Harness d’agents IA : trois dépôts aux périmètres distincts

Si vous explorez les harness d’agents IA pour votre entreprise ou les clients de votre MSP, ces trois dépôts méritent d’être examinés séparément. DeepSeek Harness décrit une architecture fondée sur des plugins. Anatomy présente une skill destinée à créer des figures techniques interactives. OpenClaw documente un assistant qui fonctionne sur vos appareils et dans vos canaux de messagerie. Chacun répond à des questions différentes : leurs fonctionnalités ne doivent pas être attribuées indistinctement aux trois projets.

Harness d’agents IA : distinguer le périmètre de chaque dépôt

deepseek-ai/deepseek-harness. Le README présente DeepSeek Harness comme un agent harness open source. Il décrit une architecture everything-is-a-plugin, fondée sur Cordis. C’est l’architecture annoncée par le dépôt : cette description ne précise pas, à elle seule, quels éléments vous pouvez remplacer ni comment se déroule chaque intégration.

Le README indique aussi que DeepSeek Harness est en préversion développeur et prévient que des changements peuvent rompre la compatibilité. Pour un lancement en local, il documente la commande npx @deepseek-ai/dsh web, qui démarre une interface Web. Il invite à lire un avertissement de sécurité avant l’exécution ; le contenu de cet avertissement ne figure pas parmi les sources examinées ici.

Recommandation : si vous envisagez DeepSeek Harness pour un projet, notez la version testée et vérifiez les effets des mises à jour sur votre prototype. Question à vérifier : quels points d’extension sont réellement nécessaires à votre cas d’usage, et où sont-ils documentés ? La présentation de l’architecture dans le README aide à orienter la lecture, mais ne remplace pas cette vérification.

Anatomy : une skill pour une tâche précise

wheresryan22/anatomy. Le README présente Anatomy comme une skill pour Claude qui explique une idée en construisant un objet fonctionnel. Il indique qu’elle peut aussi être utilisée dans OpenCode et Codex. Le dépôt décrit des figures isométriques interactives et distingue les sorties SVG, les figures SVG avec WebGL et un mode 3D signalé comme bêta. Pour le mode SVG, il cite notamment une page HTML autonome, un fichier SVG et des composants React ou Next.js parmi les formats de livraison.

L’essentiel ici est la tâche documentée : produire une représentation interactive d’un concept. Cette description ne constitue pas une promesse concernant l’ensemble du travail d’un agent. Le README fournit des exemples de figures et une procédure de démarrage de la skill : des éléments concrets à examiner si vous envisagez de créer des supports explicatifs pour une équipe technique.

Recommandation : choisissez un concept que vos collègues peinent à expliquer et évaluez le résultat comme support pédagogique. Questions à vérifier : la figure montre-t-elle clairement le comportement que vous vouliez décrire ? Les détails représentés sont-ils corrects ? Si vous comptez la publier, qui relira le texte et examinera les interactions et l’accessibilité ?

OpenClaw : commencer par le Gateway et la sécurité

openclaw/openclaw. Le README présente OpenClaw comme un assistant open source qui fonctionne sur l’ordinateur de l’utilisateur et se connecte à des canaux de messagerie. Il décrit le Gateway comme le plan de contrôle local des sessions, des outils, des événements et des connexions aux canaux. Il affirme également que les modèles et les agent harness peuvent être remplacés sous forme de plugins sans modifier le reste. Cette affirmation porte sur ces éléments : les listes d’outils, de skills et de plugins présentes dans le README ne démontrent pas que chaque élément répertorié possède la même propriété.

Côté sécurité, le README demande de traiter les messages entrants comme des entrées non fiables. Il précise que les outils s’exécutent sur l’hôte pour la session principale, sauf si vous configurez le sandboxing. Il recommande de lire les guides de sécurité avant de connecter d’autres utilisateurs ou d’exposer le Gateway à distance. Ces guides sont mentionnés dans le README, mais ne figurent pas parmi les pages examinées pour cet article.

Recommandation : avant un essai partagé, définissez qui peut envoyer des messages et quelles actions vous souhaitez autoriser. Questions à vérifier : où les outils s’exécutent-ils dans la configuration choisie ? Quels identifiants leur sont accessibles ? Quels contrôles faut-il mettre en place avant de connecter un canal utilisé par l’équipe ? Ces vérifications doivent porter sur l’installation réelle : une description générale ne constitue pas une garantie.

Comment exploiter cette lecture

Pour une PME ou un MSP, l’étape suivante consiste à associer chaque essai à une question précise : l’architecture annoncée de DeepSeek Harness répond-elle à vos besoins de développement ? La skill Anatomy produit-elle une explication utile et vérifiable ? La configuration d’OpenClaw respecte-t-elle les limites opérationnelles que vous avez définies ? Gardez les réponses distinctes : une capacité décrite par un dépôt ne s’étend pas aux autres.

Si vous préparez une évaluation plus large, vous pouvez consulter la page d’Altovar consacrée à l’intelligence artificielle pour les entreprises. Elle peut servir de point de départ pour approfondir le sujet ; pour les caractéristiques des projets, référez-vous à leurs dépôts respectifs.

Sources : README de deepseek-ai/deepseek-harness ; README de wheresryan22/anatomy ; README de openclaw/openclaw.