DeepSeek Super-agent: agente de código abierto en GitHub

DeepSeek Super-agent, el agente de código proactivo del equipo Harness de DeepSeek, apareció en GitHub el 31 de octubre y en menos de dos días rozó las 5.000 estrellas. El repositorio, llamado dsh-superagent-prototype, se creó a las 09:32 UTC de ese viernes, lleva licencia MIT y trae una advertencia impresa en la primera línea de su portada: es un prototipo de investigación, no un producto oficial de DeepSeek ni un programa listo para producción.

Esa franqueza marca el tono de todo el paquete. La documentación admite que el código puede tener errores, que su estilo de ingeniería es irregular y que parte de su construcción la hicieron otros agentes. La versión pública tampoco coincide con la que el equipo usa por dentro, y varias ideas del ensayo de diseño quedaron fuera del prototipo. Quien lo descargue recibe una referencia para estudiar y adaptar, con revisión previa obligada.

Un repartidor que no programa y obreros que no hablan con la gente

El DeepSeek Super-agent trabaja sobre un solo repositorio de GitHub y llega como paquete para DeepSeek Harness, el entorno de agentes que la empresa mantiene en código abierto. Queda a la escucha de GitHub y, de forma opcional, de Feishu. Cuando una persona autorizada le pide trabajo, abre una tarea, la procesa en su propia sesión y en su propio directorio, y responde en la conversación original, por ejemplo con una solicitud de incorporación de cambios lista para revisión.

Por dentro manda una división de tareas muy de taller. Un Router residente recibe los mensajes, conserva la información común y reparte cada encargo; los Workers ejecutan el trabajo en sesiones aisladas, cada una con su contexto y sus herramientas. El Router no escribe código. Cada Worker se suscribe al hilo de su tarea, así que un comentario nuevo en una revisión le llega directo, sin pasar otra vez por el repartidor. AI Affairs reportó un dato que explica el diseño: retirar esa entrega directa elevó las decisiones del Router cerca de un 30 %, y agrupar eventos bajo carga bajó el tiempo de inferencia por decisión de 6,4 a 1,6 segundos.

La filosofía declarada cabe en una frase del propio repositorio: tomar la menor atención humana posible y entregar el mayor valor posible. El agente actúa solo cuando alguien autorizado lo pide o cuando una regla escrita por el equipo lo permite, y habla solo cuando una persona debe decidir algo o puede aprovechar un resultado. Un panel web muestra las tareas que esperan a un humano. Nada de ruido por cada paso intermedio.

Las pruebas sintéticas: mitad de las tareas en 12,4 minutos

El equipo Harness midió su invento con una carga simulada de unos 300 mensajes que escondían cerca de 20 pedidos de trabajo, con cada configuración repetida cinco veces. Asia Daily contó los resultados completos: la mitad de las tareas quedó lista en 12,4 minutos y el 95 % en 15,7 minutos. Una sesión única con un agente ayudante, bajo instrucciones neutras, necesitó 29,5 minutos para cerrar ese mismo 95 %. La diferencia ronda el 47 % en ese tramo final de la prueba.

La velocidad salió cara en otra columna. El sistema consumió 23,23 millones de tokens en caché, frente a 6,05 y 10,82 millones de las dos configuraciones de sesión única comparadas. Token es la unidad de texto que procesa un modelo, y la lectura en caché reutiliza material ya procesado. Coordinar en paralelo exige mantener muchas sesiones vivas a la vez. El equipo presenta las cifras como referencia preliminar, sin mediciones independientes ni datos de calidad real del código entregado.

El interés que despertó se midió en horas. El repositorio sumó 2.046 estrellas a las 22:10 UTC del 31 de octubre y 3.433 a las 04:20 UTC del 1 de noviembre; la página de GitHub marcaba 4.979 estrellas y 474 bifurcaciones al cierre de esta nota. Otro gesto abierto reciente de la misma casa fue DeepInfer, la inferencia abierta de DeepSeek.

El permiso que hay que mirar dos veces: comandos sin aprobación

Aquí viene la parte que un equipo prudente lee dos veces. La documentación de ejecución indica que los comandos de cada Worker corren sin aprobación, con la cuenta del sistema operativo del operador, y que el trabajo en segundo plano puede extenderse hasta 30 minutos por turno. Esa máquina conectada guarda credenciales, código privado y archivos sensibles. Una instrucción hostil escondida en un mensaje o en el contenido de un repositorio tendría un camino corto hasta esa cuenta.

La lista de asuntos pendientes que publica el equipo incluye la seguridad y la privacidad, la escala del Router, la memoria en periodos largos y la comunicación entre agentes. Para un agente de código que trabaja sin supervisión constante, esa lista no es un detalle menor. Montar el prototipo pide una cuenta de GitHub separada para el agente, un proveedor de modelo configurado en Harness y herramientas corrientes: Node.js, pnpm, git, Python y tmux. Yujia Qiao figura como responsable de la implementación y del ensayo, con otras 15 personas en revisión.

DeepSeek no dio fecha para una versión de producción: el código es gratis bajo licencia MIT y el repositorio suma un solo envío inicial. La decisión práctica queda entre estudiar la arquitectura Router-Worker como referencia o esperar a que los permisos de ejecución dejen de ser el punto débil del paquete.

Fuente: GitHub — repositorio dsh-superagent-prototype de DeepSeek

La entrada DeepSeek Super-agent: agente de código abierto en GitHub se publicó primero en Tecnología Geek.