DeepSeek Harness(dsh) vs Claude Code：架构对比与开发者实战指南

在大模型能力持续拔高的当下，开发者逐渐意识到，模型本身的推理上限已经不是最大瓶颈。同样一套大模型，包裹不同的 Agent 运行框架，处理复杂多步骤任务时，成功率、资源消耗会出现数倍差距。业界把这层包裹模型、负责任务调度、工具调用、沙箱管控的基础设施统称为 Agent Harness（智能体运行时）。2026 年 8 月，DeepSeek 对外开源了基于 MIT 协议的 DeepSeek Harness，简称 dsh，上线之后迅速获得社区大量关注。它与闭源产品 Claude Code 形成一组非常有参考意义的对照样本，也让 “一切皆插件” 的 Agent 架构走进更多开发者的视野。

很多人简单把 dsh 理解成 “开源版 Claude Code”，这个认知并不完整。dsh 不是一个开箱即用的成品 Agent 应用，而是一套可重组的 Agent 元框架。开发者可以基于它组装属于自己的智能体系统，甚至可以把 Claude Code、Codex CLI 作为子代理嵌入整个工作流中，二者并非完全竞争的关系。本文结合官方公开文档、社区实测资料，对比 dsh 与 Claude Code 的架构差异、扩展机制、MCP 支持、沙箱安全能力，同时梳理多 Agent 编排的工程思路，给实际做 Agent 开发的开发者提供选型参考。

一、核心定位与基础架构对比

DeepSeek Harness（dsh）采用 Cordis 插件内核，贯彻 “一切皆插件” 的设计理念：模型适配器、工具集、会话管理、沙箱、Agent 循环逻辑、WebUI 全部以插件形式实现，不存在不可修改的特权核心组件。所有组件依靠事件与服务上下文完成协同，新增、替换、卸载插件不会在系统内留下残留状态，插件卸载即可撤销全部注册的能力。项目现阶段处于 developer preview 预览阶段，官方明确提示后续会存在破坏性变更，没有稳定语义化版本保障，不建议直接用于生产环境。

dsh 提供多种交互形态：本地 WebUI 默认运行在127.0.0.1:3080，同时支持 headless 无界面 CLI 模式、SDK 集成模式，同一套底层能力可以同时支撑人机交互与自动化批量任务。

而 Claude Code 属于 Anthropic 推出的闭源商用编码智能体，以终端 CLI 为主要载体，配套 IDE 插件。它的扩展体系做了显式拆分，将能力划分为 skills、commands、hooks、MCP server 四类互相独立的扩展机制，同时提供官方插件市场，不同扩展类型拥有各自独立的配置文件格式与目录约定，整体是一套垂直整合的成品产品，版本迭代更加稳定，面向直接使用者开箱即用。

二者架构最本质的差异：

• dsh：统一插件底座，不同扩展能力是同一种 Cordis 插件，靠事件机制做区分，自由度更高，适合二次开发、定制 Agent 底座；
• Claude Code：多种扩展类型相互隔离，有各自的 manifest 规范，更适合普通使用者直接安装插件，二次改造底座的门槛很高。

模型接入层面，dsh 不绑定 DeepSeek 自家模型，原生适配 Anthropic、OpenAI、Bedrock、Vertex，同时兼容任意符合 OpenAI 规范的 API 端点；Claude Code 主要围绕 Claude 系列模型构建，仅可以通过云厂商中转渠道调用其他模型系列。如果业务需要同时对接多家厂商的模型，也可以借助统一 API 网关简化多套密钥、多端点的维护负担，星链 api就提供 OpenAI 兼容的统一接入方式，但需要开发者自行校验上游模型版本以及计费信息，网关不会改动底层大模型本身的推理效果。

二、MCP 协议、Hooks 与子代理能力

MCP（Model Context Protocol）已经成为 Agent 领域主流的工具连接标准，dsh 和 Claude Code 都支持 MCP 服务桥接，但实现的完整度存在差别。

在命名规范上，dsh 沿用了和 Claude Code 保持一致的命名格式mcp__<serverName>__<rawName>，已经适配 Claude Code 的 MCP 服务，迁移过来时心智负担很低。但是 dsh 的 MCP 客户端当前仅支持 MCP 的 Tools 工具调用能力，Resources 资源、Prompts 提示词能力延后实现，暂时无法消费。如果你的 MCP 服务重度依赖 Resources 和 Prompts，直接迁移会出现功能缺失。而 Claude Code 的 MCP 客户端完整支持 Tools、Resources、Prompts 三类能力。

Hooks 事件钩子方面，dsh 提供桥接包dsh‑hooks‑claude‑code，可以直接解析已有的hooks.json配置，把 Claude Code 的钩子事件转换成 dsh 内部的会话事件监听器。也就是说，已经在 Claude Code 上沉淀的钩子脚本，不需要全部重写，就可以迁移运行在 dsh 之上，不过社区没有完成全部钩子类型的全覆盖，迁移完成后需要逐个业务场景做验证测试。同理也提供对应 Codex CLI 的钩子桥接包。

子代理是 dsh 非常有特色的能力：通过对应的 provider 插件，可以把 Claude Code、Codex CLI 包装成为子代理，主 dsh 任务可以把部分工作委派给这些外部编码 Agent 执行，汇总返回结果之后继续推进主流程。它并不是简单复刻竞品功能，而是把其他 Agent 变成自身编排体系下的执行单元，实现多智能体协同工作。子代理分为一次性委派、可续接会话两种模式，provider 需要显式声明自身支持的能力，不支持的请求会直接抛出错误，不会静默降级处理。

但要注意，二者的 Skill 体系并不互通。Claude Code 依靠SKILL.md目录约定定义 Skill；dsh 的 Skill 是 Cordis 插件体系下的一套注册表，格式并不兼容。虽然社区出现第三方插件可以做格式转换，但这属于社区方案，不属于官方兼容性保障。

三、沙箱安全与权限管控

Agent 可以读写本地文件、执行系统命令，安全隔离是绕不开的课题。dsh 设计了三档沙箱权限模型，从低到高分别为只读模式、工作区可写模式、完全权限模式。

• 只读模式：允许读取文件，禁止任何修改写入；
• 工作区可写：仅限定在指定工作目录进行读写，不会触碰目录以外系统文件，作为默认推荐选项；
• 完全权限：放开系统操作，需要人工确认，业务场景尽量少使用。

底层实现上，Linux 平台借助 bwrap/Landlock，macOS 使用 Seatbelt，Windows 依靠 ACL 受限令牌，同时还支持对接 e2b 云沙箱作为额外隔离方案。

Claude Code 采用审批式权限模型，支持配置自动批准部分行为，但是它底层沙箱的内部实现细节没有对外完整公开。对于开发者来说，dsh 的沙箱档位更加显式、可配置，适合做二次开发定制权限策略；Claude Code 更偏向终端使用者开箱即用。

另外 dsh 全部会话操作生成只增不改的会话日志，每一次模型请求、工具调用、返回结果全部留存，支持会话分叉、任务断点续跑、完整回放复现，对于调试 Agent 逻辑非常友好。

四、典型适用场景与选型权衡

基于上面的架构差异，两种工具的适用人群有着清晰区分：

优先选择 DeepSeek Harness (dsh)

• 你需要搭建一套自定义 Agent 底座，想要深度修改 Agent 循环、工具逻辑，希望尽可能不 fork 修改源码，依靠插件配置完成改造；
• 现有业务已经大量使用 Claude Code 的 hooks、MCP 服务，希望复用已有资产，同时混合多家厂商模型；
• 需要做多 Agent 编排，将 Claude Code、Codex 作为子任务执行者，构建 AI 团队式分工协作；
• 倾向开源方案，希望完整掌控 Agent 运行时逻辑，接受 developer preview 版本带来的不稳定性、破坏性更新风险。

> 重要提醒：因为处于预览阶段，不建议直接把 dsh 部署到生产业务环境。

优先选择 Claude Code

• 追求开箱即用，不需要深度改造 Agent 底层，直接拿来做编码、工程任务；
• 需要官方稳定版本、插件市场、完整 MCP 全特性支持，不想承担预览版框架迭代风险；
• 以终端、IDE 内直接使用为主，二次开发底座的需求不强。

两者并不是非此即彼。dsh 子代理的设计本身就允许把 Claude Code 纳入工作流，同一个任务可以混合两套系统的能力。

五、上手 dsh 的基础实操思路

本地环境运行 dsh 对 Node 版本有要求，推荐 Node.js 22.19 及以上版本，通过 npx 直接拉起 Web 服务：

npx @deepseek‑ai/dsh web

执行之后访问http://127.0.0.1:3080打开 WebUI，需要先选定工作目录，限定 Agent 可操作的文件夹，避免随意修改系统文件。

日常开发可以按照下面的实践顺序：

1. 先从简单单任务入手，测试文件读取、命令执行，熟悉三档沙箱权限的区别，默认使用工作区可写模式；
2. 尝试接入 MCP 服务，优先选用只依赖 Tools 能力的服务，避开重度使用 Resources/Prompts 的服务；
3. 尝试导入已有的 hooks.json，跑通原有业务用例，逐个验证钩子事件是否符合预期；
4. 实验子代理能力，把 Claude Code 作为子代理，体验多智能体分工；
5. 查看会话轨迹日志，定位 Agent 任务失败根因。

因为 dsh 兼容 OpenAI 标准端点，开发者可以灵活切换不同厂商的模型。当项目同时维护多家大模型密钥，需要频繁切换模型的时候，可以选用统一 API 网关降低适配工作量。

六、总结：Agent 时代，模型只是其中一环

Agent 开发的重心正在发生转移，过去大家把绝大部分精力放在挑选更强的大模型；现在越来越多开发者意识到，Harness 运行时、插件扩展、沙箱安全、子代理编排，会直接决定模型能力能不能落地为可用业务。

DeepSeek Harness (dsh) 以 MIT 开源协议带来了一套高度可重组的 Agent 底座，“一切皆插件” 的 Cordis 架构给二次定制提供巨大空间，同时可以桥接 Claude Code 的存量生态。但必须正视现状：它处于开发者预览阶段，接口会变动，MCP 支持存在功能缺口，不适合直接上生产。

Claude Code 作为成熟闭源产品，扩展能力完整、开箱即用，适合直接做工程任务，但是底层架构封闭，深度改造的空间有限。

在实际工程选型中，不需要简单评判二者孰优孰劣，根据团队目标选择：做定制 Agent 底座优先考察 dsh；追求直接落地编码 Agent 业务，优先 Claude Code；复杂场景甚至可以利用子代理机制把两者结合起来使用。

了解更多：https://xinglianapi.com