harnessとは、モデルの外側にある1枚の殻

大規模言語モデル自身ができることは1つだけです。テキストを受け取って、テキストを返すこと。ファイルを開いたり、コマンドを実行したり、昨日の会話を覚えていたりすることはできません。これらはすべて外側のプログラム、つまりシェルの仕事です。あなたのプロジェクトのファイルを読んでモデルに見せ、モデルが「npm test を実行したい」と言えば、実際にそれを実行して出力結果をモデルに渡し、モデルがファイルを変更したいと言えば、それを許可すべきか、ユーザーに確認すべきかを判断します。

この外側のプログラムを harness と呼びます。Claude Code も、Codex も、Cursor の Agent モードも、すべて harness です。同じモデルでも、どの harness に載せるかで作業能力は大きく変わります。シェルが、モデルが見えるもの、触れるもの、そして行き詰まったときの挙動を決めるからです。

計画モード、サブエージェント、権限、MCP はすべてコアの外

世の中の Agent ツールは、ほとんどが機能をコアに組み込んでいます。計画モード、サブエージェント、権限承認、MCP 接続、コンテキスト圧縮。どれも製品に内蔵された固定機能です。パラメータで調整やオン/オフはできても、交換はできません。不満があればプロジェクト全体をフォークするか、ベンダーがオプションを追加してくれるのを待つしかありません。

dsh は逆の設計です。core ディレクトリにあるのは 8 パッケージだけ。セッションログ、システムプロンプト組み立て、ツールレジストリ、Agent インターフェース、デフォルトドライバ、スコープのプリミティブ。上記の機能はどれもここにはありません。

計画モードは 1 つのプラグイン、サブエージェントは 11 パッケージ・7 種類のプロバイダ、権限承認は 2 パッケージ、MCP 接続はクライアントプラグイン 1 つ、コンテキスト圧縮は 4 パッケージ。ToDo リスト、スケジュールタスク、バックグラウンドジョブもそれぞれ独立しています。UI も同様で、Web UI は apps/web、CLI は apps/cli です。ターミナル UI はプロファイルを自分でインストールする必要があり、ディストリビューションには同梱されていません。

この原則は Agent のメインループにまで貫かれています。コントリビューターへのルールは明確に定められています。新しい振る舞いは、ドキュメントに記載された拡張ポイントにのみ追加すること。メインループ自体を変更する場合は、同じ変更の中でアーキテクチャドキュメントも更新すること。

特権的なカーネルにパッチを当てる必要はありません。dsh を拡張する方法は、プラグインを他のプラグインの隣にマウントすることです。各登録は副作用であり、そのプラグインがアンロードされるときに取り消されます。

docs/architecture.zh.md

代償も確かにあります。まだ開発者プレビュー段階で、README の最初の行に、将来の破壊的変更があり得ると明記されています。プラグイン設定の上書きは行単位の置き換えで、ディープマージの仕組みはありません。

メインループすら交換可能なプラグイン

この分解設計を支えているのが Cordis というフレームワークです（ソースコードはリポジトリの vendor/ ディレクトリにまるごと取り込まれています）。Cordis の役割は、各プラグインが共有コンテキストにサービス、イベント、副作用を追加できるようにし、プラグインがアンロードされるときに、追加したものを自動的に取り消すことです。

この基盤の上で、製品のすべての部分がプラグインとして作られています。モデルアダプタも、ツールレジストリも、セッションログも、Agent ループ自体もプラグインです。

具体的な仕組みはこうです。起動する dsh はプラグインツリーで、いくつかの設定レイヤーが順番に積み重なって構成されます。最下層は dsh-base で、モデルアダプタ、ツール、永続化、サンドボックスと承認ポリシー、設定、資格情報、テレメトリーを搭載。その上に dsh-web-app を重ねるとブラウザ UI が追加され、dsh-headless を重ねると、タスクを実行して結果を出力して終了する、サーバーレスの動作になります。最上位に、あなた自身の変更が重なります。

先ほど述べた行単位の置き換えはこのレイヤーで発生します。1 つの行の 1 つのフィールドだけを変更したい場合でも、その行の他の必要なフィールドをすべて書き直す必要があります。

モデルが見たものはすべてログに残り、能力はセットで交換する

ここまで細かく分解しても、2 つのルールでまとまりを保っています。

1. モデルが見たすべての文字は、ログから再構築できなければならない

セッションログは追記専用のイベントストリームで、モデルが各リクエストで見るコンテキストは、このストリームから投影されます。ルールは逆に定められています。モデルのリクエストに到達するものはすべて、ログから再構築できなければならない。しかも、これを監視するランタイムアサーションが存在します。モデルが見える新しいものを追加したい場合は、同時にセッションイベントを追加する必要があり、こっそり追加することはできません。

このルールが保証するのは、セッションの一時停止、再開、任意の時点からの分岐が可能で、リプレイした内容が当時と完全に一致すること。モデルが見える状態が、ログの外に隠れていることはありません。

2. 1 つの能力は、3 つの役割が揃って初めて成立する

dsh は「1 つの能力」を 3 つの役割で定義します。インターフェースを宣言するもの、実装するもの、使用するもの（通常、モデルに提供するツール）です。3 つを一緒に設計し、1 つ欠けても能力とは見なされません。

最下層を交換すれば、上はすべて連動します。ファイルシステムとプロセスが同じ実行環境を共有しているため、それらをリモートサンドボックスに向ければ、Bash、永続ターミナル、言語サーバーが一緒に移行します。ツールごとにリモート版を個別に作る必要はありません。サブエージェントも同じ考え方で、インターフェースは「自己完結型のタスクを受け取り、最終的な回答を返す」こと。背後で同じプロセスから fork するのか、他社製品を起動するのかは、上位レイヤーにとって違いはありません。

Code Mode、ralph、そしてセルフプラグイン

すべてを交換できるなら、デフォルトで入っているのは何か。定番は揃っています。30 個ほど。bash、ファイルの読み書き・編集、glob と grep、Web 検索と取得、ToDo リスト、計画モード、言語サーバー、永続ターミナル（毎回新規に起動するのではなく、1 つのターミナルセッションを使い回してコマンドを送る）、バックグラウンドタスク、スケジュールタスク、サブエージェントへのタスク委譲と相互メッセージング、過去のセッションを検索する session_search。MCP サーバーにも接続でき、接続したツールはモデルから見るとネイティブツールと変わりません。

さらに、他のシェルではあまり見かけないツールが 3 つあります。

1. Code Mode：モデルがプログラムを書いてツールを一括呼び出し

一般的な方法では、モデルが「このツールを呼びたい」と言うたびに、シェルが実行して結果を返し、次のステップを待ちます。ファイルを検索して、いくつか選んで読む、という作業でも何往復も発生します。さらに、各ラウンドの中間結果がすべてモデルのコンテキストに積み上がっていきます。

run_code は別の方法を取ります。モデルが TypeScript の小さなプログラムを書き、その中で await tools.grep(...)、await tools.read(...) のような形で一連の呼び出しを繋げて、一気に実行。最後に必要な結果だけを返します。

2. ralph：ラウンドごとに真新しいエージェントが担当

変更してはいけない目標を与えると、各ラウンドで真新しいサブエージェントが起動します。新しいエージェントは、前のラウンドの会話を一切見ることができません。ラウンド間で引き継がれるのは 2 つだけ。ワークスペース内の実ファイル（これが長期記憶です）と、短い構造化レポートです。レポートが「完了」と報告するか、「行き詰まった」と報告するか、ラウンド数が尽きるまで続きます。

3. cordis：エージェントが自分自身にプラグインを追加

これは 4 つのアクションと 1 つの読み取り専用レポートです。操作対象は現在実行中のプロセスであり、ディスク上の設定ファイルではありません。

ステップ 2 の「ブラウザ側」に注目してください。エージェントは UI をその場で書いて、あなたが開いている Web ページに直接配信できます。付属の cordis_inspect を使えば、エージェントは自分のプロセスのリアルタイム状態を読めます。どんなサービスがあるか、どのプラグインが生きているか、どのツールが登録されているか。

既存の hooks とスキルはそのまま移行可能

では、すでに Claude Code を使っている人にとって、移行コストはどのくらいでしょうか。ほとんどの資産はそのまま使えます。

既存の hooks はそのまま動作します（hooks とは、特定のタイミングで自動的に発火する小さなスクリプトで、例えばファイル変更前にフォーマットチェックを実行する、などです）。dsh には 2 つのブリッジプラグインがあります。1 つは Claude Code の hooks.json を読み込み、${CLAUDE_PLUGIN_ROOT} と ${CLAUDE_PROJECT_DIR} の変数置換まで再現します。もう 1 つは Codex の hook 設定を読み込みます。終了コードの規約も踏襲しています。終了コード 2 は、操作をブロックし、stderr の内容を理由として表示します。複数の hook が同時にヒットした場合は最も厳しいものが優先され、deny は ask に勝り、ask は allow に勝ります。

スキルもそのまま読めます。SKILL.md 形式のスキルファイルを 2 か所スキャンします。自分の ~/.dsh/skills と、~/.agents です。設定フィールドではこれを「スキルスキャン互換のための共有エージェント設定ルート」と呼んでいます。

逆に、本物の Claude Code にタスクを委譲することもできます。サブエージェント機能には 7 種類のプロバイダがあり、そのうち 2 つは外部製品です。1 つは公式の Claude Agent SDK を呼び出し、マシン上の claude コマンドを探します。もう 1 つは公式の codex app-server --stdio を起動します。自己完結型のタスクを渡して、最終的な回答だけを受け取ります。渡された Claude Code は、あなたのマシン上の元のアカウントと設定を使用します。ドキュメントには、これらのファイルをコピーもフィルタリングもせず、ログイン状態を作成・変更もしないと明記されています。

これを可能にしているのも、先ほどの 3 点セットのルールです。サブエージェントのインターフェースは「自己完結型タスクを受け取り、最終回答を返す」こと。このインターフェースを満たせば誰でもプロバイダになれます。他社の完成品でも構いません。

hook ブリッジにも境界はあります。ネイティブプラグインはこのブリッジができるすべてのことを、より強力に、型付きで、シリアライゼーションのオーバーヘッドなしで実現できます。ブリッジは既存設定をすぐ使うための互換パスであり、カスタマイズするならネイティブプラグインを書くべきです。

逆方向も可能です。DeepSeek の API は、Claude Code、GitHub Copilot、OpenCode などのツールのバックエンドモデルとして、コード変更なしで直接使用できます。シェルとモデルの交換を、今は別々に行えます。

サンドボックスが起動できなければ、作業を拒否する

しかし、これらのツールを AI に渡して、間違ったコマンドを実行されたらどうなるのでしょうか。このシェルには 3 段階の権限があり、デフォルトは最も厳しいものです。

各プラットフォームはネイティブな仕組みを使います。Linux は bwrap を優先し、使えなければ Landlock（そのために独自の C 拡張を書いています）。macOS は Seatbelt、Windows は ACL 制限付きトークンです。

現在どのモードかは、メッセージとしてモデルにも伝えられます。ただし最初の 1 回と、ポリシーが変更されたときだけです。繰り返し表示されません。

DeepSeek はベンチマーク時に 2 つのツールしか使っていない

では、DeepSeek 自身はこのツールで、実際にどの機能を使っていたのでしょうか。

ベンチマークの注釈にあった minimal モード。設定ファイルはリポジトリ内にあります（examples/jsonrpc-agent/minimal.cordis.yml）。1 行ずつ確認できます。モデルに与えられたものは 2 つだけです。

前のセクションで紹介した 30 個ほどの組み込みツールのうち、ここに残っているのは 2 つだけ。状態を保持できる bash と、文字列置換エディタです。スキルシステムもオフ、ランタイムコンテキスト注入もオフ、ワークスペースコンテキストもオフ、コンテキスト圧縮は未インストール、通常の bash ツールもバックグラウンドタスクツールもオフ。システムプロンプトは、ごく普通の「You are a helpful software engineer assistant.」という 1 文です。

Terminal Bench 2.1 の 87.9 点、DeepSWE の 62.7 点は、この設定で獲得したものです。

これらのスコアは主にモデル自体から来ており、シェル側のプロンプトテクニックが下支えしているわけではありません。そして、この harness には出荷時点ですべての機能が備わっており、どれを有効にするかは利用者が決めます。

V4-Pro が伸びたのは、主に「手を動かす」スコア

スコアが主にモデル由来なら、V4-Pro は今回、具体的に何が伸びたのでしょうか。先に断っておきますが、以下の表は開発者による自己公表です。

公式ベンチマーク表。下部の注釈が冒頭で述べた一文。公開 Code Agent タスクは DeepSeek Harness（minimal モード）でテスト。出典：@deepseek_ai

自社のプレビュー版と比べて、伸びが大きい項目はすべて「モデル自身が手を動かして 1 つのことをやり遂げる」タイプの問題です。

DeepSWE は 12.8 から 62.7 へ、約 5 倍になりました。以前のプレビュー版は、この種の問題ではほぼ不合格レベルでした。

他社との比較では一長一短です。Terminal Bench 2.1 の 87.9 は Kimi-K3（88.3）と Fable 5（88.0）に次ぐ 3 位で、Opus-4.8 の 85.0 は上回ります。AutomationBench の 31.8 はこの表で最高です。しかし、知識と推論を問う HLE は、ツールなしで 42.7 点。Fable 5 の 53.3 や Opus-4.8 の 49.8 には明らかに及びません。DeepSWE の 62.7 も、Fable 5 の 70.0 や Kimi-K3 の 67.5 にはまだ届いていません。

伸びは「手を動かす」タイプの問題に集中しており、知識・推論系は今回ほぼ変化なしです。

公式ツイートにはあと 2 点あります。V4-Pro と V4-Flash はどちらも推論強度を low、high、max の 3 段階で調整可能。公式推奨は、単純タスクは low、日常的な Agent ワークフローは high、複雑なタスクは max（ベンチマークでも使用）。さらに、OpenAI の Responses API をネイティブサポートし、公式ドキュメントには Codex のワンクリック設定スクリプトが用意されています。1 行実行すると、元の ~/.codex/config.toml をバックアップし、モデルメタデータを書き込み、必要なフィールドのみを変更します。既存の MCP サーバー設定は保持されます。

8 月 17 日より、キャッシュヒット価格は 12 倍に

同じ日、公式は 3 つ目の発表も行いました。北京時間 8 月 17 日 0 時より、API はピーク時とオフピーク時の 2 段階料金になります。ピーク時間帯は 9:00–12:00 と 14:00–18:00。1 日合計 7 時間で、残りの 17 時間はオフピークです。オフピーク価格はちょうどピーク時の半分です。

deepseek-v4-pro で計算すると、現在の出力は 6 元 / 100 万トークン。新価格はオフピーク 13.5 元、ピーク 27 元で、ピーク時は現在の 4.5 倍です。入力（キャッシュミス）は現在 3 元から、新価格は 4.5 元と 9 元になります。

最も大きく上がるのはキャッシュヒット時の入力価格です。

倍率は当サイトが公式の新旧料金表から算出。料金そのものは DeepSeek API 料金ページから。

なぜキャッシュヒット枠が重要なのでしょうか。Agent の働き方はラウンドを重ねる方式で、各ラウンドで過去の会話と読んだファイルをすべてモデルに送り直します。この部分の大半がキャッシュにヒットします。最も上がった枠が、まさに長時間 Agent を動かすときに最も使用量が大きい枠なのです。

同時接続数の制限は、deepseek-v4-pro が 500、deepseek-v4-flash が 2500 です。公式から値上げの理由は発表されていません。

218 個のパッケージは、自らの欠点を明記しなければならない

では、今すぐ使い始められるのでしょうか。

インストールは可能です。npm では 8 月 10 日に最初の候補版が公開され、13 日に 1 日で 3 版がリリースされ、最新は 0.1.0-rc.6 です。リポジトリは当日 19:56 に作成され、22:02 の時点で 1.7 万スター、1182 フォークに達しています。API キーを入力し、ワークスペースディレクトリを選べば、すぐに使い始められます。

Web UI の設定画面。キーを入力すると即座に有効になり、再起動は不要。他のプロバイダやカスタムの OpenAI 互換エンドポイントも追加可能。出典：リポジトリ docs/user/guide/

しかし、README の最初の行は警告です。開発者プレビュー段階であり、急速に反復開発中。将来、破壊的変更が発生します。内部仕様書はもっと率直で、外部ユーザーがいないため、互換レイヤーよりも正しい基盤を優先する、とあります。セッションファイルの形式バージョンは 0 のままで、互換性は一切保証されません。

これを縛っているのは CI ゲートです。219 個のパッケージのうち、218 個の README には「既知の制限と先送りした作業」セクションが必須で、書いていないと CI が通りません。唯一の例外は純粋な型定義のみのパッケージで、その例外リストには、なぜ制限を書くことがないのかを明記しなければなりません。

いくつか見てみましょう。

試すために必要なもの、実行すること

使うだけなら：Node.js（22.19+ または 24+）をインストールし、npx @deepseek-ai/dsh web を実行。ブラウザで表示されたアドレスを開き、設定で DeepSeek API キーを入力して保存（再起動不要）。次に「ワークスペースを選択」でプロジェクトディレクトリを追加して選択します。選択するまで入力ボックスは使用できません。承認が必要な操作は、UI が先に確認します。

改造するなら：Node に加えて、Corepack で有効化した pnpm（リポジトリは 11.7.0 に固定）と Git 2.26 以上が必要です。クローンして pnpm install を実行し、pnpm run typecheck を一度通せば環境構築完了です。インストール時に Git hooks も導入されます。コミット前には自動でコードチェックと一部自動修正、プッシュ前には自動で型チェックが実行されます。

コード内の TODO マークは 3 段階で、見つけたら次のように解釈してください。FIXME はリリースブロッカーで、正式版前に解決必須。TODO は時間があるときにやるべき。XXX は思いついたらで、約束はしません。

計画モード、サブエージェント、権限承認、MCP 接続。他社の Agent ツールはこれらをコアに組み込んでいますが、dsh の core ディレクトリにあるのは 8 パッケージだけ。これらの機能はすべて外側のプラグインで、Agent のメインループ自体も交換できます。

すでに Claude Code や Codex を使っている人は、一から揃え直す必要はありません。書いた hooks.json はそのまま動作し、SKILL.md スキルもそのまま読めます。逆に、サブタスクをマシン上の本物の Claude Code に委譲することもできます。

V4-Pro のベンチマーク表の注釈には、公開 Code Agent スコアは dsh の minimal モードで計測したと記載。設定ファイルはリポジトリ内にあります。この数値は DeepSeek 自身の発表であり、第三者による再現はありません。

システムプロンプトも「あなたは親切なソフトウェアエンジニアアシスタントです」の 1 文だけ。スコアはほぼモデル自体から来ています。

同じ日、公式が値上げを告知。8 月 17 日 0 時より API はピーク/オフピークの 2 段階料金になります。Agent は各ラウンドで過去の会話とファイルを送り直すため、その大半がキャッシュにヒットします（同じ内容を繰り返し送る場合、低価格で計上）。最も上がったのは、まさにこの枠です。

これは v4-pro のキャッシュヒット入力価格。12 倍です。出力は 4.5 倍に。同時接続数は v4-pro が 500、v4-flash が 2500。