La noche del 31 de octubre, el equipo de DeepSeek Harness publicó el extenso artículo “Exploración de diseño del Super-agent: hacia sistemas de agentes más autónomos”, que propone una arquitectura de agentes de dos capas y hace público en GitHub el prototipo dsh-superagent-prototype. En el texto, el equipo deja claro que el prototipo sirve para validar la ruta técnica y no es un producto oficial de DeepSeek.
El punto de partida del artículo es una observación muy sencilla: para que el modelo complete una tarea por sí solo hace falta cada vez menos intervención humana, y lo que frena la productividad es ahora la atención de las personas. Según el equipo, una persona suele poder seguir solo entre 3 y 5 Sessions activas a la vez; con más tareas, tiene que cambiar de una a otra a mano y recordar el contexto por su cuenta.
La Session debería ser un detalle de implementación del sistema, no una carga cognitiva para el usuario.
El Router gestiona la conversación, el Worker el trabajo
La arquitectura tiene dos capas. La capa Router, siempre activa, recibe los mensajes de las personas, mantiene el contexto global y asigna las tareas; no lleva herramientas de ejecución como Bash, por lo que puede funcionar con un modelo ligero. La capa Worker está formada por varias sesiones con contextos aislados entre sí, con el conjunto completo de herramientas y el modelo más potente; cada una se centra en una sola cosa y todas se ejecutan en paralelo. Los Worker no responden directamente al usuario: el estado y los resultados se informan primero al Router, que es quien habla de forma unificada hacia el exterior.
Otras piezas del diseño giran en torno a “mantener al agente siempre en línea”:
- Dirigido por eventos: los mensajes de chats de grupo, los correos, los recordatorios de agenda, los comentarios de revisión de código y los resultados de CI cuentan como Trigger. Primero se filtra la mayor parte del ruido con reglas de programa, y solo lo que queda pasa al modelo para que decida si actuar. En los Thread ya asignados, los eventos posteriores los entrega el propio programa directamente al Worker correspondiente, sin volver a pasar por el Router.
- ReAct Loop asíncrono: las llamadas a herramientas que tardan se dividen en start() y stop(). Una tarea en segundo plano devuelve Started nada más arrancar, en primer plano se sigue atendiendo al usuario y el resultado vuelve a la sesión como un evento nuevo.
- Separación de cómputo, estado y entorno: el Agent Loop y el estado viven en la nube, el entorno de ejecución puede quedarse en la máquina del usuario con solo un daemon ligero, y se admite traer la propia máquina (BYOM).
- Watchdog: una sesión independiente se despierta periódicamente y, además de comprobar si los procesos siguen vivos, pide al modelo que juzgue si cada Worker avanza de forma sustancial y si se ha desviado de rumbo.
El texto también pone el ejemplo de la “ejecución especulativa”: si alguien del grupo informa de un bug, el agente intenta primero reproducirlo y corregirlo en segundo plano, y solo habla cuando lo ha arreglado; si no lo consigue, no molesta a nadie.
Las cifras proceden solo de carga sintética
El equipo realizó un experimento comparativo: cada ronda contenía unos 300 mensajes, de los cuales unos 20 eran peticiones de trabajo y el resto charla y ruido; cada opción se repitió 5 veces. El tiempo de finalización de tareas del Super-agent fue de 12,4 minutos en p50 y de 15,7 minutos en p95; el grupo de control “una sola Session más Subagent” alcanzó con un prompt neutro un p95 de 29,5 minutos. Al eliminar el mecanismo de entrega directa de eventos, el número de decisiones del Router aumentó cerca de un 30 % y los tokens leídos de caché cerca de un 37 %.
En la prueba de estrés del Router, los Trigger pasaron de aproximadamente 1 a aproximadamente 40 por minuto, el tamaño medio de lote subió de 1,0 a 2,8 y el tiempo por solicitud aumentó de 2,5 a 3,9 segundos, mientras que el tiempo de inferencia repartido entre cada decisión bajó de 6,4 a 1,6 segundos.
Las limitaciones también se escriben sin rodeos: el experimento usó carga sintética y un entorno simplificado, y solo mide la planificación y la colaboración, no lo bien que se hace cada tarea individual; el consumo de tokens del Super-agent es mayor que el de la solución de sesión única, pero no se divulga el total. El prototipo de código abierto está pensado por ahora para un único repositorio de GitHub; el funcionamiento entre dispositivos, la residencia permanente en la nube y el Watchdog no están completamente implementados.
De dsh al Super-agent
Si se enlaza la cronología, en la línea de los agentes DeepSeek primero publicó el framework y después las ideas de planificación. Hacia agosto de este año abrió bajo licencia MIT el framework de agentes DeepSeek Harness (nombre en línea de comandos: dsh), con el sistema de archivos, la Shell, la adaptación de modelos, la interfaz Web y los subagentes convertidos en plugins sustituibles; en los meses siguientes fueron saliendo modelos como V4.1 Flash y herramientas de programación de terceros también empezaron a usarlo como modelo principal.
Este nuevo artículo sube un nivel más y trata de cómo una instancia de agente puede vigilar a la vez decenas de asuntos. El equipo revela que el mecanismo de tareas asíncronas descrito en el texto ya está incorporado a DeepSeek Harness, aunque desactivado por defecto; instancias internas basadas en la misma idea llevan tiempo funcionando, usadas para reproducir y corregir problemas, responder a revisiones de código y también para iterar sobre el propio Harness.
Entre los problemas pendientes que enumera el equipo figuran cómo escala la capa Router con el volumen de tareas, la memoria de largo plazo que abarque meses y la comunicación entre varias instancias de agentes. El apartado de seguridad es el más concreto: si el Agent Loop en la nube sufre una inyección de prompt, los dispositivos locales conectados podrían ser controlados, y las credenciales colocadas en el contexto del modelo podrían filtrarse durante una ejecución normal. Cómo prevenir estos riesgos, el texto no ofrece una solución completa.
Fuentes: artículo técnico del equipo de DeepSeek Harness y descripción del repositorio dsh-superagent-prototype, ITHome, CocoLoop, Ifeng Tech; los tiempos del experimento y los datos de la prueba de estrés siguen los resultados de carga sintética publicados por el equipo.