مقایسه DeepSeek Harness با Claude Code و Omnigent
تفاوت DeepSeek Harness، Claude Code و Omnigent را در معماری، وابستگی به مدل و لایسنس بررسی کردیم. ببینید کدام ابزار برای اجرای agent روی VPS در سال 2026 مناسبتر است.
مقایسه DeepSeek Harness، Claude Code و Omnigent: به کدامیک نیاز دارید
DeepSeek Harness، Claude Code و Omnigent همگی agent harness نامیده میشوند، اما هرکدام بخش متفاوتی از مسئله را حل میکنند. DeepSeek Harness یک plugin runtime با web UI (رابط کاربری) است که مدل را شما در آن تأمین میکنید. Claude Code یک برنامهٔ terminal از Anthropic است که مدلهای Anthropic را اجرا میکند. Omnigent یک orchestrator از Databricks است که بهجای پیادهسازی حلقهٔ agent اختصاصی، harnessهای دیگر، از جمله Claude Code، را هدایت میکند. هیچکدام جایگزین مستقیم دیگری نیست؛ بنابراین پرسش اصلی این است که کدام لایه را در اختیار ندارید. اگر این چارچوب برایتان جدید است، agent harness واقعاً چیست اجزایی را توضیح میدهد که این سه ابزار به شکلهای متفاوت میان خود تقسیم میکنند: حلقه، ابزارها، مجوزها و وضعیت session.
محورهای تفاوت واقعی عبارتاند از معماری، وابستگی به مدل، interface، بلوغ و licence. نسخهها و تاریخهای زیر نخست در 18 August 2026 بررسی شدند و سپس در 20 October 2026 با مستندات، صفحههای release و package registryهای خود پروژهها تطبیق داده شدند. شمارهٔ نسخه، وضعیت release و نیازمندیهای runtime بار دیگر در 27 October 2026 بررسی شدند. هرجا جمله تاریخ مشخصی دارد، همان تاریخ ملاک است. دو مورد از این سه ابزار آنقدر سریع تغییر میکنند که باید پیش از انتخاب نهایی، اطلاعات را دوباره بررسی کنید.
DeepSeek Harness چیست و مدل plugin چه مزیتی دارد؟
DeepSeek در August 2026، DeepSeek Harness یا dsh را در github.com/deepseek-ai/deepseek-harness منتشر کرد. توضیح repository کل طراحی را در چهار کلمه خلاصه میکند: همهچیز plugin است. adapter مدل، registry ابزارها، log نشست، sandbox و خود حلقه agent همگی plugin هستند و runtime مبتنی بر Cordis آنها را بارگذاری میکند. استقبال از آن unusually سریع بود و repository تنها چند روز پس از انتشار، از 150,000 star عبور کرد (بررسیشده در 18 August 2026).
DeepSeek Harness در مرحله developer preview قرار دارد و با سرعت زیادی تغییر میکند. تغییرات ناسازگار با نسخههای قبلی حتماً رخ خواهند داد.
این هشدار خود README است و مهمترین جمله در این مقایسه محسوب میشود. هر چیزی که امروز بر اساس plugin API (application programming interface) بنویسید، ممکن است نیازمند بازنویسی باشد.
آن را با npx اجرا کنید؛ برای این کار باید Node.js نصب باشد:
npx @deepseek-ai/dsh webاین command URL آن را چاپ میکند و هنگام اجرای محلی، همان URL را در مرورگر پیشفرض شما نیز باز میکند. بهطور پیشفرض، web UI در http://127.0.0.1:3080 ارائه میشود و URL چاپشده شامل یک process token جدید است که ورود مرورگر را انجام میدهد؛ بنابراین همان URL دقیق را باز کنید و نشانی ساده را بهصورت دستی وارد نکنید. این نشانی یک bind عمدی است، نه صرفاً یک مقدار پیشفرض ظاهری، و اینکه bind شدن به 127.0.0.1 برای دسترسی به UI چه معنایی دارد از لحظهای اهمیت پیدا میکند که dsh روی ماشینی جدا از مرورگر شما اجرا شود. در 27 October 2026، همه buildهای منتشرشده prerelease بودند و هرکدام release candidate یا alpha محسوب میشدند؛ هیچکدام stable release نبودند (در زمانی که tag latest در npm هنوز به 0.2.1-rc.2 اشاره میکرد و tag next آن به 0.2.1-rc.4 جلوتر رفته بود). بنابراین اگر آن command شکست خورد یا نسخهای غیرمنتظره را اجرا کرد، تعیین دقیق نسخه dsh و پاککردن cache مربوط به npx سریعترین راهحل است. برای build کردن از source، از pnpm استفاده کنید:
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh webdsh web مخفف dsh --profile web است. یک profile، directoryای در زیرمجموعه $DSH_HOME/profiles/ است و launcher همان profileای را اجرا میکند که نام آن را مشخص کردهاید. این موضوع مهم است، زیرا یک profile بدون رابط کاربری نیز وجود دارد: dsh --profile headless "job" یک session ذخیرهشده را اجرا میکند، نتیجه را چاپ میکند و خارج میشود؛ این همان ساختاری است که برای cron job یا build step مناسب است. flagهای launcher مانند --profile و --patch باید پیش از argumentهای خود application بیایند، زیرا launcher پس از واگذاری کنترل، parsing را متوقف میکند. flagای مانند --port به profile اجراشده تعلق دارد، نه launcher؛ بنابراین جای آن اهمیت دارد. pluginها با ارسال argumentها به pnpm مدیریت میشوند؛ برای نمونه dsh plugin --profile web add <package>. یک plugin در همان runtime مربوط به agent بارگذاری میشود و permissionهای آن را به ارث میبرد؛ بنابراین پیش از نصب plugin بررسی کنید که به چه منابعی میتواند دسترسی داشته باشد.
Claude Code چیست و چرا یک برنامه ترمینالی است؟
Claude Code ایجنت CLI (رابط خط فرمان) اختصاصی Anthropic است. این CLI رابط کاربری وب اختصاصی ندارد. Anthropic همچنین Claude Code را در وب، اپلیکیشن دسکتاپ و افزونههای IDE ارائه میدهد، اما اینها محیطهای مجزایی هستند و روی سرور، این CLI است که اجرا میکنید. این برنامه در ترمینال شما و در دایرکتوری مورد نظرتان اجرا میشود، به همین دلیل برای نشستهای سروری بسیار مناسب است. بدون نیاز به پیکربندی رابط کاربری، شما نحوه پاسخدهی آن را بهجای پنلهای تنظیمات، با متن شکل میدهید و یک سبک خروجی، system prompt آن را تغییر میدهد تا هر پاسخ در نشست با ساختار متفاوتی ارائه شود. نصب آن با یک دستور در macOS، Linux و WSL انجام میشود:
curl -fsSL https://claude.ai/install.sh | bash
claude --versionیک نصب موفق، نسخه و نام محصول را چاپ میکند، برای مثال 2.1.211 (Claude Code). اگر این کار با خطا مواجه شد، claude doctor تشخیصهای نصب و تنظیمات را بهصورت فقطخواندنی و بدون شروع نشست چاپ میکند. یک پکیج npm نیز وجود دارد، npm install -g @anthropic-ai/claude-code، که به Node.js نسخه 22 یا بالاتر نیاز دارد. این پکیج همان باینری نیتیو را نصب میکند، بنابراین claude نصبشده در زمان اجرا از Node.js شما استفاده نمیکند. Anthropic همچنین مخازن امضاشده apt، dnf و apk را برای Debian، Ubuntu، Fedora، RHEL و Alpine منتشر میکند. روی سروری که با ابزارهای مدیریت پیکربندی اداره میکنید، اینها انتخاب بهتری هستند، زیرا بهروزرسانیها از طریق گردش کار معمول ارتقای سیستم شما دریافت میشوند.
مستندات راهاندازی Anthropic بیان میکند که Claude Code به یک اکانت Pro، Max، Ultra، Team، Enterprise یا Console، یا دسترسی از طریق یک ارائهدهنده ابری پشتیبانیشده نیاز دارد: Amazon Bedrock، پلتفرم ایجنت Google Cloud یا Microsoft Foundry. طرح رایگان Claude.ai شامل این دسترسی نمیشود. Ollama نیز مسیری را مستند کرده است، ollama launch claude، که Claude Code را به مدلهای محلی از طریق API سازگار با Anthropic در Ollama هدایت میکند بدون اینکه به اعتبارنامه Anthropic در پیکربندی نیاز باشد، اما در این حالت شما بهجای Claude، مدل شخص دیگری را اجرا میکنید. برای مدلهای اختصاصی Anthropic، تصمیمگیری بین اشتراک Claude و پرداخت API بیش از هر تنظیماتی در داخل ابزار، بر هزینههای شما تأثیر میگذارد.
Omnigent چیست و meta-harness چه چیزی را هماهنگ میکند؟
Databricks در June 2026، Omnigent را معرفی کرد و آن را تحت مجوز Apache 2.0 منتشر کرد. این پروژه خود را یک meta-harness مینامد. Omnigent حلقهٔ agent را پیادهسازی نمیکند. بلکه agentهایی را که از قبل وجود دارند اجرا و هماهنگ میکند: Claude، Codex، Cursor، OpenCode، Hermes، Pi و SDK (software development kit) مربوط به agentهای OpenAI. تا October 2026، README همچنین GitHub Copilot، Antigravity، Devin، Kiro و Grok Build را نام برده بود. چند مورد از این agentها در فهرست harness دوبار ظاهر میشوند: یکبار در قالبی که با SDK سازنده ارتباط برقرار میکند و بار دیگر در قالبی native که برنامهٔ واقعی terminal سازنده را wrap میکند.
یک agent یک فایل YAML است؛ YAML یک قالب پیکربندی متنی ساده است:
name: my_agent
prompt: You are a helpful data analyst.
executor:
harness: claude-sdk
tools:
word_count:
type: function
callable: mypackage.mymodule.word_count
docs:
type: mcp
url: https://example.com/mcp
researcher:
type: agent
prompt: Search for relevant information.خط executor.harness هدف اصلی این پروژه را نشان میدهد. claude-sdk را به codex تغییر دهید تا همان prompt با همان ابزارها روی vendor دیگری اجرا شود. ابزار میتواند یک تابع Python، یک سرور MCP (model context protocol) یا agent دیگری باشد. حالت آخر، شیوهٔ بیان کار چند-agent است: sub-agent صرفاً یک ابزار است. اگر هنوز مشخص نکردهاید که skills، سرورهای MCP و فایلهای rules هرکدام باید کجا قرار بگیرند، تفاوت میان agent skills، MCP و فایلهای rules را ابتدا بخوانید؛ چون Omnigent هرکدام از این موارد را که harness زیرین پشتیبانی کند، به ارث میبرد.
مثال ارائهشده این ایده را روشن میکند. Polly یک orchestrator کدنویسی است و خودش هیچ کدی نمینویسد. ابتدا برنامهریزی میکند، کار را به sub-agentهای کدنویسی در git worktreeهای موازی واگذار میکند و سپس هر diff را برای reviewerای میفرستد که روی مدل vendor دیگری اجرا میشود.
آن را با script منتشرشده نصب کنید:
curl -fsSL https://raw.githubusercontent.com/omnigent-ai/omnigent/main/scripts/install_oss.sh | shیا آن را بهصورت دستی نصب کنید. این روش به Python 3.12 یا جدیدتر نیاز دارد:
uv tool install omnigent
omnigent setup
omnigent startpip install "omnigent" نیز کار میکند و extras را به روش معمول با uv tool install "omnigent[databricks,modal]" انتخاب میکنید. omnigent setup اعتبارنامهها و مقادیر پیشفرض را جمعآوری میکند. omnigent start سرور محلی را اجرا میکند، ماشین را بهعنوان host ثبت میکند و URL مورد استفاده برای بازکردن آن را چاپ میکند. omnigent server status و omnigent stop دو فرمان دیگری هستند که هر روز استفاده خواهید کرد. اجرای مستقل omnigent یک agent را راهاندازی نمیکند. omnigent و omni هر دو همان entry point را فراخوانی میکنند: در یک terminal تعاملی، اجرای فرمان مستقل سرور محلی و host را در پسزمینه شروع میکند و برمیگردد؛ بدون TTY، راهنما را چاپ میکند. یک agent را با omni claude، omni polly یا omni run agent.yaml راهاندازی کنید.
فهرست وابستگیها از چیزی که installer یکخطی نشان میدهد طولانیتر است: Python 3.12 یا جدیدتر، uv، git، Node.js 22 LTS (long term support) یا جدیدتر همراه با npm و pnpm، ابزار tmux برای wrapperهای native terminal و bubblewrap (bwrap) برای sandbox لینوکس. این موضوع مستقیماً از طراحی پروژه ناشی میشود. Omnigent بر CLIهای vendor نظارت میکند و بعضی از آنها را بهصورت خودکار نصب میکند، اما برای برخی دیگر نصب جداگانه لازم است. بنابراین Omnigent نرمافزار Python است که یکی از وظایفش اجرای نرمافزارهای Node.js است.
چه کسی مدل را تأمین میکند و هزینه آن را چه کسی میپردازد؟
این محور دارای بیشترین پیامدهای عملی است و سه پاسخ کاملاً متفاوت برای آن وجود دارد.
DeepSeek Harness از مدل «استفاده از سرویسدهنده شخصی» (bring-your-own) پیروی میکند. کاتالوگ ارائهدهندگان نصبشده شامل سرویسدهندگانی مانند Anthropic، OpenAI، Kimi (moonshotai) و GLM (zai) در کنار گزینهای برای API اختصاصی DeepSeek است. این کاتالوگ همچنین ارائهدهندگانی را فهرست میکند که احراز هویت کلید بومی ندارند، مانند openai-codex؛ این موارد تا زمانی که پروفایل بهطور صریح به یک مرجع اعتبارنامه (credential reference) اشاره نکند، فیلد کلید را نمایش نمیدهند (بررسیشده در 20 اکتبر 2026). یک ورودی ارائهدهنده سفارشی شامل یک شناسه ارائهدهنده با حروف کوچک، یک نام نمایشی، یک base URL، یک پروتکل API، یک اعتبارنامه و حداقل یک مدل است؛ این همان روشی است که از طریق آن میتوانید آن را به یک gateway شرکتی یا یک سرور self-hosted متصل کنید. کلیدها در $DSH_HOME/.credentials.yaml نوشته میشوند و تنظیمات ارائهدهنده در cordis.patch.yml پروفایل (برای dsh web، $DSH_HOME/profiles/web/cordis.patch.yml) فقط حاوی ارجاع به آنهاست؛ این یعنی اشتراکگذاری فایل تنظیمات ایمن است، اما فایل اعتبارنامهها خیر. یک ورودی gateway میتواند به جای آن از یک متغیر محیطی (environment variable) استفاده کند، با خطی مانند apiKeyEnv: GATEWAY_API_KEY. با وجود نام پروژه، هیچچیز در آن شما را مجبور به استفاده از مدلهای اختصاصی DeepSeek نمیکند. اگر میخواهید نحوه پر کردن این فایلها برای یک کلید واقعی یا هدایت آنها به یک endpoint محلی Ollama را ببینید، اتصال کلیدها، مدلها و endpointها در dsh هر حالت را بررسی کرده و توضیح میدهد که در هر مورد چه چیزی از دستگاه شما خارج میشود یا نمیشود.
Claude Code حول مدلهای یک فروشنده خاص ساخته شده است. شما با یک حساب کاربری پولی وارد میشوید یا ANTHROPIC_API_KEY را تنظیم میکنید و Claude Code بهجای باز کردن مرورگر، یک بار از شما میخواهد که آن کلید را تأیید کنید. این روش دوم همان راهکاری است که روی سرورهای headless کار میکند. سازمانهایی که قبلاً ظرفیت پردازشی را از جای دیگری خریداری کردهاند، میتوانند ترافیک را از طریق Amazon Bedrock، پلتفرم Agent در Google Cloud یا Microsoft Foundry هدایت کنند. API سازگار با Anthropic در Ollama، روش مستند برای هدایت آن به مدلهای محلی است، البته به قیمت از دست دادن خود Claude.
Omnigent به هر آنچه که harness زیرین نیاز دارد، وابسته است که توسط omnigent setup جمعآوری میشود. این ابزار کلیدهای API، اشتراکهای CLI موجود، gatewayهای سازگار با OpenAI یا Anthropic و فضاهای کاری Databricks را میپذیرد. این هزینه واقعی یک meta-harness است: یک دستگاه در نهایت تمام اعتبارنامههای فروشندگان را در خود نگه میدارد. پیش از آنکه آن دستگاه به اینترنت عمومی متصل شود، نحوه دور نگه داشتن اسرار از دسترس یک عامل هوش مصنوعی را مطالعه کنید.
هرکدام تا اوت 2026 چه میزان بلوغ دارند؟
Claude Code از سال 2025 بهطور عمومی در دسترس است و در 29 اکتبر 2026 همچنان در شاخه 2.1.x قرار داشت؛ در آن زمان، جدیدترین مدخل changelog نسخه 2.1.312 بود. این محصول در پسزمینه بهصورت خودکار بهروزرسانی میشود، کانالهای انتشار latest و stable را ارائه میکند، manifestهای انتشار با امضای GPG منتشر میکند و برای سازمانهایی که به حداقل نسخه مشخصی نیاز دارند، یک minimumVersion pin را مستند کرده است. این مشخصات نشان میدهد که محصولی است که کاربران همین حالا آن را در محیط production اجرا میکنند.
Omnigent از ژوئن 2026 بهصورت عمومی در دسترس است و همچنان در سری 0.x قرار دارد. در 29 اکتبر 2026، جدیدترین release آن در PyPI نسخه 0.20.0 بود که در 28 اکتبر upload شده بود. PyPI این نسخههای شمارهگذاریشده، از 0.1.0 به بعد، را بهعنوان releaseهای عادی و نه prerelease فهرست میکند و release candidateها جداگانه منتشر میشوند. بااینحال، README پروژه آن را alpha معرفی میکند. انتظار داشته باشید که هم فهرست harnessها و هم schema مربوط به YAML همچنان تغییر کند. این پروژه قابل استفاده است، اما هنوز stable نیست.
DeepSeek Harness با اختلاف زیاد جوانترین گزینه است. این پروژه در اوت 2026، چند روز پیش از نگارش نخستین نسخه این مقایسه، منتشر شد. README خود پروژه درباره تغییراتی هشدار میدهد که compatibility را میشکنند و تا 27 اکتبر 2026، هر build منتشرشده در npm همچنان prerelease بود. تعداد بسیار زیاد starها نشان میدهد که افراد زیادی آن را زیر نظر دارند. این تعداد درباره اینکه API مربوط به plugin تثبیت شده است یا نه، هیچ اطلاعاتی به شما نمیدهد.
هر کدام تحت چه مجوزی ارائه میشوند؟
پروژه DeepSeek Harness تحت مجوز MIT است و مجوزهای شخص ثالث در THIRD_PARTY_NOTICES.md ذکر شدهاند. Omnigent تحت مجوز Apache 2.0 است. Claude Code متنباز نیست: این یک محصول تجاری از شرکت Anthropic است و اجرای آن با مدلهای Anthropic نیازمند یک طرح اشتراکی، دسترسی API با پرداخت هزینه یا استفاده از یک ارائهدهنده ابری پشتیبانیشده است. اگر نیاز شما این است که بتوانید تمام خطوط کد را بخوانید و اصلاح کنید، Claude Code پیش از هرگونه مقایسه قابلیتها کنار گذاشته میشود. اگر نیاز شما این است که ابزار بدون دخالت شما در ماه آینده نیز به کار خود ادامه دهد، این نیاز به سمت دیگری اشاره دارد.
اجرای هر یک از این ابزارها روی VPS چه پیشنیازهایی دارد؟
Claude Code سادهترین گزینه در میان این سه ابزار است. آن را نصب کنید، وارد حساب خود شوید و آن را داخل tmux اجرا کنید تا در صورت قطع اتصال SSH (secure shell)، نشست شما باقی بماند. Anthropic حداقل 4 GB رم (random access memory) و یک پردازنده x64 یا ARM64 را روی Ubuntu 20.04 یا جدیدتر، Debian 10 یا جدیدتر، یا Alpine 3.19 یا جدیدتر توصیه میکند. روی Alpine باید ابتدا bash و curl را نصب کنید، زیرا در غیر این صورت دستور نصب با خطای not found شکست میخورد. اجرای Claude Code روی VPS داخل tmux مدیریت نشست را بهطور کامل توضیح میدهد.
DeepSeek Harness به Node.js و مرورگری که به رابط کاربری وب آن اشاره کند، نیاز دارد. فایل README به Node.js نیاز دارد اما حداقل نسخه آن را مشخص نکرده است. در تاریخ 27 October 2026، فایل package.json در ریشه مخزن، نسخه >=24.9.0 را اعلام کرد که نسبت به محدوده ^22.19.0 || >=24.0.0 در نسخههای منتشرشدهٔ قبلی ارتقا یافته است؛ بنابراین Node 22 دیگر کافی نیست و Node 24.9 یا جدیدتر انتخاب مطمئنی است. پورت 3080 را عمومی نکنید. سرور را روی 127.0.0.1 نگه دارید و پورت را از لپتاپ خود فوروارد کنید:
ssh -N -L 3080:127.0.0.1:3080 you@your-vpsسپس URL dsh که شامل توکن است را در مرورگر محلی خود باز کنید. این ابزار از طریق SSH سعی نمیکند مرورگر را برای شما باز کند. نصب کامل DeepSeek Harness روی VPS ساختار پروفایل و دستورات پلاگین را پوشش میدهد.
Omnigent سنگینترین ابزار است، زیرا سایر CLIها را نصب و مدیریت میکند. این ابزار به Python 3.12، uv، git، Node.js 22، npm، pnpm، tmux و bubblewrap روی همان سیستم نیاز دارد و برخی CLIهای جانبی نیز به نصب جداگانه نیاز دارند. برای Kiro بومی، ابتدا kiro-cli را نصب کرده و وارد شوید: اگر CLI در PATH موجود نباشد، لانچر شکست میخورد، مگر اینکه OMNIGENT_KIRO_PATH را به مسیر آن اشاره دهید. فایل README آن میگوید رابط کاربری محلی را میتوان از طریق گوشی در آدرس LAN دستگاه باز کرد، بنابراین روی VPS فرض نکنید که پورت 6767 خصوصی است: آن را در فایروال خود مسدود کرده و به همان روش قبل فوروارد کنید:
ssh -N -L 6767:127.0.0.1:6767 you@your-vpsبرای سروری که افراد دیگر از آن استفاده میکنند، مسیر پشتیبانیشده، استقرار Docker تحت deploy/ است که حسابهای چندکاربره را بهصورت پیشفرض فعال میکند. همین رفتار در سروری که بهصورت دستی اجرا شده با تنظیم OMNIGENT_AUTH_ENABLED=1 در دسترس است و ورود OIDC (OpenID Connect) با Google، GitHub، Okta و Microsoft کار میکند. راهنمای Omnigent multi-agent harness ارائهدهندگان sandbox را پوشش میدهد که بهمحض نوشتن عاملها روی دیسک، اهمیت پیدا میکنند.
چرا رابط کاربری وب روی آدرس IP عمومی سرور شما خالی نمایش داده میشود؟
اقدام بدیهی، اتصال یک web harness به یک آدرس عمومی و باز کردن پورت مربوطه است. این دو مورد در اینجا رفتار متفاوتی دارند. DeepSeek Harness اکنون بدترین حالت این کار را مسدود میکند: فلگ --host آن فقط یک آدرس محلی مشخص را میپذیرد و استفاده از wildcard مانند 0.0.0.0 در زمان راهاندازی رد میشود. URL چاپشده توسط آن حاوی یک توکن پردازش است و آن توکن به همراه یک session cookie امضاشده، هر فراخوانی API را احراز هویت میکند؛ این یعنی در بستر HTTP ساده، توکن بهصورت رمزنگارینشده در شبکه منتقل میشود. سرور محلی خام Omnigent، حسابهای کاربری چندگانه را غیرفعال نگه میدارد، بنابراین یک پورت باز Omnigent به معنای یک shell باز روی VPS شماست.
مورد دومی که باعث اختلال میشود، یک قانون مرورگر است که کاربران را غافلگیر میکند. crypto.randomUUID() فقط در یک context امن تعریف میشود، که به معنای HTTPS (پروتکل انتقال ابرمتن امن)، localhost یا 127.0.0.1 است. زمانی که این مقایسه در آگوست 2026 نوشته شد، بارگذاری رابط کاربری DeepSeek Harness از طریق یک آدرس ساده مانند http://203.0.113.10:3080 باعث میشد کنسول مرورگر این خطا را گزارش کند:
TypeError: crypto.randomUUID is not a functionدر این حالت، صفحه بهصورت ناقص یا اصلاً رندر نمیشد، زیرا ایجاد نشست (session) پیش از آنکه چیزی ترسیم شود، با شکست مواجه میشد. هیچچیز در سرور خراب نبود و لاگها یک درخواست عادی را نشان میدادند. مبدأ (origin) توسط مرورگر قابلاعتماد شناخته نمیشد، بنابراین تابعی که front end به آن وابسته بود، هرگز تعریف نمیشد. یک تونل SSH بدون نیاز به گواهی این مشکل را حل میکند، زیرا 127.0.0.1 بهعنوان یک context امن در نظر گرفته میشود. یک reverse proxy که دارای یک گواهی TLS (امنیت لایه انتقال) معتبر باشد نیز کارساز است و توکن راهاندازی dsh را از شبکه دور نگه میدارد؛ همچنین در مقابل Omnigent، شما باید احراز هویت را شخصاً فعال کنید.
کدامیک برای شما مناسب است؟
اگر به یک عامل برنامهنویسی نیاز دارید که همین امروز کار کند، مایل به پرداخت هزینه به Anthropic هستید و محیط ترمینال محل اصلی کار شماست، Claude Code را انتخاب کنید. این ابزار تنها مورد از این سه گزینه است که یک محصول تجاری نهایی محسوب میشود و نه یک نسخه پیشنمایش.
اگر مدل پلاگین برای شما اولویت دارد، DeepSeek Harness را انتخاب کنید: یعنی میخواهید آداپتور مدل، محیط sandbox یا حلقه عامل (agent loop) را جایگزین کنید و میپذیرید که رابط برنامهنویسی که با آن کار میکنید تغییر خواهد کرد. کاتالوگ ارائهدهندگان این ابزار شامل Anthropic و OpenAI است، بنابراین انتخاب آن شرطبندی روی runtime است، نه روی مدلهای DeepSeek.
اگر در حال حاضر بیش از یک CLI عامل اجرا میکنید و مشکل اصلی شما هماهنگی است، Omnigent را انتخاب کنید: مواردی مانند سیاستگذاری، sandboxing، بازبینی توسط مدل یک فروشنده دیگر و یک نشست (session) مشترک که دیگران بتوانند آن را مشاهده کنند. این ابزار لایهای به پشته نرمافزاری شما اضافه میکند و لایهای که به آن نیاز ندارید، لایهای است که میتواند باعث خرابی شود. اگر مشکل هماهنگی شما کوچکتر از این موارد است، دو نشست Claude Code روی یک سیستم میتوانند بدون نیاز به یک ارکستراتور در میان، به یکدیگر پیام ارسال کنند.
اگر هنوز در حال بررسی گزینهها هستید، عامل برنامهنویسی هوش مصنوعی Mimo Code در همان دستهبندی عاملهای ترمینالی مانند Claude Code قرار دارد و مطالعه درباره اجرای عاملهای برنامهنویسی در یک VM یکبارمصرف صرفنظر از انتخابتان ارزشمند است، زیرا هیچکدام از این سه ابزار، یک rm -rf بیملاحظه را بهتنهایی ایمن نمیکنند. همچنین هیچکدام از این سه ابزار تصمیم نمیگیرند که diff پیشنهادی عامل چقدر بزرگ باشد؛ این موضوع در سطح prompt تعیین میشود، بنابراین مهارتی که عامل را به سمت کوچکترین تغییرِ کارآمد سوق میدهد، ارزش آن را دارد که بر روی هر ابزاری که انتخاب میکنید، پیادهسازی شود.
FAQ
آیا برای استفاده از Claude Code به طرح پولی Anthropic نیاز دارم؟
برای مدلهای Anthropic، بله، یا یک ارائهدهنده ابری پشتیبانیشده. مستندات راهاندازی Anthropic بیان میکند که Claude Code به یک حساب Pro، Max، Ultra، Team، Enterprise یا Console نیاز دارد و طرح رایگان Claude.ai شامل این دسترسی نمیشود. سازمانهایی که ظرفیت پردازشی در جای دیگری دارند، میتوانند آن را به Amazon Bedrock، پلتفرم Agent گوگلکلاود یا Microsoft Foundry متصل کنند. روی یک VPS بدون رابط گرافیکی (headless)، قبل از اولین اجرا ANTHROPIC_API_KEY را تنظیم کنید: در این صورت Claude Code بهجای تلاش برای باز کردن مرورگر، یکبار از شما میخواهد که آن کلید را تأیید کنید. Ollama یک مسیر جداگانه به نام ollama launch claude را مستند کرده است که Claude Code را از طریق API سازگار با Anthropic در Ollama، روی مدلهای محلی اجرا میکند و نیازی به اعتبارنامه Anthropic ندارد، اما در این حالت مدلی که کار را انجام میدهد Claude نیست.
آیا DeepSeek Harness میتواند مدلهای Claude یا OpenAI را اجرا کند؟
بله. کاتالوگ ارائهدهندگان نصبشده شامل Anthropic و OpenAI در میان سایرین است و شما میتوانید برای هر ارائهدهنده، یک کلید در بخش Settings و سپس Models اضافه کنید. هر چیزی خارج از کاتالوگ بهعنوان یک ارائهدهنده سفارشی وارد میشود که به یک شناسه ارائهدهنده با حروف کوچک، یک URL پایه، یک پروتکل API، یک اعتبارنامه و حداقل یک مدل نیاز دارد. کاتالوگ همچنین ارائهدهندگانی را بدون احراز هویت کلید بومی فهرست میکند، مانند openai-codex، و آنها هیچ فیلد کلیدی را نشان نمیدهند مگر اینکه پروفایل بهطور صریح به یک مرجع اعتبارنامه اشاره کند (بررسیشده در 20 اکتبر 2026). کلیدها در $DSH_HOME/.credentials.yaml ذخیره میشوند در حالی که cordis.patch.yml پروفایل فقط حاوی یک مرجع است، بنابراین از فایل اعتبارنامهها بهصورت جداگانه نسخه پشتیبان تهیه کنید و آن را خارج از کنترل نسخه (version control) نگه دارید.
آیا Omnigent جایگزین Claude Code است؟
خیر. Omnigent، برنامه Claude Code را اجرا میکند. لیست harness آن شامل Claude، Codex، Cursor، OpenCode، Hermes و Pi است و یک عامل (agent)، یکی از آنها را با یک خط harness: در فایل YAML خود انتخاب میکند. شما همچنان CLI زیرساختی را احراز هویت میکنید و برخی از CLIهای فروشندگان نیاز دارند که آنها را بهصورت جداگانه نصب کنید. Omnigent ارکستراسیون، سیاستگذاری و محیط ایزوله (sandboxing) را به آن میافزاید، بنابراین تنها زمانی که بیش از یک عامل یا بیش از یک فروشنده را اجرا میکنید، وابستگیهای آن توجیهپذیر است.
چرا رابط کاربری وب DeepSeek Harness روی آدرس IP عمومی سرور من خالی است؟
در اوت 2026 علت این بود که یک مبدأ HTTP ساده، یک بستر امن محسوب نمیشود، بنابراین crypto.randomUUID() در آنجا تعریفنشده است و کنسول مرورگر خطای TypeError: crypto.randomUUID is not a function را گزارش میکرد. ایجاد نشست (session) با شکست مواجه میشد، بنابراین صفحه بهصورت ناقص یا اصلاً رندر نمیشد در حالی که لاگهای سرور عادی به نظر میرسیدند. نسخههای فعلی همچنین یک --host با کاراکتر عام (wildcard) را رد میکنند و یک توکن پردازش در URL چاپشده قرار میدهند، بنابراین آدرس خالی بهتنهایی شما را وارد نمیکند. پورت را از طریق SSH با ssh -N -L 3080:127.0.0.1:3080 you@your-vps فوروارد کنید و URL چاپشده را در http://127.0.0.1:3080 باز کنید، زیرا loopback یک بستر امن محسوب میشود. یک reverse proxy با گواهی TLS واقعی نیز کار میکند و از انتقال توکن راهاندازی در شبکه بهصورت متن ساده (plain text) جلوگیری میکند.
این harnessها به چه مقدار RAM روی یک VPS نیاز دارند؟
Anthropic برای Claude Code مقدار 4 گیگابایت یا بیشتر را مستند کرده است. برای DeepSeek Harness و Omnigent، بهجای حدس زدن، اندازهگیری کنید. با مدلهای راه دور، خودِ harness بهجای استنتاج (inference)، نظارت بر فرآیند و کار با فایل را انجام میدهد؛ میزبانی یک مدل محلی، نیازهای حافظه خاص خود را اضافه میکند. آنچه واقعاً اندازه سرور را تعیین میکند، کاری است که عامل روی آن انجام میدهد، مانند یک build و یک مجموعه تست. Omnigent بیشترین منابع را میطلبد، زیرا Python، Node.js، tmux و هر CLI فروشندهای که فعال میکنید، روی همان ماشین اجرا میشوند.