아티클 목록으로
AI 에이전트

DeepSeek Harness 일일 사용자 154만 명, 플러그인 생태계는 거버넌스 단계로

약 4분 소요

들어가며

DeepSeek Harness가 단일 Agent 도구에서 개발자와 함께 확장되는 개방형 플랫폼으로 이동하고 있습니다. 공식 발표에 따르면 11월 4일 기준 공식 API를 사용하는 이용자를 대상으로 집계한 일일 활성 사용자는 154만 명이며, 하루 Token 소비량은 약 92조였습니다. 서드파티 플러그인은 약 3만5000개로 늘었고, 활성 사용자의 약 60%가 최소 하나의 플러그인을 만들거나 설치했습니다. 다만 플러그인 제작자를 위한 Token 지원은 현재 준비 단계로, 이미 전면 시행된 프로그램은 아닙니다.

플랫폼 확장의 중심이 된 플러그인

DeepSeek Harness는 “모든 것을 플러그인으로”라는 설계를 내세웁니다. 모델, 도구, 메모리, 인터페이스 같은 기반 기능은 플랫폼이 제공하고, 전문 업무와 개인화된 작업 흐름은 개발자가 보완하는 구조입니다. 커뮤니티에서는 콘텐츠 제작, 디자인, 연구, 컨텍스트 관리, 코딩 관련 플러그인이 등장했습니다. 여러 코딩 Agent를 하나의 화면에 연결하거나, 장기 기억과 주제별 자동 라우팅을 구축하고, 실제 스마트폰을 원격 제어하는 프로젝트도 나왔습니다.

이 방식은 사용자가 공급자가 정한 고정 워크플로에 묶이지 않고 자신의 업무에 맞는 Agent 환경을 구성하게 해줍니다. 플랫폼 입장에서도 모든 사용 사례를 내장 기능으로 개발하지 않고 생태계를 통해 확장할 수 있다는 장점이 있습니다.

플러그인이 많다고 Agent가 항상 강해지는 것은 아니다

개방성에는 비용이 따릅니다. 플러그인마다 설명, 호출 규칙, 권한, 의존성이 추가되기 때문에 많은 도구를 동시에 노출하면 모델이 문제 해결보다 도구 이해에 더 많은 주의를 써야 할 수 있습니다. 일부 사용자는 플러그인을 많이 설치한 뒤 컨텍스트 초과, 반복 호출, Token 소비 증가, 긴 실행 시간 등을 경험했다고 보고했습니다. 이는 개별 사례이며 전체 성능을 대표하지는 않지만 중요한 설계 이슈를 보여줍니다.

따라서 생태계의 성숙도를 플러그인 개수만으로 판단하기는 어렵습니다. 필요한 도구만 불러오는 방식, 선택적 설명 제공, 명확한 의존성 정보, 설치 전 판단을 돕는 안내가 더 중요할 수 있습니다. 일반 사용자에게 확산되려면 자유로운 조합과 바로 사용할 수 있는 완성도 사이의 균형도 필요합니다.

관리 인프라를 보완하는 단계

최근 업데이트는 API를 공개하는 데서 나아가 플러그인의 전체 수명주기를 관리하는 방향으로 움직이고 있습니다. 사용자 정의 인덱스, 호환성 검사, 활성화와 삭제, 의존성 동기화, 핫 리로드, 업데이트 실패 복구, 설치 진단, 로그 확인 등이 추가 또는 개선됐습니다. 긴 대화의 압축, 캐시 재사용, 개발자 통계 기능은 컨텍스트와 실행 비용을 줄이고 관찰하기 위한 시도입니다.

하지만 업그레이드 후 설정이 사라지거나, 플러그인 호환성 문제가 발생하고, 복구 수단이 부족하다는 커뮤니티 피드백도 있습니다. 모델 라우팅, MCP 서비스, 로컬 의존성, Agent 사전 설정을 조합한 사용자에게 플러그인은 단순히 교체 가능한 부품이 아니라 작업 환경의 일부입니다.

의미와 영향

앞으로 DeepSeek Harness의 경쟁력은 플러그인 총량보다 신뢰할 수 있는 생태계 기반을 구축하는 능력에 달려 있습니다. 공식 마켓플레이스, Token 인센티브, 기술 교류, 작품 추천은 개발자 공급을 늘릴 수 있지만 품질이나 장기 유지보수를 보장하지는 않습니다.

품질 평가, 보안 심사, 권한 고지, 버전 호환성, 자동 백업, 장애 발생 시 롤백이 갖춰져야 사용자가 생태계를 장기적으로 신뢰할 수 있습니다. 이런 기반이 완성되면 Harness는 Agent 시대의 애플리케이션 플랫폼이 될 수 있습니다. 반대로 관리가 확장을 따라가지 못하면 기능은 늘어나도 사용과 유지보수가 더 어려운 생태계가 될 수 있습니다.

출처: InfoQ 中文

댓글

로그인 상태 확인 중…

댓글 불러오는 중…

관련 게시물

CCTest · Blog
AgentBaton, 에이전트 작업에서 고성능 모델과 효율 모델을 교대 운용
AI 에이전트
cctest.ai
AI 에이전트

AgentBaton, 에이전트 작업에서 고성능 모델과 효율 모델을 교대 운용

NVIDIA 연구진이 장기 에이전트 작업의 적절한 시점에 고성능 모델에서 저비용 효율 모델로 제어를 넘기는 AgentBaton을 제안했다. 실험에서는 작업 정확도를 대체로 유지하면서 API 비용을 크게 줄일 수 있음을 보였다.

더 보기
CCTest · Blog
에이전트 진화는 점수 상승 그 이상이다: 신뢰성·비용·전이의 숨은 대가
AI 에이전트
cctest.ai
AI 에이전트

에이전트 진화는 점수 상승 그 이상이다: 신뢰성·비용·전이의 숨은 대가

모델 가중치를 바꾸지 않고 에이전트를 진화시키면 시스템은 정말 더 좋아질까? 한 연구는 높은 벤치마크 점수 뒤에 능력 손실, 비용 증가, 전이 약화가 숨을 수 있음을 보여준다.

더 보기