DeepSeek Harness 따라하기 (나만의 영상 제작 Harness 만들기)

이창근 지음

위키독스 2026년 08월 31일 출간

작품소개

책소개

DeepSeek가 공개한 오픈소스 에이전트 하네스 DeepSeek Harness(dsh) 를 설치부터 실전까지 따라 하며 익히는 실습서입니다. AI 코딩 결과물을 자동 채점하는 평가 하네스로 자동화의 뼈대를 다진 뒤, 그 뼈대 위에 대본 작성·AI 내레이션·자막·영상 합성까지 이어지는 나만의 영상(쇼츠) 제작 하네스를 완성합니다.

AI 활용 집필 안내

- 이 책은 Claude Code(AI)를 활용하여 작성되었습니다. 모든 설치·실습 과정은 실제 환경에서 직접 실행해 검증했으며, 각 페이지 상단에 검증 상태([검증] / [참고])와 대상 소프트웨어 버전을 표시합니다. 실행하지 못한 내용은 공식 문서 기준임을 명시해 구분합니다.

이 책의 특징

- DeepSeek Harness v0.1.1-rc.2 를 실제로 설치·실행한 실측 결과를 바탕으로 씁니다.
- 웹 UI 첫 실행부터 Python SDK 헤드리스 실행까지, 독자가 그대로 따라 할 수 있는 실습 중심으로 구성합니다.
- "Everything is a Plugin" 아키텍처(Cordis)의 핵심 개념을 비유와 실습으로 풀어 설명합니다.
- 책의 후반부에서는 배운 내용을 종합해 두 개의 실전 시스템을 만듭니다: backend & frontend 평가 하네스(6~9장), 그리고 dsh 에이전트 + ElevenLabs v3 + FFmpeg + Google Flow 연동으로 완성하는 유튜브 쇼츠 제작 하네스(10~12장).
- 영상 제작 파이프라인도 실측 기반입니다 — 실제로 한국어 내레이션을 합성하고 자막 타이밍을 정렬해 9:16 MP4를 완성한 과정과 비용(무료 한도의 2.4%)까지 기록했습니다.
- 실측 중 발견한 함정(gotcha)과 해결 방법을 트러블슈팅으로 정리합니다.
- Developer Preview 단계인 dsh의 버전 변화를 추적하며 책을 지속 업데이트합니다.

대상 독자

- AI 에이전트로 유튜브 쇼츠 같은 영상 콘텐츠 제작을 자동화하고 싶은 개발자와 크리에이터
- LLM 기반 서비스/에이전트의 품질을 체계적으로 평가하고 싶은 개발자
- DeepSeek가 공개한 오픈소스 하네스를 활용해서 자체 평가 환경을 구축하고 싶은 개발자
- 실무에서 AI 코딩으로 생성한 backend & frontend의 평가 자동화(evaluation harness)를 도입하고 싶은 개발자 및 QA 엔지니어
- Claude Code 같은 에이전트 하네스의 내부 구조가 궁금한 개발자

참고 자료

- 공식 저장소: https://github.com/deepseek-ai/deepseek-harness
- 공식 문서(Quickstart): https://deepseek-harness.github.io/deepseek-harness/en/guide/quickstart
- 예제 코드 저장소: https://github.com/ady95/deepseek-harness-tutorial

목차

01. DeepSeek Harness 소개
01-1. 에이전트 하네스란 무엇인가
01-2. DeepSeek Harness의 등장과 특징
01-3. 기존 하네스와의 비교
01-4. 이 책의 학습 로드맵

02. 설치와 첫 실행
02-1. 사전 준비 — Node.js와 API 키
02-2. 웹 UI 설치와 실행
02-3. 모델 연결 설정
02-4. 첫 작업 실행하기
02-5. 트러블슈팅 — 설치 단계

03. 실행 모드와 프로필
03-1. 4가지 에이전트 모드 이해
03-2. CLI 프로필 구조 — web과 headless
03-3. 실습: 헤드리스 모드 첫 자동 실행
03-4. Code 모드와 Minimal 모드 활용

04. 핵심 개념 — Cordis와 플러그인
04-1. Everything is a Plugin — Cordis 기초
04-2. 프로필·번들·패치 — cordis.patch.yml
04-3. 세션 이벤트 로그와 Trajectory View
04-4. 컨텍스트 압축과 샌드박스
04-5. 실습: 패치로 구성 바꿔 보기

05. Python SDK와 자동화
05-1. Python SDK 설치
05-2. 첫 헤드리스 실행 — jsonrpc-agent
05-3. 세션 관리와 결과 수집
05-4. 실습: 반복 실행 자동화

06. 평가 하네스 설계
06-1. 왜 평가 하네스인가
06-2. 평가 하네스의 4대 구성 요소
06-3. 평가 지표 설계
06-4. dsh 기반 평가 아키텍처

07. 실전 프로젝트: Backend 평가 하네스
07-1. 평가 대상 준비 — AI가 만든 REST API
07-2. 과제셋 정의
07-3. 실행기 구현
07-4. 채점기 구현 — pytest 기반
07-5. 리포트 생성과 결과 분석

08. 실전 프로젝트: Frontend 평가 하네스
08-1. 평가 대상 준비 — AI가 만든 웹 UI
08-2. 과제셋 정의
08-3. Playwright 채점기 구현
08-4. 파이프라인 통합과 결과 분석

09. 운영과 보안
09-1. 샌드박스의 한계와 보안 설계
09-2. 비용과 토큰 관리
09-3. 버전 업그레이드 대응

10. 실전 확장: 쇼츠 공장 설계
10-1. 쇼츠 자동화의 그림 — 역할 분리와 공정
10-2. 승인 게이트와 검증표
10-3. 프로젝트 상태와 비용 통제
10-4. 서버 환경 준비 — FFmpeg와 한글 자막

11. 음성·자막 파이프라인
11-1. ElevenLabs v3 준비 — 모델·보이스 선정
11-2. 실습: 내레이션 합성
11-3. Forced Alignment로 자막 타이밍
11-4. SRT·ASS 자막 생성과 검증
11장 전자책 미리보기: 쇼츠 파이프라인 완성하기

12. 영상 합성과 오케스트레이션
12-1. 장면 명세와 시각 자산
12-1-1. 실습: Google Flow를 반자동으로 연동하기
12-2. FFmpeg 자동 편집
12-3. dsh 오케스트레이션 — 승인 루프
12-4. QA와 비용 기록

부록A. 트러블슈팅 모음
부록B. 명령·설정 레퍼런스
부록C. 참고 자료

인물정보

저자(글) 이창근

2012년부터 컴퓨터 비전 분야을 통해 처음으로 딥러닝 분야를 접하게되면서 AI를 본격적으로 연구하게 되었다. 지금은 AI 에이전트와 데이터 기반 지능화 기술에 특히 관심을 가지고 있다.