DeepSeek Super-Agent: Agen Coding Open Source yang Ikut Membaca Chat Tim

DeepSeek Super-Agent adalah prototipe agen coding open source (lisensi MIT) yang bisa memantau grup chat developer, mengenali masalah kode, lalu menawarkan solusi, misalnya lewat pull request, tanpa harus dipanggil satu per satu. Rilis 1 November 2026 ini penting karena menggeser cara kerja agen AI: dari "asisten yang menunggu perintah" menjadi "rekan tim yang ikut membaca percakapan".

Kode prototipenya dipublikasikan di GitHub dengan nama dsh-superagent-prototype, sehari setelah tim DeepSeek menjelaskan desainnya lewat unggahan WeChat. Bloomberg dan sejumlah media menyebut langkah ini sebagai upaya DeepSeek menantang Claude Code dari Anthropic. Mari kita bedah apa yang benar-benar baru, apa yang belum, dan cara mencobanya dengan aman.

Apa sebenarnya DeepSeek Super-Agent?

Super-Agent dibangun oleh Harness team DeepSeek, tim yang dibentuk awal 2026 untuk membuat agen yang bisa bersaing dengan layanan coding dari lab AI Amerika. Istilah "harness" di sini berarti kerangka perangkat lunak di sekitar model bahasa besar (LLM) yang membantu agen mengerjakan tugas kompleks: memanggil tool, membaca file, menjalankan perintah, dan mengelola sesi.

Menurut laporan The Next Web, poin-poin utamanya adalah:

• Status prototipe riset. DeepSeek menegaskan ini "bukan produk resmi DeepSeek" dan meminta pengguna meninjau serta menyesuaikan kode sebelum menjalankannya.
• Terhubung ke Feishu, aplikasi chat kerja milik ByteDance (versi internasionalnya dikenal sebagai Lark).
• Fokus satu repositori GitHub per penerapan.
• Bekerja di sesi sendiri. Saat orang yang disetujui meminta pekerjaan, agen membuka tugas di sesi terpisah lalu membalas di thread asal, misalnya dengan pull request.
• Panel web yang mengumpulkan hal-hal yang membutuhkan keputusan manusia.
• Aturan aktivasi: agen hanya bertindak bila diminta, atau bila aturan tim mengizinkannya.

Prinsip yang ditulis di manualnya cukup jelas: "ambil perhatian manusia sesedikit mungkin, dan beri nilai sebanyak mungkin."

Kenapa "proaktif" jadi kata kuncinya?

Hampir semua alat coding AI populer saat ini bersifat on-demand: kamu membuka terminal atau IDE, mengetik perintah, lalu agen bekerja. Super-Agent mencoba membalik pola itu. Business Standard dan Investing.com melaporkan bahwa agen ini bisa memantau percakapan developer, mengidentifikasi masalah coding, dan mengusulkan solusi tanpa menunggu instruksi langsung.

Ada perbedaan nuansa antar sumber yang perlu dicatat. Bloomberg (dikutip The Next Web) menyebut agen bisa menyarankan solusi "tanpa dipanggil", sementara README proyek, menurut The Next Web, menyatakan agen hanya bertindak bila diminta atau bila aturan tim mengizinkan. Artinya, perilaku proaktif kemungkinan besar adalah opsi yang dikonfigurasi tim, bukan perilaku bawaan yang liar. The Next Web juga mencatat bahwa kode publik berbeda dari versi internal DeepSeek, dan sebagian ide di artikel desainnya belum dibangun.

Masalah yang ingin diselesaikan cukup nyata: biaya koordinasi. Ketika satu tim memakai beberapa agen AI sekaligus, developer justru sibuk menjadi "operator" yang memberi konteks, menyalin log, dan memantau hasil. The Next Web mengutip studi CooperBench (Januari) yang menemukan tingkat keberhasilan agen coding rata-rata 30% lebih rendah saat bekerja sebagai tim dibanding sendirian. Studi itu tidak menguji agen DeepSeek, tapi menunjukkan bahwa koordinasi antar-agen memang belum beres.

Apa hubungannya dengan DeepSeek Harness (dsh)?

Super-Agent tidak muncul dari nol. Pada Agustus 2026, TechNode melaporkan DeepSeek merilis DeepSeek Harness (dsh), harness agen open source berlisensi MIT berstatus developer preview, dengan antarmuka web dan struktur berbasis plugin. DeepSeek sendiri mengingatkan dsh "masih berubah cepat" dan bisa membawa perubahan yang merusak kompatibilitas.

Nama repositori Super-Agent yang berawalan dsh- mengisyaratkan bahwa ia dibangun di atas ekosistem harness yang sama. Ekosistem ini juga sudah memunculkan plugin komunitas, misalnya dsh-feishu yang menjadikan Feishu sebagai antarmuka dsh (plugin komunitas, bukan rilis resmi DeepSeek).

Bagaimana perbandingannya dengan alat lain?

Berikut ringkasan posisi Super-Agent dibanding alat yang sering disebut bersamanya. Kolom untuk alat lain sengaja dibuat umum karena fokus artikel ini adalah rilis DeepSeek.

Aspek	DeepSeek Super-Agent	DeepSeek Harness (dsh)	Claude Code (Anthropic)	Aplikasi Copilot (GitHub Universe)
Status	Prototipe riset, "bukan produk resmi"	Developer preview	Produk komersial	Diperkenalkan di GitHub Universe
Lisensi	MIT	MIT	Proprietary	Proprietary
Cara dipicu	Diminta di chat, atau aturan tim	Web UI atau terminal (headless)	Perintah developer	Perintah developer
Antarmuka utama	Grup chat Feishu + panel web	Web UI lokal, CLI	Terminal, IDE	Aplikasi Copilot
Cakupan repo	Satu repositori GitHub	Tergantung konfigurasi	Repo lokal	Beberapa repo paralel
Benchmark resmi	Belum dipublikasikan	Belum dipublikasikan	Ada	Tidak dibahas sumber

Satu hal yang belum ada di sumber mana pun: angka benchmark, model bawaan yang dipakai Super-Agent, dan harga. Beberapa situs agregator menulis klaim performa, tapi tanpa angka yang bisa diverifikasi, jadi sebaiknya dianggap belum terbukti.

Bagaimana cara mencobanya?

Karena Super-Agent masih prototipe dan DeepSeek sendiri meminta kodenya ditinjau dulu, jalur paling aman adalah mengenal fondasinya, yaitu DeepSeek Harness. Perintah resminya, sesuai laporan TechNode dan dokumentasi integrasi Opper:

# Jalankan web UI DeepSeek Harness (tanpa instalasi terpisah)
npx @deepseek-ai/dsh web
# Web UI tersedia di http://127.0.0.1:3080

# Atau mode headless dari terminal
npx @deepseek-ai/dsh --profile headless "Ringkas repositori ini"

dsh menerima endpoint apa pun yang kompatibel dengan OpenAI sebagai provider kustom. Konfigurasinya disimpan di $DSH_HOME/settings.yaml (default ~/.dsh). Contoh berikut diadaptasi dari dokumentasi Opper; ganti nama provider, base URL, dan ID model sesuai layanan yang kamu pakai:

agent-default-model:
  provider: opper
  model: tensorx/deepseek/deepseek-v4-flash
llm-pi-ai:
  providers:
    opper:
      apiKeyEnv: OPPER_API_KEY      # kunci dibaca dari environment
      api: openai-completions
      baseURL: https://api.opper.ai/v3/compat   # tanpa /models, dsh menambahkannya sendiri
      models:
        - id: tensorx/deepseek/deepseek-v4-flash

Untuk Super-Agent sendiri, langkah yang disarankan:

1. Baca README dan manual di repositori deepseek-ai/dsh-superagent-prototype, termasuk bagian yang menyebut fitur mana yang belum dibangun.
2. Uji di repositori sandbox, bukan repo produksi.
3. Batasi siapa yang boleh memicu agen (daftar pengguna dan chat yang diizinkan).
4. Pakai token GitHub dengan izin minimum dan wajibkan review manusia sebelum merge.
5. Pastikan kebijakan data perusahaanmu mengizinkan isi chat tim dibaca oleh agen dan dikirim ke penyedia model.

Apa artinya bagi developer Indonesia?

Kebanyakan tim di Indonesia memakai Slack, Discord, Telegram, atau WhatsApp, bukan Feishu. Jadi Super-Agent belum bisa langsung dipakai tanpa adaptasi. Namun karena kodenya MIT, pola yang ditawarkan, yaitu "chat sebagai antarmuka agen", bisa dipelajari dan diterapkan ke platform lain.

Ada juga sisi kehati-hatian. Agen yang membaca semua percakapan tim berarti ada data internal yang mengalir ke model. Bagi perusahaan yang tunduk pada UU Pelindungan Data Pribadi, pertanyaan "data apa yang dikirim ke mana" perlu dijawab sebelum uji coba, bukan sesudahnya.

Kalau kamu sedang membangun agen sendiri, kamu juga bisa memberi agen akses ke data lokal Indonesia lewat MCP. Panduannya ada di artikel Claude MCP API: Hubungkan APIPedia ke Claude dan Agen AI. Untuk konteks persaingan agen lain, lihat juga Gemini Computer Use resmi GA dan Mistral Large 4 open-weight.

FAQ

Apakah DeepSeek Super-Agent gratis?

Kodenya open source dengan lisensi MIT, jadi bebas dipakai dan dimodifikasi. Biaya tetap muncul dari model AI yang kamu sambungkan dan infrastruktur yang menjalankannya.

Apakah Super-Agent bisa dipakai di Slack atau Telegram?

Versi yang dipublikasikan terhubung ke Feishu. Dukungan platform lain belum diumumkan, tapi karena open source, integrasi bisa dibangun sendiri atau oleh komunitas.

Apakah agen ini membaca semua pesan lalu langsung mengubah kode?

Menurut README yang dikutip The Next Web, agen hanya bertindak bila diminta oleh orang yang disetujui atau bila aturan tim mengizinkan, dan hasilnya berupa balasan di thread seperti pull request yang tetap perlu ditinjau.

Apa bedanya dengan DeepSeek Harness?

DeepSeek Harness (dsh) adalah kerangka agen umum berbasis plugin dengan web UI dan mode terminal. Super-Agent adalah prototipe di atas ekosistem tersebut yang fokus pada alur kerja tim lewat chat.

Model apa yang dipakai Super-Agent?

Belum ada sumber yang menyebutkan model bawaannya. dsh sendiri bisa memakai endpoint apa pun yang kompatibel dengan OpenAI.

Sumber

• The Next Web: DeepSeek open-sources Super-Agent, a coding agent that reads team chats
• Business Standard: DeepSeek drops enhanced coding agent with aim to rival Anthropic
• Investing.com: DeepSeek launches autonomous coding agent to challenge Anthropic's Claude Code
• TechNode: laporan rilis DeepSeek Harness (Agustus 2026)
• Dokumentasi Opper: integrasi DeepSeek Harness
• README dsh-feishu (plugin komunitas)