Ollama unterstützt DeepSeek Harness: Ein Befehl für den lokalen Coding-Agenten

Nur wenige Tage nach der Veröffentlichung von DeepSeek Harness (dsh) hat Ollama eine native Integration für den offenen Agent-Baukasten vorgestellt. Mit dem Befehl ollama launch dsh lässt sich der Coding-Agent künftig direkt aus Ollama heraus installieren, starten und mit lokalen oder in der Ollama-Cloud gehosteten Modellen verbinden, ohne manuelle Zusatzkonfiguration.

Was ist neu?

Bislang musste DeepSeek Harness manuell über npm installiert werden. Ollama übernimmt diesen Schritt jetzt automatisch: Ist @deepseek-ai/dsh noch nicht auf dem System vorhanden, installiert Ollama es beim ersten Aufruf selbstständig und verbindet es direkt mit den lokal oder in der Cloud verfügbaren Ollama-Modellen. DeepSeek Harness selbst bleibt dabei ein Entwicklervorschau-Projekt (Developer Preview), dessen Konfigurationsschnittstellen sich laut Ollama-Dokumentation zwischen Releases noch ändern können.

Installation und Start

Vorausgesetzt wird eine bestehende Ollama-Installation. Danach genügt ein einzelner Befehl:

ollama launch dsh

Ollama installiert DeepSeek Harness bei Bedarf automatisch nach. Ein bestimmtes Modell lässt sich direkt beim Start mitgeben:

ollama launch dsh --model qwen3.8
ollama launch dsh --model deepseek-v4-flash:cloud

Wer die Konfiguration nur anlegen, aber den Agenten noch nicht starten möchte, nutzt:

ollama launch dsh --config

Zusätzliche Harness-eigene Startparameter lassen sich nach einem doppelten Bindestrich anhängen, etwa um einen abweichenden Port zu setzen:

ollama launch dsh -- --port 3081

Manuelle Installation als Alternative

Wer DeepSeek Harness unabhängig von Ollama installieren möchte, benötigt Node.js und kann den Agenten klassisch über npm einrichten:

npm install -g @deepseek-ai/dsh@latest

Anschließend lässt sich ollama launch dsh wie gewohnt ausführen und übernimmt die bereits vorhandene Installation.

Wo Ollama die Einstellungen speichert

Die Ollama-spezifischen Einstellungen für die Integration landen in ~/.ollama/launch/dsh/settings.yaml. Diese Datei wird beim Start zuletzt geladen und legt Modell, Provider und die Websuche-Anbindung fest. Wiederholte Aufrufe von ollama launch dsh überschreiben dabei nicht die restlichen Einstellungen in dieser Datei. Wichtig für bestehende Harness-Nutzer: Ollama verändert weder die eigentliche Harness-Konfigurationsdatei ~/.dsh/settings.yaml noch vorhandene Profile, Sitzungen oder Zugangsdaten. Die Integration ist also additiv und greift nicht in bereits bestehende dsh-Setups ein.

Trajectory-Ansicht: Nachvollziehbarkeit der Agent-Arbeit

Ein zentrales Feature der Integration ist der Trajectory-Tab in der DeepSeek-Harness-Oberfläche. Dort wird die komplette Sitzungsspur als Zeitleiste dargestellt: einzelne Gesprächsrunden (Turns), der genutzte Kontext und alle ausgeführten Tool-Aufrufe lassen sich vom ersten Prompt bis zur finalen Antwort lückenlos nachvollziehen. Für Entwickler, die verstehen wollen, warum ein Agent zu einer bestimmten Lösung gekommen ist oder wo ein Fehler in der Werkzeugkette entstanden ist, ist das ein deutlicher Vorteil gegenüber einer reinen Chat-Ansicht ohne Ausführungsdetails.

Integrierte Websuche ohne MCP-Server

Die Websuche ist bei dieser Integration automatisch aktiviert und direkt in DeepSeek Harness eingebaut. Statt wie sonst bei vielen Agent-Setups einen eigenen MCP-Server (Model Context Protocol) für die Websuche aufzusetzen oder einen separaten API-Schlüssel eines Suchanbieters zu hinterlegen, übernimmt Ollama die Suche selbst und liefert die Ergebnisse direkt an den Agenten zurück. Voraussetzung dafür ist ein Ollama-Cloud-Zugang sowie ein Modell, das Tool-Aufrufe unterstützt. Ist man noch nicht angemeldet, genügt ollama signin, um die Websuche zu aktivieren.

Einordnung: Ollama positioniert sich als zentraler Einstiegspunkt

Die Integration reiht sich in eine Reihe ähnlicher Ollama-Anbindungen für Coding-Agenten ein, etwa für Claude Code, die Codex App oder OpenCode. Ollama festigt damit seine Rolle als zentrale, anbieterunabhängige Laufzeitumgebung für lokale und Cloud-basierte Sprachmodelle: Statt sich für einen Agenten-Anbieter zu entscheiden, lässt sich über Ollama derselbe Modell-Unterbau mit mehreren unterschiedlichen Coding-Agenten kombinieren. Für DeepSeek Harness, das sich noch im frühen Entwicklervorschau-Stadium befindet, dürfte die Ollama-Integration zudem die Einstiegshürde für interessierte Entwickler spürbar senken, da die sonst manuell nötige Node.js- und npm-Einrichtung entfällt.

Praxis-Hinweis

1. Entwicklervorschau bleibt Entwicklervorschau. Trotz komfortabler Installation über Ollama ist DeepSeek Harness weiterhin ein Preview-Projekt mit möglichen Breaking Changes zwischen Versionen. Für produktive Workflows ist entsprechend Vorsicht geboten.
2. Bestehende dsh-Installationen bleiben unberührt. Wer DeepSeek Harness bereits eigenständig eingerichtet hat, muss keine Konflikte mit der Ollama-Integration befürchten, da unterschiedliche Konfigurationsdateien verwendet werden.
3. Cloud-Zugang für Websuche nötig. Wer die integrierte Websuche nutzen möchte, benötigt zwingend einen Ollama-Cloud-Account und ein Tool-fähiges Modell.

Passende Anleitungen auf S-EDV

1. Ollama und Open WebUI mit Docker: lokales LLM einrichten
2. DeepSeek Harness (dsh): Open-Source Agent-Framework als Claude-Code-Alternative

Quellen

1. GitHub: Ollama-Dokumentation zur DeepSeek-Harness-Integration (offiziell)
2. Ollama auf X: Ankündigung der DeepSeek-Harness-Unterstützung
3. GitHub: deepseek-ai/deepseek-harness (offizielles Repository)