限がありませんし、ドキュメントにもその点が明記されています。本格的な作業を行う際はホームフォルダから起動したり、機密情報が含まれるフォルダを指定したりしないようにご注意ください。

手順2:サービスとして実行する

このWeb UIは長時間実行されるNodeプロセスです。ログイン時に自動的に起動し、ターミナルなしでローカルのみにバインドされるようにしたかったのです。systemdの--userオプションを使ったユニットがこれを実現できます。

# ~/.config/systemd/user/dsh-web.service
[Unit]
Description=DeepSeek Harness web UI (dsh web) on 127.0.0.1:3080
After=network.target

[Service]
WorkingDirectory=%h
Environment=DSH_HOME=%h/.dsh
# Use the path from `which dsh`. systemd does not allow comments at the end of a line.
ExecStart=/usr/local/bin/dsh web --host 127.0.0.1 --port 3080
Restart=on-failure
RestartSec=3

[Install]
WantedBy=default.target
systemctl --user daemon-reload
systemctl --user enable --now dsh-web.service
curl -s -o /dev/null -w "%{http_code}\n" http://127.0.0.1:3080/   # 200

WorkingDirectoryによりUIのデフォルトのワークスペースのルートが設定されますが、それでも実際に入力する前にユーザー自身でワークスペースを選択する必要があります。これは適切なデフォルト設定だと思います。また、CLIでは--host 0.0.0.0も使用できません。開発者によると、すべてのインターフェースにバインドすることは「意図的にまだサポートされていない」とのことです。UIにはログイン機能自体が存在しないため、私もこの判断に賛同します。他のマシンからアクセスしたい場合は、認証機能付きのリバースプロキシを設置するか、私が行っているようにリモートデスクトップ経由でホスト側のブラウザを利用すればよいでしょう。

ステップ3:YAMLファイル1つでモデルを管理し、ホットリロードも可能

~/.dsh/settings.yamlにはデフォルトのモデルや追加のプロバイダー情報が記載されています。dshは次回のリクエストの前にこのファイルを再読み込みするため、再起動や再ログインの必要はありません。私の設定例は次の通りです:

agent-default-model:
  provider: deepseek-official
  model: deepseek-v4-flash          # or deepseek-v4-pro

llm-deepseek:
  reasoningEffort: high             # off | low | high | max

# A local OpenAI-compatible server (mine is llama.cpp-based on a GPU rig).
llm-pi-ai:
  providers:
    local-rig:
      displayName: Local GPU rig
      apiKeyEnv: LOCAL_RIG_PLACEHOLDER_KEY    # a reference, not a value
      api: openai-completions
      baseURL: http://my-gpu-rig:1234/v1      # your server's address
      defaultContextWindow: 65536
      models:
        - id: unsloth/gemma-4-26B-A4B-it-qat-GGUF/gemma-4-26B-A4B-it-qat-UD-Q4_K_XL
          name: Gemma 4 26B-A4B (rig)

以下の2点については、それぞれ10分ほど手間取りました:

  • apiKeyEnvには実際の値を記載せず、参照名のみを指定します。 dshはこれを.credentials.yamlまたは環境変数から解決します。キーの不要なローカルサーバーであっても、OpenAI互換のクライアントがBearerトークンを要求するため、何らかの認証情報を参照する必要があります。そのため.credentials.yaml内に任意のプレースホルダー値を指定しておきます。
  • プロバイダーID(上記例ではlocal-rig)は一度セッションで使用されると変更不可です。名前を変更したい場合は、新しいプロバイダーを追加する必要があります。

このファイルが全ての設定インターフェースとなるため、「dshをローカルモデル用に切り替える」という操作もわずか2行の編集で済み、どんなスクリプトや他のエージェントでも実行可能です。私はこれを利用して、簡単な作業は無料のローカルモデルに任せ、難しい問題にはV4-Proを使うようにしています。

手順4:自分のソフトウェアから呼び出す

公式パッケージにはターミナルUI(TUI)がありません。npm上にはサードパーティ製のTUIプラグインも存在しましたが、8月時点では作成から4日しか経っておらず、workspace:*の依存関係に不具合がありました。そのため、家族用サーバー上でシェルアクセス権を持つ未検証のパッケージを実行するのは避けたいと考えました。そこで私は自身のチャットアプリにdshを組み込む際、公式パッケージが提供している機能のみを利用しました。

  • 固定された引数リストを用いてヘッドレスモードでジョブを実行する。私のサーバーではdsh --profile headless "…"というコマンドが実行され、タスク内容は単一の引数として渡され、シェルは使用されません。そのため、; rm -rf /といった内容を含むタスクも単なるテキストに過ぎません。一度に1つのジョブのみ実行され、最終的な結果の履歴も少しだけ保持されます。
  • settings.yaml内のagent-default-modelを書き換えることでモデルを切り替えられる。再起動の必要はありません。
  • 必要に応じてウェブUIをiframe内に埋め込める。フレームをブロックするようなヘッダーは一切送信されません。

真似しておくべき唯一のルールとしては、これらすべてを自分のアプリケーションの管理者ログイン機能の背後で制御することです。ヘッドレスモードでのジョブ実行は任意のコード実行を意味しますので、「タスクを実行する」という行為を、まさにシェル操作と同じように扱うべきなのです。

ベンチマーク:5つのタスク、3つのモデル、15/15の成果

これは科学的な検証というわけではありません。実際にコーディングエージェントに任せたいと思う小さなタスクを5つ用意し、それぞれを新しい作業用フォルダー内で実行させ、スクリプトで以下の点を確認しました:ファイルが存在して正常に実行できるか、テストファイルを一切触らずにテストが通るか、名前変更後も古い名前への参照が残っていないか。合計所要時間には、約7,500トークン分のシステムプロンプトの処理時間も含まれています。トークン数はdsh自身のセッションログから取得したものです。

タスクV4-FlashV4-ProGemma-4-26B(ローカル、専用マシン)
「PONG」と返信する(起動後1回呼び出し)✅ 2.1秒✅ 2.8秒✅ 13.2秒*
FizzBuzzを記述して実行する✅ 5.3秒・ツール2回使用✅ 8.4秒・ツール2回使用✅ 4.9秒・ツール2回使用
ユニットテストが通るようにバグを2つ修正(テストファイルは触らず)✅ 11.7秒・ツール8回使用✅ 15.8秒・ツール7回使用✅ 10.4秒・ツール8回使用
6モジュールからなるコードベースを要約する(150語未満)✅ 8.9秒・ツール9回使用✅ 10.9秒・ツール7回使用✅ 12.1秒・ツール7回使用
3つのファイルおよびテスト内の関数名を変更し、正常に動作することを確認✅ 15.1秒・ツール14回使用✅ 18.2秒・ツール12回使用✅ 12.2秒・ツール11回使用
合計所要時間43秒56秒53秒
トークン数(入力ミス/キャッシュヒット/出力)42.6k / 136k / 4.5k41.4k / 107k / 3.2k40.5k / 237k / 5.6k
ピーク時の料金(オフピーク時は半額)約$0.027約$0.072$0(電気代のみ)

*専用マシン上でモデルが初めて読み込まれた直後の呼び出し結果です。その後のタスクでは高速な応答が得られています。バージョンは0.1.0-rc.7、日付は2026年8月18日です。DeepSeekの料金ページによると、当日の料金はFlashがキャッシュヒット時$0.014/ミス時$0.44/出力時$1.32 per百万トークン、Proがそれぞれ$0.044/$1.32/$3.96でした。ベンチマーク用のスクリプトは一時的なもので既に削除されており、要約内容の単語数も正確にカウントされたかどうかは確認できません。

表から読み取れるポイントは以下の通りです:

  • プロンプトキャッシュがコストを抑えています。 各タスクでは約7,500トークン分のシステムプロンプトが処理されますが、最初のステップ以降はそのほとんどがキャッシュヒットとなり、料金もミス時の約3%程度に抑えられています。複数ステップを要するタスクでもコストが低く抑えられるのは、この仕組みのおかげです。
  • V4-Proは同じ結果を得るためにより少ないツール呼び出しで済みました。 関数名変更のケースでは12回に対しFlashは14回となっています。今回のテスト群においてはFlashの方が速く、料金も約3分の1だったため、私のデフォルト選択肢として採用されました。
  • ローカルモデルも十分な性能を示しました。 Gemma-4-26Bはミックスド・オブ・エキスパーツ型モデルで、有効パラメータ数は4B、Q4量子化版であり、llama.cppを介して2台のRTX 5090上で動作します。全タスクを無事に完了しました。キャッシュされたコンテキスト量はFlashより多い(237kトークン対136kトークン)ものの、所要時間も競争力がありました。今回が初めて、単なるお遊びではなく実用的な作業にもローカルモデルが使えるケースとなりました。ただし、わずか5つの小さなタスクだけで40ファイル規模のリファクタリングの可否を判断することはできません。

最終的に私が定めた判断基準は以下の通りです: 単純な作業やスクリプト化可能な処理にはFlashを、より少ない手順で的確な結果が求められる場合にはV4-Proを、また再実行コストが低く社内ネットワーク外に出す必要のない作業にはローカルモデルを利用することにしています。

面白いテスト:私のためにおもちゃを作ってみて

また、自由な創造的指示に対してどのように反応するかも確認したかったのです。「このサイトのロゴをインタラクティブなピクセルアート版にしてほしい。バニラJSで、どこにでも埋め込める形にすること。マウスオーバーすると物理的な反応が起き、クリックするとかっこいい効果が現れること。依存ライブラリは一切不要。自分で試してみてください。」という指示です。これが生成された結果であり、現在実際に動作中です(その後、ピクセルアート・ウィジェット対決において他の2つのKimiによる生成物と競い合いました)。

マウスを乗せてからクリックしてみてください。 ピクセルがポインターから離れて跳ね返ります。クリックするとその模様がバウンドするピクセル群に分裂し、最終的には元の形に戻ります。タッチ操作も可能で、prefers-reduced-motionの設定にも対応しています。
ピクセルロゴウィジェットの4つの状態:静止時、カーソルの周囲で青い光と共にピクセルが押し散らされる様子、クリック直後にシアン色のピクセル群が端から跳ね返る様子、そして元のリングと2つのLの形に戻っていく様子
静止状態 → マウスオーバーによる反発 → ピクセル群の分裂 → 再結合。これらはヘッドレスChromium上で記録されたものです。フレームレートは61fps、コンソールエラーも一切なく、ちゃんと元の形に戻ります。

実際の経緯は以下の通りです:

  • 試行1(V4-Flash):10分間ループし続け、ファイルは一切生成されませんでした。 指示では手描きまたはプロシージャルなビットマップのどちらでも良いとされていました。しかしモデルは40×40サイズのビットマップを頭の中で手描きしようとした結果、ループに陥ってしまいました。セッションログには何百行もの ################ や .... が並び、私がタイムアウトを設定したため処理が中断されました。コストは約2セント程度でした。教訓:モデルに頭の中でピクセルを手描きさせてはいけません。
  • 試行2(V4-Flash、指示を「幾何形状からラスター化せよ、ビットマップは不可」に変更):25分間の処理で全てが完成しました。 モデルは100回のステップ、201回のツール呼び出し、172,000個の出力トークン(そのうち123,000個は推論用)および16.3百万個のキャッシュ読み取りトークンを使用し、ピーク時レートで約49セントのコストとなりました。399行からなる ll-pixel-logo.js ファイルを作成し、グローバルなAPIや data- 属性も実装しました。さらにデモページ、README、ラスター化処理用のNode単体テスト、そして頼まれていなかったものの3つのサイズでデモ画面をスクリーンショットするPlaywrightスクリプトまで作成してくれました。25分の制限時間に達した時点でREADMEの調整中でしたので、作業は完了していたにもかかわらずタイムアウトの終了コードが返されました。終了コードは場合によって正しくないこともあります。
  • 出来上がったデザインについて: 一見するとリングと2つの斜めのLがロゴとして認識できますが、実物よりも少し太く、よりZ字型に近い形状です。実際に使う前にはシアー定数を調整するのに10分ほど費やす必要があります。今回はそうしませんでしたので、ご覧の通り手を加えていない状態です。
  • 本サイトへの埋め込みは1行だけで済みました。 サイトのCSPが script-src 'self' となっており、このウィジェットはネットワークリクエストを一切行わないためです。指示にもその点が含まれており、モデルもそれに従いました。
  • その後の修正コスト: dshは生成したファイルの権限を0600に設定していました。私のデプロイ処理でもその権限がウェブホストへ引き継がれたため、本番サイトでは chmod 644 を実行するまで403エラーが発生していました。dshのワークスペースからコピーしたファイルの権限は必ず修正するようにしてください。

注意点

  • これは開発者向けプレビュー版であり、READMEにもその旨が記載されています。 rc.6の公開から3日後に0.1.0-rc.7をインストールしました。プロファイルや設定キー、プラグインの構成などは今後変更される可能性があります。自動化処理ではバージョンを固定しておき、アップグレードのたびにスモークテストを再実行してください。
  • ヘッドレスモードでは処理が終了するまで何も出力されません。 stdoutに何も流れないため、長時間かかるタスクが「フリーズしている」ように見えることがあります。セッションログ(~/.dsh/sessions/…/session.jsonl.zstd、zstdで圧縮されたJSONL形式)を確認するか、Web UIで状況を確認してください。終了コード0は「処理が完了した」ことを意味するだけで「タスクが成功した」わけではないので、実際の結果も確認する必要があります。
  • ヘッドレスモードには --model フラグがありません。 デフォルトのモデルは settings.yaml から読み込まれます。そこで変更するか(ホットリロードされる)、Web UIからも変更可能です。
  • キー不要のローカルサーバーでは仮の認証情報が必要であり、プロバイダーIDは一度設定すると変更できません。手順3をご参照ください。
  • Web UIでは絶対パスが使用されています(/assets/…、/api)。そのため、独自のリバースプロキシ下でサブパスとしてマウントする場合はパスを書き換える必要があります。別途埋め込むか、専用のホスト名を用意する方が良いでしょう。
  • UIの言語設定はブラウザに準じます。 同梱されている index.html には lang="zh-CN" と記載されており、最初に表示されるのは「内部テスト通知」ダイアログです。「続行」をクリックすると、その後は英語で表示されました。
  • インストール時には postinstall スクリプトが実行されます(node-pty、koffi、protobufjs)。npmからもその旨の警告が出ます。悪意のある処理は見受けられませんでしたが、ご自身の環境下でネイティブコードのコンパイルが行われる点にご留意ください。このため、システム側の prefix ではなく、専用のプライベートな prefix を利用することをお勧めします。
  • Nodeのバージョンについて: rc.7ではNode 22.19以降または24が必要で、古いLTSリリースでは実行できませんでした。インストールするバージョンのREADMEもご確認ください。

歴史的な備考:dshとReasonixの関係

8月の頃、私はサードパーティ製のターミナルエージェントであるReasonixと並行してdshも利用していました。使い分け方は単純で、Reasonixはエージェントと対話したい時に起動するTUI版のツールであり、一方dshは他のソフトウェアから呼び出すためのツールでした。2026年9月9日に私は設定からReasonixを撤去し、現在ではdshが私のメインのコーディングエージェントとなっています。両者から選ぶ際の大きな違いとしては、dshにはスクリプト作成が容易な「1コマンド・1応答・1終了コード」というヘッドレスモードがある一方で、TUI版のReasonixはキーボードの前に人間がいることを前提としています。

この取り組みが私にもたらしたもの

ヘッドレスモードは、他のソフトウェアから呼び出されるコーディングエージェントにふさわしい仕様です。つまり、1回のコマンドで1つの応答が返され、終了コードも得られ、監査可能なログも生成されるという形です。モデルをYAMLで指定する仕組みにより、呼び出し側のスクリプトがそのタスクに最適なモデルを選ぶことができます。すでにローカルのモデルサーバーを運用している場合は、同じ5つのタスクを試してみてください。API利用料はわずか10セント程度で、必要なのは一時的な作業用フォルダだけです。

関連記事:DeepSeek Everywhere(DeepSeekをClaude Codeやエージェントスタックに組み込む方法)、Kimi K3をコーディングエージェントとして利用する(同じ5つのタスクを9月にdshで再実行した例)、bench-llmおよびその後継品のCrucibleForge(私がここで行った以上に本格的にローカルモデルのベンチマークを行うツール)、そしてReasonix(dshを使う前に利用していたターミナルエージェントで、現在は使用していません)。


← AIとローカルLLMをもっと見る