10분 만에 DeepSeek Harness 설치하는 방법 (그리고 원하는 어떤 모델에도 연결하는 방법)

DeepSeek Harness 설치는 단 한 줄의 명령어로 끝납니다. 30초 후면 http://127.0.0.1:3080에서 아름답고 완전히 빈 인터페이스를 마주하게 되고, 아무도 다음에 무엇을 해야 할지 알려주지 않습니다.

README는 유명할 정도로 빈약합니다. 링크된 Cordis 논문은 시공간 구성 가능성(spatiotemporal composability)에 대해 이야기합니다. 여러분은 그저 코드를 읽어주는 도구를 원했을 뿐입니다.

이 가이드는 그 빈 화면에서 시작합니다. 설치 명령어는 당연히 제공하지만, 실제로 시간을 많이 소모하는 부분은 모델 제공자를 연결하는 작업입니다. 이 단계에는 세 가지 기본값이 있는데, 이 값들은 조용히 DeepSeek 모델을 망가뜨리고 컨텍스트 윈도우의 75%를 버립니다. 거의 아무도 이 사실을 문서화하지 않습니다.

핵심 요약

• npx @deepseek-ai/dsh web이 전체 설치입니다. Node.js ^22.19.0 또는 >=24.0.0이 유일한 사전 요구 사항입니다.
• DeepSeek Harness는 모델이 아닌 하네스입니다. 자격 증명이 전혀 포함되어 있지 않으므로 제공자를 연결하기 전까지는 아무 일도 하지 않습니다.
• OpenAI 호환 엔드포인트는 모두 작동합니다. 여기에는 DeepSeek 자체 API, 게이트웨이, 로컬 Ollama 서버가 포함됩니다.
• 사용자 지정 제공자를 추가하면 하네스가 기본 URL에서 사고 방식을 추측합니다. 추측이 틀리면 reasoning_content가 깨집니다.
• 수동으로 선언된 모델의 기본 컨텍스트 윈도우는 262,144이므로, V4의 전체 1,048,576 윈도우는 따로 지정하지 않는 한 꺼진 상태로 유지됩니다.

터미널에 녹색 통과 테스트와 함께 빛나는 모듈식 하네스 장치가 표시되어 DeepSeek Harness 설치 방법을 보여줍니다.

60초 요약: 무엇을 구축하고 있는가

이론보다 먼저 결과물을 보여드리겠습니다. 빈 폴더에 세 개의 파일, 하나의 붙여넣기 프롬프트만 있으면 에이전트가 코드를 읽고, pytest를 실행하고, 두 개의 테스트 실패를 확인하고, 한 글자를 변경하고, 모든 테스트가 통과할 때까지 다시 실행합니다.

DeepSeek Harness가 fizzbuzz.py를 읽고, pytest를 실행하고, off-by-one 버그를 수정하고, 3개 통과로 다시 실행하는 모습

전체 루프: 읽기, 실행, 진단, 패치, 재실행. 모든 단계는 추후 재생할 수 있는 추가 전용 세션 로그에 기록됩니다.

이것이 6단계에서 함께 구축할 데모입니다. 의도적으로 스크래치 디렉토리에서 재현할 수 있을 만큼 작게 만들었으며, 다음 주에 변경될 수 있는 외부 저장소에 의존하지 않습니다.

DeepSeek Harness 설치 시도가 2단계에서 좌초되는 이유

설치는 정말 간단합니다. 좌초는 바로 그 다음에 발생하며, 버그라기보다는 설계 결정에 가깝습니다. DeepSeek Harness는 키, 기본 제공자, 번들 모델을 제공하지 않습니다.

DeepSeek는 2026년 8월 13일 MIT 라이선스로 이 프로젝트를 오픈소스화했으며, 급성장했습니다. 2026년 8월 17일 기준으로 저장소는 144,361개의 별과 14,689개의 포크를 보유하고 있습니다(GitHub, 2026년 8월). 이는 같은 주에 같은 빈 화면에 도달한 많은 사람들을 의미합니다.

출시 주간의 Hacker News 스레드는 반응이 엇갈렸습니다. 사람들은 투명성을 좋아했습니다. 모델이 보는 모든 것이 추가 전용 세션 로그에 기록되며, 한 댓글 작성자는 "미국 모델은 그걸 볼 수 없게 할 것이다"라고 언급했습니다. 불만도 일관되었습니다. 한 개발자는 "README는 설치 지침 외에는 꽤 빈약하다"고 썼고, Cordis 논문은 "단어 샐러드"처럼 읽힌다는 평가를 받았습니다(Hacker News, 2026년 8월).

따라서 사람들을 실제로 막는 네 가지는 모두 설치 후에 발생합니다.

• Node가 너무 오래되어 npx가 시작조차 실패합니다.
• 포트 3080이 이미 다른 개발 서버에서 사용 중입니다.
• 사용자 지정 제공자가 401을 반환하거나 모델 목록이 비어 있습니다.
• 모델은 연결되지만 추론 출력이 망가지거나, 긴 파일이 컨텍스트 윈도우를 조기에 초과합니다.

아래 1~5단계는 이 네 가지 문제에 정확히 초점을 맞추고 있습니다.

DeepSeek Harness 설치 전: 모델과 키 선택

먼저 결정하세요. 하네스 자체는 무료이며 로컬에서 실행되지만, OpenAI 호환 기본 URL, 키, 그리고 하나 이상의 모델 ID를 제공하기 전까지는 유용한 작업을 전혀 수행하지 않습니다. 설치 전에 이것을 결정하면 전체 설정이 10분 안에 완료됩니다.

모든 작업은 127.0.0.1:3080의 브라우저 탭 하나에서 이루어집니다. 세 가지 경로 중에서 선택할 수 있으며, 모두 작동합니다.

표 B: 현재 DeepSeek Harness에서 작동하는 모델 액세스 옵션

선택하기 전에 알아야 할 두 가지 사항이 있습니다. DeepSeek의 자사 API는 성수기/비수기 요금제로 전환되었으며, 성수기는 01:0004:00 및 06:0010:00 UTC이고 비수기는 성수기의 정확히 절반입니다(DeepSeek API Docs, 2026년 8월). 캐시 히트 입력 가격은 매우 낮기 때문에 동일한 컨텍스트를 반복해서 읽는 워크로드는 자사 API를 사용할 때 매우 저렴할 수 있습니다.

게이트웨이는 예측 가능성을 위해 이를 희생합니다. Atlas Cloud는 성수기 할증이나 구독 없이 동일한 DeepSeek 모델을 고정 요금으로 제공하며, 이는 아래 설정에서 예시로 사용할 것입니다. 지역별 결제 수단이 필요 없기 때문입니다. 상황에 맞는 경로를 선택하세요. 구성 형태는 모두 동일합니다.

DeepSeek Harness 설치 방법: 단계별 가이드

세 가지 방법이 있습니다. 행을 선택한 다음 단계를 따르세요.

표 A: 설치 방법 비교

1단계: DeepSeek Harness 설치 전 사전 요구 사항 확인

가장 흔한 실패 원인은 Node 버전이 충분히 최신처럼 보이지만 실제로는 그렇지 않은 경우입니다. 저장소는 ^22.19.0 || >=24.0.0을 요구합니다. 23.x 라인의 어떤 패치 레벨도 해당되지 않습니다.

bashCopy
1node -v      # 22.x에서는 >= 22.19.0, 또는 >= 24.0.0 이어야 함
2npm -v
3

node -v가 22.14 또는 20.x를 출력하면 계속 진행하기 전에 업그레이드하세요. 소스에서 빌드하거나 플러그인을 작성하려는 경우에만 pnpm이 필요합니다.

bashCopy
1npm install -g pnpm
2

2단계: 한 줄 명령어로 DeepSeek Harness 설치

이것이 전체 설치입니다. 웹 프로필을 한 번에 다운로드하고 실행합니다.

bashCopy
1npx @deepseek-ai/dsh web
2

http://127.0.0.1:3080을 여세요. 포트가 이미 사용 중이면 실행 프로그램이 인식하지 못하는 플래그를 프로필에 직접 전달하므로 포트를 변경할 수 있습니다.

bashCopy
1npx @deepseek-ai/dsh web --port 8080
2

얻는 것은 빈 껍데기입니다. 제공자, 모델, 키가 없습니다. 예상된 동작이며, 대부분의 가이드가 여기서 멈춥니다.

설치 직후 127.0.0.1:3080의 DeepSeek Harness 웹 UI, 제공자 또는 모델이 구성되지 않음

설치 완료, 완전히 비활성 상태. 여기서부터는 배선 작업입니다.

3단계: DeepSeek Harness용 API 키 얻기

표 B에서 선택한 경로에 관계없이 키와 기본 URL이 필요합니다. 자사 경로의 경우 platform.deepseek.com에 가입하고 키를 만드세요. 결제 옵션은 지역에 따라 다르므로, 결정하기 전에 결제 방법이 지원되는지 확인하세요.

이 안내서에서 사용하는 게이트웨이 경로의 경우, Atlas Cloud 대시보드의 API 키 아래에서 키를 만든 다음, 하네스가 설정 파일에 저장하지 않고 읽을 수 있도록 내보내세요.

bashCopy
1export ATLASCLOUD_API_KEY="sk-your-key-here"
2

Atlas Cloud 대시보드의 API 키 페이지, 새로 생성된 키가 부분적으로 가려짐

키를 한 번 복사하세요. 페이지를 떠나면 다시 표시되지 않습니다.

4단계: DeepSeek Harness에 모델 제공자 추가

UI에서 설정, 모델, 사용자 지정 제공자 추가로 이동합니다. 양식에는 제공자 ID, 표시 이름, 기본 URL, API 프로토콜, 자격 증명, 그리고 하나 이상의 모델이 필요합니다.

문서가 반복해서 경고하는 한 가지 사항: 제공자 ID는 영구적입니다. 요청, 저장된 세션, 모델 기본값, 자격 증명 참조에 기록됩니다. 나중에 마음에 들지 않으면 새 제공자를 만들고 이전 제공자를 삭제하는 것 외에는 선택의 여지가 없습니다.

모델 가져오기가 401을 반환하면 키가 잘못된 것입니다. 빈 목록을 반환하면 엔드포인트가 단순히 모델 인덱스를 노출하지 않는 것이며, 이는 무해합니다. 모델 ID를 수동으로 입력하고 계속 진행하세요.

기본 URL, API 프로토콜 및 모델 가져오기 컨트롤이 표시된 사용자 지정 제공자 추가 양식

다음 단계의 성공을 결정하는 세 가지 필드: 기본 URL, 프로토콜, 모델 목록.

5단계: DeepSeek 모델을 조용히 망가뜨리는 세 가지 DeepSeek Harness 기본값

다른 설치 가이드에서는 다루지 않는 부분이며, 연결된 것처럼 보이지만 이상하게 동작하는 이유입니다.

하네스의 LLM 레이어는 엔드포인트 URL에서 사용할 사고 방식을 추론합니다. 내부 문서는 결과에 대해 솔직합니다. "pi-ai는 엔드포인트 URL에서 추측합니다. 개인 게이트웨이의 URL은 아무 것도 말해주지 않으므로, DeepSeek 방언 게이트웨이는 수정 방법 없이 OpenAI 방언으로 대화하게 됩니다." 쉽게 말해, 명백히 DeepSeek가 아닌 기본 URL은 모두 OpenAI로 처리되며, DeepSeek의 reasoning_content 처리가 잘못됩니다.

두 번째와 세 번째 함정은 용량입니다. 수동으로 선언한 모델은 defaultContextWindow 262,144와 defaultMaxTokens 32,768로 대체됩니다. V4는 1,048,576 토큰의 컨텍스트를 지원하므로 기본값을 수락하면 3/4을 버리는 것입니다.

이 설정을 설정 파일에 작성하세요.

yamlCopy
1# $DSH_HOME/settings.yaml   (기본값 ~/.dsh/settings.yaml)
2llm-pi-ai:
3  providers:
4    atlas:
5      displayName: Atlas Cloud
6      api: openai-completions
7      baseURL: https://api.atlascloud.ai/v1
8      apiKeyEnv: ATLASCLOUD_API_KEY
9      compat:
10        thinkingFormat: deepseek   # 1. URL 기반 추측 방지
11      defaultContextWindow: 1048576  # 2. 기본값은 262144에 불과
12      defaultMaxTokens: 32768        # 3. 긴 출력 작업을 위해 증가
13      models:
14        - id: deepseek-ai/deepseek-v4-flash
15          contextWindow: 1048576
16        - id: deepseek-ai/deepseek-v4-pro
17          contextWindow: 1048576
18

명심해야 할 세 가지 사항이 있습니다. 설정은 모델, 경로, 설치된 카탈로그 항목, URL에서 파생된 추측 순으로 해결되므로, 모델별 값이 항상 우선합니다. compat 스위치인 thinkingFormat과 supportsReasoningEffort는 오직 openai-completions 아래에만 존재합니다. 다른 프로토콜에 두면 해결에 실패합니다. 또한 이 어댑터는 의도적으로 Bedrock, Vertex, Azure 및 Codex를 다루지 않습니다. 이러한 인증 흐름은 키, 엔드포인트 및 헤더 이상의 것이 필요하기 때문입니다.

6단계: DeepSeek Harness에서 첫 번째 실제 작업 실행

이제 이 기사의 맨 위에 있는 데모입니다. 빈 폴더를 만들고 세 개의 파일을 추가하세요.

fizzbuzz.py, 하나의 off-by-one 버그가 포함됨:

pythonCopy
1def fizzbuzz(n):
2    out = []
3    for i in range(1, n):
4        if i % 15 == 0:
5            out.append("FizzBuzz")
6        elif i % 3 == 0:
7            out.append("Fizz")
8        elif i % 5 == 0:
9            out.append("Buzz")
10        else:
11            out.append(str(i))
12    return out
13

test_fizzbuzz.py, 세 개의 테스트 중 두 개가 실패:

pythonCopy
1from fizzbuzz import fizzbuzz
2
3def test_starts_correctly():
4    assert fizzbuzz(5)[:3] == ["1", "2", "Fizz"]
5
6def test_covers_every_number():
7    assert len(fizzbuzz(15)) == 15
8
9def test_fifteen_is_fizzbuzz():
10    assert fizzbuzz(15)[-1] == "FizzBuzz"
11

그리고 requirements.txt:

textCopy
1pytest>=8.0
2

먼저 수동으로 테스트를 실행해 보는 것이 좋습니다. 에이전트가 어떤 상황에 직면할지 알 수 있기 때문입니다.

textCopy
1.FF                                                                      [100%]
2=================================== FAILURES ===================================
3___________________________ test_covers_every_number ___________________________
4E       AssertionError: assert 14 == 15
5___________________________ test_fifteen_is_fizzbuzz ___________________________
6E       AssertionError: assert '14' == 'FizzBuzz'
7=========================== short test summary info ============================
82 failed, 1 passed in 0.01s
9

에이전트 모드를 Standard로, 모델을 deepseek-ai/deepseek-v4-flash로 설정한 다음, 이 프롬프트를 정확히 붙여넣으세요.

이 작업 공간에서 pytest를 실행하세요. 두 개의 테스트가 실패합니다. fizzbuzz.py에서 근본 원인을 찾아 가능한 가장 작은 변경으로 수정한 다음, pytest를 다시 실행하고 최종 출력을 보여주세요. 테스트 파일은 편집하지 마세요.

올바른 수정은 한 글자입니다. range(1, n)이 range(1, n + 1)이 되고, 테스트 스위트는 3 passed를 보고합니다.

이제 하네스가 채팅 창과 다른 점입니다. 모든 실행은 추가 전용 세션 로그에 기록되며, 포크할 수 있습니다. 에이전트가 fizzbuzz.py를 처음 읽은 지점으로 돌아가 두 번째 시도를 분기하세요.

이 세션을 fizzbuzz.py를 처음 읽은 단계에서 포크하세요. 이번에는 if-분기를 패치하는 대신 dict 기반 조회로 다시 작성한 다음, pytest를 다시 실행하세요.

DeepSeek Harness 세션 로그를 포크하여 동일한 시작점에서 두 번째 dict 기반 구현을 생성하는 모습

하나의 시작점, 두 개의 분기. 이것이 출시 주간 사람들이 실제로 관심을 가졌던 기능입니다.

7단계: 스크립트 및 CI를 위한 헤드리스 모드 사용

두 개의 프로필은 처음 사용 시 자체 초기화됩니다. web과 headless입니다. 지금까지 web을 사용해 왔으며, dsh web은 dsh --profile web의 별칭일 뿐입니다.

헤드리스 모드는 하나의 새로운 영구 세션을 실행하고, 최종 답변을 출력한 후 종료됩니다. 이는 CI 작업이 원하는 바로 그 형태입니다.

bashCopy
1dsh --profile headless "테스트를 실행하고 실패를 수정하세요. diff를 보고하세요."
2

다른 프로필은 dsh plugin을 통해 생성해야 합니다. 프로필은 $DSH_HOME/profiles/<name>에 있으며, 기본값은 ~/.dsh/profiles/<name>입니다.

헤드리스 DeepSeek Harness 실행의 터미널 출력, 최종 답변을 출력하고 종료

헤드리스 모드: 하나의 세션, 하나의 답변, 분기할 수 있는 종료 코드.

DeepSeek Harness를 설치하는 다른 방법

npx 경로가 대부분의 사람들을 충족시킵니다. 다음 세 가지 방법도 알아두면 좋습니다.

pnpm으로 소스에서 DeepSeek Harness 설치

코드를 읽고, 패치하고, 플러그인을 작성하려는 경우:

bashCopy
1git clone https://github.com/deepseek-ai/deepseek-harness
2cd deepseek-harness
3pnpm install
4pnpm run build
5pnpm dsh web
6

5MB 데스크톱 빌드

커뮤니티 프로젝트인 hairyf/deepseek-harness-desktop는 하네스를 Tauri로 래핑하고 Node 설정 없이 Windows, macOS, Linux용 약 5MB 설치 프로그램을 제공합니다. 공식 DeepSeek 릴리스가 아니므로 그에 맞게 취급하세요. 작성 시점 기준으로 약 400개의 별을 보유하고 있으며 하네스 자체가 출시된 지 하루 만에 만들어졌습니다.

Ollama로 완전히 로컬에서 DeepSeek Harness 실행

Ollama는 자사 통합을 제공합니다. 간단히 말해 한 줄 명령어입니다.

bashCopy
1ollama launch dsh
2

이렇게 하면 Ollama가 연결된 하네스가 설치 및 실행되며, 설정은 ~/.ollama/launch/dsh/settings.yaml에 저장됩니다(Ollama Docs, 2026년 8월). 모든 것이 오프라인이라고 가정하기 전에 알아야 할 한 가지 주의 사항: 내장 웹 검색은 자동으로 활성화되며 Ollama 클라우드 액세스와 도구를 지원하는 모델이 필요합니다. 진정한 로컬 모델은 토큰 비용이 0이지만, 속도가 느리고 일반적으로 도구 호출이 약합니다.

동일한 실패 테스트 작업을 실행하는 로컬 Ollama 서버에 연결된 DeepSeek Harness

동일한 작업, 네트워크 왕복 없음, 토큰당 요금 없음.

DeepSeek Harness는 무료인가요? 실제 실행 비용

먼저 답변: 소프트웨어는 무료이며 MIT 라이선스로, 상업적 사용도 포함됩니다. 로컬에서 모델을 실행하지 않는 한 토큰은 무료가 아닙니다. 하네스 자체에는 측정, 게이트, DeepSeek 계정 연결이 없습니다.

표 C: 실제로 무료인 것과 그렇지 않은 것

구체적인 실행이 아닌 대략적인 숫자를 사용한 예시입니다. 6단계와 같은 디버깅 세션이 200,000 입력 토큰과 20,000 출력 토큰을 소비한다고 가정해 보겠습니다. 이는 에이전트가 여러 파일을 읽고 반복한 후에 현실적인 수치입니다. 고정 게이트웨이 요금($0.14 in, $0.28 out)에서 이 세션의 비용은 약 3.4센트입니다. 자사 API의 비수기 캐시 미스 요금에서는 약 5.7센트, 성수기에는 약 11센트입니다. 입력의 대부분이 캐시 히트라면, 자사 API는 입력 측에서 훨씬 저렴해집니다. 캐시 히트 입력은 100만 토큰당 $0.007부터 시작하기 때문입니다.

영향력 순서대로 실용적인 레버: 컨텍스트가 눈덩이처럼 불어나지 않도록 세션을 짧게 유지하고, 일상적인 작업은 Flash로 실행하고 진정으로 어려운 작업은 Pro로 저장하며, 벤치마크 스타일 실행에는 Minimal 모드를 사용하세요. 모델에 정확히 두 가지 도구와 컨텍스트 압축 없음을 제공하기 때문입니다.

배포 전 확인: DeepSeek Harness 라이선스 및 미리보기 위험

세 가지 간단한 사항과 FAQ입니다.

라이선스는 MIT이므로 상업적 사용은 괜찮습니다. 그러나 프로젝트는 자체를 개발자 미리보기로 표시하고 호환성을 깨는 변경이 있을 것이라고 대문자로 명시합니다. 버전을 고정하고 아직 프로덕션 릴리스 파이프라인에 연결하지 마세요.

자격 증명은 $DSH_HOME/.credentials.yaml에, 설정은 $DSH_HOME/settings.yaml에 일반 텍스트로 저장되며, 둘 다 기본적으로 ~/.dsh에 있습니다. 하네스 홈이 저장소 안에 있게 되면 .gitignore에 추가하세요.

textCopy
1.dsh/
2

그리고 쉽게 잊을 수 있는 명백한 사항: 코드는 4단계에서 구성한 엔드포인트로 전송됩니다. 에이전트를 개인 코드베이스에 연결하기 전에 해당 제공자의 데이터 이용 약관을 읽으세요.

자주 묻는 질문

DeepSeek Harness는 무료인가요?

하네스는 무료이며 MIT 라이선스로, 계정이나 구독이 필요 없으며 상업적으로 사용할 수 있습니다. 모델 토큰은 연결한 제공자가 별도로 청구합니다. 로컬 Ollama 모델을 가리키면 토큰 비용이 전혀 없는 설정을 얻을 수 있으며, 하드웨어와 속도로 비용을 지불합니다.

DeepSeek Harness를 설치하려면 DeepSeek API 키가 필요한가요?

아니요. 설치와 DeepSeek 키는 관련이 없습니다. npx @deepseek-ai/dsh web은 자격 증명 없이도 실행됩니다. 에이전트가 실제로 모델을 호출하려고 할 때만 키가 필요하며, 로컬 서버를 포함한 모든 OpenAI 호환 엔드포인트의 키일 수 있습니다.

DeepSeek Harness는 DeepSeek 이외의 모델을 실행할 수 있나요?

예. 사용자 지정 제공자는 openai-completions을 허용하며, 어댑터는 키, 엔드포인트 및 헤더로 설명할 수 있는 프로토콜을 다룹니다. settings.yaml의 providers: 아래에 자체 ID, 기본 URL 및 모델을 가진 다른 블록을 추가하여 두 번째 제공자를 추가하세요. Bedrock, Vertex, Azure 및 Codex는 인증에 더 많은 것이 필요하기 때문에 의도적으로 범위에서 제외됩니다.

사용자 지정 제공자가 401 또는 "unknown model"을 반환하는 이유는 무엇인가요?

401은 거의 항상 키가 잘못되었거나 apiKeyEnv에 지정된 환경 변수에서 읽히지 않음을 의미합니다. 알 수 없는 모델은 일반적으로 엔드포인트가 모델 인덱스를 노출하지 않아 아무 것도 가져오지 못했음을 의미합니다. 대신 모델 ID를 수동으로 입력하세요. 또한 제공자 ID 철자를 확인하세요. 이름을 바꿀 수 없고 대체만 가능하기 때문입니다.

DeepSeek Harness는 API 키와 설정을 어디에 저장하나요?

키는 $DSH_HOME/.credentials.yaml에, 수동으로 작성한 모델 설정은 $DSH_HOME/settings.yaml에 저장됩니다. DSH_HOME을 재정의하지 않는 한 둘 다 ~/.dsh 아래에 있습니다. 세션은 $DSH_HOME/storages에, 프로필은 $DSH_HOME/profiles/<name>에 저장됩니다. 전체 디렉토리를 버전 관리에서 제외하세요.

DeepSeek Harness는 프로덕션에 사용할 준비가 되었나요?

아직은 아닙니다. 프로젝트 자체의 설명에 따르면 그렇습니다. 이 프로젝트는 개발자 미리보기로 제공되며 호환성을 깨는 변경 사항에 대해 명시적으로 경고합니다. 이는 며칠 된 소프트웨어에 대한 합당한 설명입니다. 로컬 개발 및 CI 지원에 사용하고, 테스트한 버전을 고정하고, 업그레이드 후 제공자 문서를 다시 읽으세요.

---

2026년 8월 17일 DeepSeek Harness 개발자 미리보기를 기준으로 확인함. 이 프로젝트는 설계상 호환성을 깨는 변경 사항을 제공하므로, 빌드의 필드 이름이 위의 YAML과 다르게 보이면 설정이 잘못되었다고 가정하기 전에 공식 제공자 문서를 확인하세요.