【AI速览】Codex‑Harness vs DeepSeek‑Harness：两大开源 Agent 基座完整实测对比

2026 年 8 月，AI 编程 Agent 领域发生两件标志性开源事件：DeepSeek 发布DeepSeek‑Harness，OpenAI 在openai/codex仓库正式开源Codex‑Harness运行时内核。

两者都遵循公式：Agent = 大模型 + Harness运行时，但底层设计哲学完全相反。很多开发者分不清二者的仓库位置、安装方式、适用边界。本文完整给出官方仓库地址、全平台安装步骤、上手使用流程，从源码层横向对比两套框架，给出个人、企业选型决策。

重要提醒：Codex‑Harness不是独立仓库，嵌套在 openai/codex 主仓库；网上大量名字带 codex‑harness 的仓库均为社区模板，不是官方内核。

一、官方 GitHub 仓库地址

Codex‑Harness（OpenAI）

官方主仓库：https://github.com/openai/codexhttps://github.com/openai/codex

开源协议：Apache‑2.0
正式开源时间：2026‑08‑19
核心源码目录：
- codex‑rs/app‑server：本地 Harness 服务，127.0.0.1:15721本地接口就在这里，502 报错均来自该服务组件GitHub。
- codex‑cli：命令行客户端源码。

注意：Codex 桌面 App、VSCode 插件都基于这套 harness 内核。

DeepSeek‑Harness（DSH）

独立完整仓库： https://github.com/deepseek‑ai/deepseek‑harness http:// https://github.com/deepseek‑ai/deepseek‑harness

开源协议：MIT
发布时间：2026‑08‑13
核心内核：Cordis 微内核，一切皆插件，WebUI 默认端口3080GitHub。

二、环境要求与完整安装教程

2.1 Codex‑Harness 安装（3 种方案）

环境：Rust 编译源码需要 Rust 工具链；直接使用二进制不需要编译源码GitHub。

方案 1：NPM 全局安装 CLI（推荐普通用户）

npm install -g @openai/codex
#验证
codex --version

方案 2：二进制包安装（Linux/macOS/windows，无 node 环境） 前往 https://github.com/openai/codex/releases，下载对应系统架构二进制包，解压加入系统 PATH。

方案 3：源码编译（二次开发，开发者）

git clone https://github.com/openai/codex.git
cd codex/codex‑rs
#安装rust环境
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
source "$HOME/.cargo/env"
cargo build
#启动本地app‑server（harness后台服务15721端口）
cargo run --bin app‑server

启动成功后本地暴露：http://127.0.0.1:15721/v1/responses，这就是 Codex Harness 本地 RPC 接口。

Codex 基础使用

终端直接输入codex进入 TUI 交互；
在项目目录执行，自动读取当前目录文件；
内置文件读写、shell 执行、MCP 客户端；
配置文件：~/.codex/config.toml，在这里修改模型、API Key、安全策略。

坑点：Codex 原生使用 OpenAI Responses API，对接国产模型需要代理转换层（CC‑Switch），直接填 OpenAI‑compatible chat 接口会报错 502、协议不匹配。

2.2 DeepSeek‑Harness（DSH）安装（3 种方案）

环境要求：Node.js ^22.19 / >=24，pnpm 源码构建需要 11.7+CSDN博...。

方案 1：npx 一键启动，无需安装（快速体验）

npx @deepseek‑ai/dsh web

启动成功访问：http://127.0.0.1:3080，自动打开浏览器 WebUI。

方案 2：全局安装，高频使用

npm install -g @deepseek‑ai/dsh
dsh --version
dsh web

方案 3：源码编译，插件二次开发

git clone https://github.com/deepseek‑ai/deepseek‑harness.git
cd deepseek‑harness
pnpm install
pnpm run build
pnpm dsh web

DeepSeek‑Harness 基础使用流程

WebUI 打开设置填入 API Key，支持任意 OpenAI 兼容模型；
添加 Workspace 工作目录，绑定本地项目文件夹；
加载插件、Skill、MCP 服务；
发起任务，Agent 自动读写文件、运行命令、子代理循环；

核心特性：Agent Loop、沙箱、记忆系统全部是插件，可替换重写。

三、两大 Harness 核心架构横向硬核对比

对比维度	Codex‑Harness	DeepSeek‑Harness(DSH)
设计哲学	引擎驱动精装成品；核心 Agent 循环固化，只开放外围扩展	微内核乐高积木；一切皆插件，Agent 循环本身也可替换
技术底座	Rust，高性能、系统级安全	TypeScript+Node.js+Cordis 微内核，动态插件热重载
网络协议	JSON‑RPC，ResponsesAPI 私有协议	OpenAI 兼容协议，MCP 原生完整支持
沙箱安全	内置系统级沙箱（bwrap 等），内核自带安全审计、追踪日志	沙箱是插件，安全策略由插件实现，开发者自行管控风险
模型适配	原生 OpenAI 模型；接入第三方模型需要协议转换代理	模型完全无关，任意 OpenAI 兼容接口直接配置即可切换
扩展能力	支持 MCP、Skill；核心调度逻辑不可修改	插件可替换循环、记忆、沙箱、UI，可深度改造内核行为
对外形态	CLI TUI、App‑Server 后台服务；图形界面属于上层产品	WebUI、CLI、Python SDK；界面与内核解耦
开源协议	Apache‑2.0	MIT
成熟度	工业级商用底座，大量线上产品验证	开发者预览版，版本迭代快，存在破坏性变更风险CSDN博...

通俗比喻：

Codex‑Harness：精装商品房，拎包入住，安全水电全部做好，但是户型不能随便改； DeepSeek‑Harness：毛坯乐高底板，内核全部对外开放，你可以自由拼装，但安全、流程需要自己掌控。

四、核心能力拆解

Codex‑Harness

核心循环固化：Agent 思考、工具调用、重试、上下文压缩逻辑写死在内核，开发者不能修改内部 Loop 逻辑，只能配置参数、注册外部 MCP 工具与 Skill。
强安全：内置系统沙箱、命令黑名单、操作审计日志，企业开箱即用，不需要开发者自己写安全层。
优势：稳定性强，适合直接构建编程 Agent 产品；
短板：自定义能力受限；第三方模型接入需要协议转换网关。

DeepSeek‑Harness

Cordis 微内核：Agent Loop、记忆、权限沙箱、子代理全部是插件，你可以完全替换整套智能体调度逻辑，不只新增工具。
多模型友好，国产大模型直接填入 API 地址即可使用。
短板：安全层默认不强，如果不上安全插件，AI 可执行高危系统命令；版本迭代快，插件容易版本不兼容。
适合：做定制 Agent 原型、私有化二次开发、研究 Agent 运行时原理。

五、真实踩坑点（实战干货）

Codex 常见 15721 端口 502 Bad Gateway

app‑server 服务崩溃；端口被占用；第三方模型协议不匹配，ResponsesAPI 与 Chat Completions 协议不互通，必须使用 CC‑Switch 这类代理做协议转换CSDN博...。

DeepSeek‑Harness 插件兼容坑 RC 版本迭代快，旧版本 Skill、MCP 插件新版本可能失效，优先看官方最新 README，不要照搬旧博客教程。
安全风险提醒 DSH 裸跑不开启沙箱插件，AI 可直接执行rm‑rf高危命令；Codex 内置沙箱，默认拦截高危操作。

六、选型决策，什么场景选哪一个

企业、商业化产品，追求稳定安全，不想维护底层调度逻辑 👉 优先 Codex‑Harness；内置审计、沙箱，减少安全踩坑。

注意：对接国产模型需要额外部署协议转换网关。

个人开发者、学习 Agent 原理、需要深度定制 Agent 循环、私有化部署、大量使用国产大模型 👉 优先 DeepSeek‑Harness；微内核自由度高，多模型适配友好。
快速验证编程 Agent 原型，不想折腾底层开发 👉 Codex‑Harness，开箱即用，稳定性高。
做垂直行业 Agent，需要改写任务调度、记忆策略，自研专属工作流 👉 DeepSeek‑Harness，替换插件实现自定义逻辑。

七、行业趋势思考：Harness 会成为 Agent 时代的基础设施吗？

2026 年，大模型推理能力差距逐步缩小，Harness 运行时才是 Agent 真正的壁垒。模型负责思考，Harness 负责把思考映射到真实世界：读写文件、调用工具、权限管控、任务循环、记忆管理。

两条路线代表行业两种方向：

Codex 代表 “成品优先”：框架把安全、循环、容错全部封装好，使用者聚焦业务；
DeepSeek‑Harness 代表 “基座优先”：把底层能力全部开放，让开发者自由组装各式各样 Agent。

未来不会出现某一套框架一统天下：

面向普通 C 端用户的成品 Agent，会基于成熟 Harness 内核做封装，用户感知不到底层；
AI 开发者、AI 创业团队、私有化项目，会大量基于开源 Harness 二次开发，不再从零手写整套 Agent 运行时。

重要认知：Harness 不等于只能写代码。两者都可以通过 MCP/Skill 扩展，做成办公、客服、数据分析 Agent，编程只是第一个落地场景。

八、写在最后

很多人以为 Agent 就是大模型 Prompt，读完两套 Harness 源码之后会明白：大模型只是大脑，Harness 才是 Agent 的躯干。

如果你做 AI Agent 方向，看懂两套开源 Harness 的源码，是非常高含金量的实战经历；
不要盲目追求 “越开放越好”，开放带来自由度，同时带来安全与维护成本，根据自己场景做取舍。

转载自 CSDN-专业IT技术社区

原文链接：https://blog.csdn.net/qq_17859117/article/details/164260497

【AI速览】Codex‑Harness vs DeepSeek‑Harness：两大开源 Agent 基座完整实测对比｜安装、源码、架构、选型