DeepSeek Harness는 DeepInfer가 아니다: 추론 위의 계층
2026년 DeepSeek은 혼동하기 쉬운 두 인프라를 공개했다. DeepInfer는 V4.1-Flash의 토큰을 만들고, DeepSeek Harness는 에이전트에 작업 공간과 도구 레지스트리, 루프를 준다. 어느 쪽도 다른 쪽의 대체재가 아니다.
이 글은 SpringBrand가 제공한, 명확히 표시된 게스트 글입니다. SpringBrand는 이 사이트의 다른 페이지 편집에 관여하지 않았고, 기술적 주장은 1차 자료로 연결됩니다. 이 사이트는 계속 독립적이고 팬이 만든 사이트입니다.
DeepInfer 릴리스 노트를 읽었다면 DeepSeek이 10월에 무엇을 오픈소스로 공개했는지 알 것이다. DeepSeek-V4.1-Flash 한 모델만을 위한 추론 엔진이고, 최적화된 커널을 갖췄지만 서빙 계층에는 의도적인 공백을 남겼다. DeepSeek Harness는 다른 달에 나온 다른 프로젝트다. 추론 엔진이 아니라 에이전트 하네스다. 이 구분이 중요한 이유는 많은 팀이 아직도 둘을 양자택일처럼 평가하기 때문이다.
그렇지 않다. DeepInfer가 답하는 질문은 "프롬프트를 어떻게 효율적으로 토큰으로 바꿀까"이고, DeepSeek Harness가 답하는 질문은 "모델이 응답한 뒤 에이전트는 어떻게 계속 일할까"다. 실제로 작동하는 에이전트에는 두 답이 모두 필요하고, 세 번째 답도 필요하다. 어떤 도구를 호출할 수 있는가.
네 계층, 두 계층이 아니다
잘못된 대상을 비교하지 않으려면 스택을 그리는 게 가장 빠르다. DeepSeek의 2026년 릴리스는 서로 다른 계층에 있고, 각 계층은 고유한 실패 방식을 갖는다.
| 계층 | 담당하는 것 | 예시 |
|---|---|---|
| 모델 | 가중치, 토크나이저, 컨텍스트 윈도, 추론 동작. | DeepSeek-V4.1-Flash-1017 |
| 추론 엔진 | 배치 처리, KV 캐시, 커널, 병렬화, 처리량과 지연. | DeepInfer, vLLM, SGLang, TensorRT-LLM |
| 에이전트 하네스 | 작업 공간, 도구 레지스트리, 승인, 세션 로그, 샌드박스, 에이전트 루프. | DeepSeek Harness(dsh) |
| 도구와 기능 | 검색, 광고, SEO, CRM, 이커머스, 받은편지함, 크리에이티브 API. | MCP 서버, 플러그인, 직접 API 연동 |
DeepInfer는 오프라인 엔진이다. API를 호스팅하지 않고 에이전트 루프도 돌리지 않으며 모델 하나만 지원한다. DeepSeek Harness는 로컬 우선 런타임이다. 가중치를 포함하지 않고 모델을 학습하거나 호스팅하지 않으며, 스스로 토큰을 만들지 않는다. 설정한 모델 제공자를 호출한다. 어느 쪽이 "더 낫다"고 말하는 것은 데이터베이스와 ORM을 비교하는 것과 같은 계층 착오다.
유용한 질문은 병목이 어느 계층에 있느냐다. SM100이나 Ascend 950에서 prefill/decode를 튜닝하고 있다면 DeepInfer 계층이다. 에이전트가 시작하고 계획하고 도구를 호출한 뒤 결과를 받아 다음 행동을 정한다면 dsh 계층이다. 대부분의 팀은 결국 둘 다 필요하고, 두 계층의 경계는 제공자 설정 하나로 결정된다.
dsh가 제공하는 것
DeepSeek Harness, 줄여서 dsh는 MIT 라이선스 에이전트 하네스다. 저장소는 2026년 8월 13일에 공개됐고 DeepInfer보다 두 달 빠르다. developer preview이며 README는 호환성을 깨는 변경이 온다고 대문자로 경고한다. 장식이 아니다. 워크플로를 올리기 전에 버전을 고정해야 한다.
흥미로운 부분은 아키텍처다. dsh는 Cordis 위에 만들어졌고, "모든 것은 플러그인"을 설계 원칙으로 삼는다. 모델 어댑터, 도구 레지스트리, 세션 로그, 샌드박스, 스토리지, 에이전트 루프, 심지어 웹 UI까지 플러그인이다. 실행 중인 인스턴스는 프로필과 번들로 조립된 플러그인 트리이고, 패치 하나로 한 행을 교체할 수 있다. 코어를 포크할 필요가 없다. 도구 정책을 바꾸려고 에이전트 프레임워크를 포크해 유지한 적이 있다면, 이 설계가 그 문제를 겨냥한다.
웹 프로필을 그대로 쓰면 로컬 UI가 뜬다.
npx @deepseek-ai/dsh web서버는 기본적으로 http://127.0.0.1:3080에서 시작한다. Settings에서 모델 제공자를 추가하고 작업 공간을 고른 뒤 세션을 시작한다. 하네스는 모델이 본 내용을 추가 전용 세션 로그에 기록한다. 궤적 확인, 재개, 포크, 재생이 가능한 이유다. 에이전트가 예상 밖의 행동을 할 때 같은 로그가 감사 추적이 된다.
dsh는 눈에 잘 띄지 않지만 필수적인 부분도 포함한다. 실행을 보호하는 범위 지정 도구 레지스트리, 승인 정책, 읽기 전용부터 전체 접근까지의 샌드박스 모드다. 정상일 때는 알아채지 못하고, 도구 호출이 잘못될 때만 떠올린다.
제공하지 않는 것
목록은 짧고, 어느 것도 비판이 아니다. 경계를 밝히는 것이다.
- 모델이 없다. 가중치를 포함하지 않고 학습도 호스팅도 하지 않는다. 모델 제공자는 직접 연결한다.
- 호스팅 서비스가 없다. 웹 UI는 기본적으로 localhost에 바인딩된다. SLA가 있는 관리형 플랫폼이 아니라 직접 실행하는 도구다.
- API 안정성 보장이 없다. developer preview는 말 그대로다. 핵심 플러그인과 설정이 릴리스마다 바뀔 수 있다.
- 긴 꼬리 SaaS 커넥터가 없다. 도구 레지스트리는 이음매이지 카탈로그가 아니다. 광고 플랫폼, CRM, 스토어, 받은편지함은 플러그인이나 MCP 서버로 붙는다. 각각 인증, 스키마, 속도 제한, 과금이 다르다.
마지막 항목이 대부분의 에이전트 프로젝트가 느려지는 지점이다. 하네스는 모델에 루프를 주는 데 능하지만, 루프의 가치는 실행할 수 있는 행동에 달려 있다. 코딩 에이전트에는 저장소 도구가 필요하고, GTM 에이전트에는 키워드 데이터, 광고 계정, 소셜, CRM, 스토어가 필요하다. 이런 연동은 하나의 문제가 아니라 서로 다른 자격 증명과 실패 방식을 가진 수십 개의 작은 문제다.
도구의 공백이 진짜 통합 프로젝트다
"MCP 지원"은 종종 결승선으로 취급되지만 사실 출발선에 가깝다. MCP 서버는 프로토콜을 주지만 카탈로그, 공통 자격 증명 모델, 호출당 과금, 하나의 청구서를 주지는 않는다. 제공자 열 곳에 직접 연결하면 OAuth 흐름 열 개, 스키마 열 개, 재시도 정책 열 개, 청구서 열 장을 떠안는다. 데모에서는 잘 돌지만 프로덕션에서는 운영 프로젝트가 된다.
공백을 메우는 정직한 방법은 두 가지다. 하나는 커넥터를 직접 만들고 유지하는 것이다. 워크플로가 하나이고 보안 요구가 빡빡하며 팀이 완전한 통제를 원한다면 옳다. 다른 하나는 긴 꼬리를 이미 모아 둔 계층에 연결하는 것이다. 의존성과 호출당 비용을 받아들이는 대신 모든 연동을 다시 만들지 않는다.
SpringBrand는 두 번째 방식의 한 예다. dsh용 OAuth MCP 클라이언트 플러그인 springbrand-lab/dsh-oauth-mcp-client를 공개했다. 브라우저 로그인, 자격 증명 영속화, 자동 재연결, SpringBrand MCP 연결 번들을 제공한다. 그 뒤의 마켓플레이스는 광고와 SEO, 소셜, 이커머스, 영업과 CRM, 고객 지원에 걸친 10,000개 이상의 API와 플러그인을 하나의 계정과 하나의 청구서로 제공한다.
연결 방법은 SpringBrand의 DeepSeek Harness 설정 가이드에 설치 프롬프트와 브라우저 OAuth 단계가 있다. 플러그인은 다른 서드파티 코드처럼 다뤄야 한다. DeepSeek 저장소에 포함되지 않으며, 작업 공간 접근 권한을 주기 전에 소스를 읽어야 한다.
무엇이든 연결하기 전 체크리스트
SpringBrand를 쓰든 직접 구축하든 실패 방식은 비슷하다. 에이전트에 새 능력을 주기 전에 쓰는 체크리스트다.
- dsh 버전을 고정한다. 정확한 릴리스와 프로필을 기록한다. developer preview 변경은 동작하는 설정을 무효로 만들 수 있다.
- 작업별로 샌드박스를 고른다. 조사는 읽기 전용, 코딩은 workspace-write, 전체 접근은 이유를 설명할 수 있을 때만. 검증되지 않은 플러그인에 작업 이상의 권한을 주지 않는다.
- 지표를 네 계층으로 나눈다. 모델 지연, 추론 처리량, 하네스 오버헤드, 도구 지연은 서로 다른 숫자다. 느린 에이전트가 항상 느린 모델은 아니다.
- 플러그인과 스코프를 감사한다. 장기 정적 키보다 좁은 스코프의 OAuth를 선호한다. 파일 시스템에 닿기 전에 소스를 읽는다.
- 세션 로그를 남긴다. 추가 전용 로그는 모델이 무엇을 봤고 어떤 도구가 무엇을 반환했는지 재구성하는 유일한 신뢰할 수 있는 방법이다.
- 실제 워크플로 하나에서 시작한다. "10,000개 API"는 카탈로그이지 전략이 아니다. 실제 작업에 필요한 두세 도구를 먼저 연결하고 결과를 측정한 뒤 확장한다.
FAQ
DeepSeek Harness와 DeepInfer는 같은 것인가요?
아니다. DeepSeek Harness는 에이전트 하네스로 작업 공간, 도구 레지스트리, 세션 로그, 샌드박스, 에이전트 루프를 제공한다. DeepInfer는 DeepSeek-V4.1-Flash를 위한 오프라인 추론 엔진이다. dsh는 스스로 토큰을 만들지 않고, DeepInfer는 에이전트 루프를 돌리지 않는다.
dsh에 모델이나 추론 호스팅이 포함되나요?
아니다. 가중치를 포함하지 않고 학습이나 호스팅도 하지 않는다. DeepSeek, 카탈로그의 다른 제공자, 또는 직접 만든 OpenAI 호환 엔드포인트를 설정해야 한다.
dsh를 DeepSeek-V4.1-Flash와 함께 쓸 수 있나요?
가능하다. 설정한 제공자를 통해 연결한다. dsh는 어댑터 계층에서 특정 모델에 묶이지 않으며, 모델과 이를 제공하는 추론 엔진은 하네스와 별개의 선택이다.
SpringBrand 플러그인은 공식인가요?
아니다. SpringBrand가 공개한 서드파티 플러그인이며 DeepSeek Harness 저장소에 포함되지 않는다. DeepSeek은 커뮤니티 플러그인을 검토하지 않으므로 설치 전에 코드와 권한을 감사해야 한다.
dsh를 프로덕션에 쓸 수 있나요?
API 안정성이라는 의미에서는 아직이다. developer preview이고 README는 호환성을 깨는 변경이 온다고 명시한다. 버전을 고정하고 변경을 흡수할 수 있는 팀이라면 오늘부터 쓸 수 있다.
출처
- DeepSeek Harness 저장소 — README, 라이선스, developer preview 안내, 실행 명령.
- DeepSeek Harness 아키텍처 — Cordis, 프로필, 번들, 플러그인 트리.
- DeepSeek Harness 안전 안내 — 샌드박스와 승인 지침.
- npm의 dsh — 패키지와 릴리스 기록.
- DeepInfer 저장소 — 이 사이트가 다루는 추론 계층.
- SpringBrand의 DeepSeek Harness 가이드 — 본문에서 언급한 플러그인과 마켓플레이스.
- DeepInfer의 한계 — 추론 엔진이 완전한 서빙 스택이 아닌 이유.
다음 글: DeepInfer 아키텍처, 또는 비교 허브.