DeepSeek Harness 桌面版实测：用插件为AI编程Agent加上Web操作能力

DeepSeek Harness 作为开源领域增长最快的 agentic 编程框架之一，近期发布了桌面版本。它不仅延续了终端应用加 Web 界面的设计，更凭借插件系统和提示词缓存成为一个极简却强大的编程助手框架。本文结合一位 YouTube 技术博主的实测，拆解桌面版的架构亮点，并演示如何通过第三方插件为它补上「真实网页操作」这块短板。

桌面版的本质：壳子是宿主，插件才是产品

桌面版并没有重新发明任何东西，它本质上是一个包裹着完整 Harness Web 应用的原生外壳。打开应用后，它会在后台启动一个本地 Harness 进程、自动选择端口，并在窗口中加载界面。

真正值得关注的是它的组织方式。一个恰当的心智模型是：应用只是宿主（host），插件才是产品（product）。无论是模型路由、网页搜索、终端，还是整个 agentic 循环，本质上都是以插件包的形式存在的。

这种设计的妙处在于高度可定制。每个 profile 都有一个 patch 文件，你可以在其中开启、关闭或配置插件，应用本身还额外提供了插件管理器。这意味着——为 Harness 增加一项新能力，往往不是改代码，而是往插件系统里新增一个文件。 这正是后文扩展 Web 能力的基础。

这里的「插件系统」与 MCP（Model Context Protocol）密切相关。MCP 是 Anthropic 在 2024 年底提出的开放协议，旨在为 AI 模型提供标准化的上下文获取与工具调用接口——可以简单理解为 AI 应用领域的「USB 接口」。任何工具或数据源只要实现 MCP 服务器，就能被支持 MCP 客户端的 agent 框架直接调用，双方无需定制对接。DeepSeek^广告 Harness 内置 MCP 客户端插件，这意味着市面上已有的数百个 MCP 服务器——从数据库查询到网页操作——都可以通过一段配置直接接入，而不需要开发者自行编写工具代码。这正是文中演示通过 TinyFish 扩展网页能力的技术基础。

界面亮点：轨迹可视化与缓存命中率

桌面版的聊天界面与常见工具类似，但它在每一个 agent 回合都会展示完整的「轨迹」（trajectory）：包括你提供的上下文、用户消息、助手执行的每一步、具体的工具调用、每次调用消耗的 token 数量以及耗时。这让 agent 的内部运作变得前所未有地透明。

更难得的是，它会显示到目前为止消耗的 token 总量，尤其是缓存命中率（cache hit rate）——这是其他 Harness 几乎都不展示的指标。据博主实测，DeepSeek Harness 在缓存命中率方面表现相当出色，能有效保留缓存，从而显著降低推理成本。

桌面版内置四种模式：

• Standard 模式：处理代码文件与信息的标准模式；
• PTC 模式：涵盖标准模式全部能力，更适合需要批量工具调用、过滤、整理和去重的任务；
• Minimal 模式：类似最小化配置，只带少量终端工具，可在其上自行搭建；
• Creator 模式：允许你针对特定需求完全定制整个 agentic 体验，博主认为这与 Claude Code 的 mods 功能思路非常接近。

「提示词缓存（prompt caching）」是大型语言模型推理中的一项重要优化手段。由于 agent 在多轮对话中会反复发送相似的系统提示和历史上下文，若每次都重新计算这些 token 的键值对（KV cache），会产生大量重复计算成本。提示词缓存机制允许模型提供商在服务端缓存这部分计算结果，当相同前缀的请求再次到来时直接复用，从而大幅降低延迟和推理费用——通常缓存命中的 token 费率比普通输入 token 低 50%~90%。缓存命中率（cache hit rate）越高，意味着框架越善于复用已有上下文、避免冗余传输，对高频调用的 agentic 任务而言成本差异非常显著。DeepSeek Harness 将这一指标直接暴露在界面上，有助于开发者评估 prompt 设计的经济效率。

内置 Web 工具的能力边界

DeepSeek Harness 开箱即带两个网页工具。WebSearch 在模型回合内运行 DeepSeek 搜索；WebFetch 则下载公开页面并把文本交给模型，本质上可以抓取任意公开网页。

但这两个都是「只读」工具。Fetch 工具刻意保持匿名——它能发送请求，却不携带任何 cookie 或凭证，也不会像浏览器那样真正运行页面。因此它适合获取信息，但无法让 agent 在浏览器上执行操作，比如处理登录后的任务或点击按钮。虽然官方有实验性的 browser use 和 computer use 插件，但仍不成熟，且需要你自行接入本地浏览器。

问题随之而来：如何在不自己造轮子的前提下，给 agent 装上「操作网页的手」？

用 TinyFish 补齐真实网页操作

博主在本期视频中与 TinyFish 合作，演示如何为 Harness 添加这项能力。TinyFish 定位为「面向 agent 的 Web 基础设施」，可以理解为 agent 与真实网页之间的一层中间件：agent 决定它需要什么，把网页部分交给 TinyFish，然后拿回干净的结构化结果，无需处理杂乱的 HTML。

TinyFish 在一个 API 下提供四款产品：

• Web Search：实时网页搜索结果；
• Fetch：接收 URL，用真实浏览器渲染后返回干净文本（Search 与 Fetch 在所有套餐、任意用量下均免费）；
• Web Agent：用自然语言给出目标，它会导航、点击、填表、处理登录，并返回结构化 JSON，运行在 TinyFish 自研模型 Mako 上，按步骤计费；
• Browser：云端浏览器，可用 Playwright 自行驱动，内置反爬保护与凭证保管库（vault），让 agent 无需暴露密码即可登录。

TinyFish 的 Web Agent 产品基于其自研模型 Mako 运行，这里的「按步骤计费」对应的是 agentic 任务的典型计费模式：一次完整的网页操作任务会被分解为若干原子步骤（如导航、点击、填表、等待渲染等），每个步骤单独计费，而非按最终输出的 token 数量计算。这与普通 LLM API 的按 token 计费模式不同，更接近 RPA（机器人流程自动化）工具的计费逻辑。对开发者而言，在预估成本时需要估算任务的步骤数，而非字符数。文中实测登录和复杂筛选任务各自的总成本均低于 1 美元，说明对于非高频批量场景，这种计费方式具有相当高的性价比。

实测：从登录到复杂筛选任务

接入方式相当简洁：TinyFish 运行一个 MCP 服务器，而 DeepSeek Harness 自带 MCP 客户端插件。只需在桌面 profile 的 patch 文件中添加 MCP 客户端插件，给出服务器名称、指向 TinyFish 端点，并将 API key 作为 header 传入。更安全的做法是从环境变量读取 key，这样配置文件可以共享而不泄露任何凭证。

配置完成后重启应用，实测效果如下：

• Search 与 Fetch：抓取 Hacker News 首页并返回头条，几乎瞬时完成，文本干净无冗余、token 效率高；
• 登录操作：在一个公开测试站上，agent 自动打开页面、输入用户名密码、点击登录、读取信息再登出，并以 JSON 返回结果——这正是内置工具无法完成的事；

• 复杂筛选：博主要求前往 Hugging Face，筛选文本生成模型、按 trending 排序，列出参数量不超过 30B 的前五个模型。这个任务埋了陷阱：一个名字带「29B」的模型实际被 Hugging Face 标为 31B，应被跳过（结果确实跳过了）；另一个名叫「27B」的其实是 7B 模型，应被纳入（也被正确识别）。博主还用 Hugging Face 官方 API 做了交叉验证，顺序完全一致。

这实际上相当于给 DeepSeek Harness 补上了与网页界面交互的 computer use 能力，而这正是开源框架和开源模型普遍缺失的一环。

监控与免密登录

还有两个值得一提的功能。Monitors：可以让 TinyFish 每六小时检查一次 DeepSeek Harness 的发布页面，先建立当前版本基线，只在出现有意义的变更时才通知你——相当于一个持续替你盯着网页的 agent。保存登录态：你只需在 TinyFish 浏览器会话中手动登录一次并存为 profile，之后 agent 复用该会话即可，全程不会看到你的密码。

成本方面，Search 与 Fetch 免费，登录任务和 Hugging Face 筛选任务各自消耗的 agent 步骤成本都远低于 1 美元。由于这类 agent 运行往往需要几分钟，建议放到后台执行，桌面版本身已支持后台进程展示。需要提醒的是，要为 agent 设定合理的检查间隔，否则频繁轮询等待也会产生 token 开销。

小结

这次演示的核心价值，不只是「DeepSeek Harness 能干更多事了」，而是它所体现的可扩展性：通过外部插件就能为一个强大的 agentic 编程框架引入全新能力，并且可以连接任意你选择的模型。宿主加插件的架构，加上透明的轨迹可视化与出色的缓存效率，让它在开源 agentic 编程工具中显得颇具竞争力。对于希望让 AI agent 真正「动手操作网页」的开发者而言，这是一条值得尝试的路径。