DeepSeek Harness 是 DeepSeek 开源的 Agent 运行时，它把“模型 + 工具 + 会话 + 权限”打包成一个可编程的 dsh 进程，通过 Python SDK 暴露给外部程序调用。与直接调用 Chat API 不同，Harness 自带持久 Shell、文件编辑器和会话恢复能力，更适合构建需要“动手做事”的 Agent。

本文基于我本地的实际搭建过程，从虚拟环境、SDK 安装、HTML 对话页面，一直走到 MCP 客户端插件的配置与测试。

---

工程目录与 Python 虚拟环境

我选定的工程目录是 /Users/chengpei/PythonProjects/dsh-agent。进入目录后创建虚拟环境：

cd /Users/chengpei/PythonProjects/
mkdir dsh-agent
cd dsh-agent
python3 -m venv .venv
source .venv/bin/activate

SDK 与依赖安装

我这里需要搭建一个web对话页面，所以需要一些额外的依赖

pip install deepseek-harness-sdk
pip install python-dotenv
pip install fastapi
pip install "uvicorn[standard]"

创建Agent

代码部分主要是让AI完成，写了一个页面可以跟AI对话流式输出，代码：
https://github.com/chengpei/dsh-agent

安装MCP客户端插件

export DSH_HOME=/Users/chengpei/PythonProjects/dsh-agent/dsh-home
dsh --version
dsh plugin --profile sdk add @deepseek-ai/dsh-mcp-client@0.2.1-rc.2

这里的插件版本跟dsh版本一致

配置MCP服务端

这里我是直接在本地使用DBX配置MCP服务出来给agent用

- insert:
  - id: mcp-dbx
    name: '@deepseek-ai/dsh-mcp-client'
    config:
      serverName: dbx
      transport: streamable-http
      url: http://127.0.0.1:5225/mcp
      headers:
        Authorization: !!js '`Bearer 52c66ee4635f4dfd95bb83af2f7de8fcc5fd048c45be4678ba007ccbb4041f58`'
      failOnStartupError: true

配置完成重新启动，就可以问AI数据库相关的问题了