무슨 일이 있었나요?
DeepSeek이 macOS와 Windows용 데스크톱 앱 DeepSeek Harness를 공개했어요. DeepSeek은 2025년 초 R1 추론 모델로 “적은 비용으로도 최상위권 성능을 낼 수 있다”는 걸 보여주며 업계를 크게 흔들었던 중국 AI 회사죠. 그동안 모델과 API, 채팅 앱으로 알려졌는데, 이번에는 하네스라는 단어를 이름에 전면으로 내건 데스크톱 앱을 냈다는 점이 눈에 띄어요.
하네스(harness)가 뭐냐면
하네스는 원래 말에 씌우는 마구를 뜻해요. 말이 아무리 힘이 세도 마구가 없으면 수레를 끌 수 없잖아요. AI도 비슷해요. 모델이 엔진이라면 하네스는 그 엔진을 실제 일에 연결해주는 차체와 핸들이에요.
조금 더 구체적으로 보면, 에이전트 하네스는 루프를 돌려요. 모델에게 작업을 주고, 모델이 “이 파일을 읽어볼게”, “이 명령을 실행해볼게”라고 하면 실제로 도구를 실행해서 결과를 돌려줘요. 모델은 그 결과를 보고 다음 행동을 정하고요. 그러는 동안 대화가 길어지면 요약해서 컨텍스트를 관리하고, 위험한 명령은 사용자에게 허락을 받는 권한 관리도 하네스가 맡아요. Claude Code, OpenAI Codex, Gemini CLI가 모두 이런 하네스예요.
재밌는 건 같은 모델이라도 하네스에 따라 성능이 크게 달라진다는 점이에요. Terminal-Bench 같은 에이전트 벤치마크가 모델 하나가 아니라 “모델+하네스” 조합으로 결과를 비교하는 것도 그래서예요. 이름으로 보면 DeepSeek Harness도 모델을 실제 작업 환경에 연결하는 데 초점을 맞춘 제품으로 보여요. 코딩 특화인지 범용 업무용인지, 어떤 도구와 권한 모델을 제공하는지 같은 세부 사항은 공식 페이지에서 꼭 확인해보세요.
왜 DeepSeek이 직접 하네스를 만들까요?
힌트는 그동안의 행보에 있어요. DeepSeek은 2025년 V3.1에서 도구 사용과 에이전트 능력을 크게 강조했고, API에 Anthropic API 호환 형식을 추가해서 Claude Code 같은 다른 회사의 하네스에 DeepSeek 모델을 꽂아 쓸 수 있게 했어요. 그러니까 지금까지는 “남의 하네스에 들어가는 엔진”이었던 거죠.
자체 하네스가 있으면 사용자 경험을 직접 통제하고 모델과 하네스를 함께 최적화할 수 있어요. 실제 사용 패턴을 보면서 다음 모델을 에이전트 작업에 더 잘 맞게 학습시키는 선순환도 만들 수 있고요. 모델 회사가 자기 하네스를 갖추는 흐름은 Anthropic, OpenAI, Google을 거쳐 알리바바의 Qwen Code, Moonshot AI의 Kimi CLI 같은 중국 기업들로 이어지고 있어요.
업계 맥락: 무엇으로 경쟁할까
이 시장에는 모델 회사가 만든 하네스도 있고, Cline, Aider, OpenCode처럼 여러 모델을 골라 쓰는 오픈소스 하네스도 있어요. DeepSeek의 무기는 분명해요. 가격과 오픈 웨이트 모델이에요. 에이전트는 작업 하나에 모델을 수십에서 수백 번 호출하기 때문에 토큰 단가가 체감 비용을 크게 좌우하거든요. 다만 최상위 폐쇄형 모델과 비교한 복잡한 작업에서의 안정성이나 하네스 자체의 완성도는 직접 써보면서 따져봐야 해요.
한국 개발자에게: 데이터와 보안이 먼저예요
국내에서는 이 부분을 꼭 짚고 넘어가야 해요. 2025년 초 개인정보보호위원회가 개인정보 처리 문제로 DeepSeek 앱의 국내 신규 다운로드를 일시 중단시켰다가 개선 조치 후 재개한 일이 있었어요. 많은 공공기관과 기업이 업무망에서 DeepSeek 접속을 막기도 했고요.
데스크톱 에이전트는 채팅 앱보다 훨씬 많은 걸 다뤄요. 로컬 파일을 읽고 터미널 명령까지 실행하니까 소스 코드, .env 파일 속 API 키, 고객 데이터가 의도치 않게 서버로 넘어갈 수 있거든요. 그래서 써보기 전에 데이터가 어디서 처리되는지, 학습에 쓰이는지, 얼마나 보관되는지, 명령을 실행하기 전에 승인을 받는 구조인지 확인하세요. 회사 노트북이라면 보안 정책부터 확인하고요.
개인적으로 써본다면 비밀 정보가 없는 사이드 프로젝트 폴더나 가상 머신에서 시작하는 게 좋아요. 같은 작업을 Claude Code나 Gemini CLI에도 맡겨서 결과와 비용을 나란히 비교해보면 감이 빨리 오고요. 민감한 업무라면 DeepSeek의 오픈 웨이트 모델을 사내 서버에 올리고 오픈소스 하네스와 조합하는 것도 대안이 될 수 있어요.
마무리
AI 경쟁이 “누가 더 똑똑한 엔진을 만드느냐”를 넘어 “누가 더 쓸모 있는 하네스까지 갖추느냐”로 넓어지고 있다는 신호예요.
여러분은 에이전트 도구를 고를 때 모델 성능, 가격, 데이터 정책 중 무엇을 가장 먼저 보시나요?
🔗 출처: Hacker News