DeepSeek superagent: l’agente AI che apre da solo le pull request

DeepSeek ha pubblicato su GitHub dsh-superagent. DeepSeek superagent è il prototipo di un agente AI che gestisce un singolo repository GitHub: riceve richieste dal team, ci lavora in autonomia e risponde nello stesso thread, ad esempio con una pull request già pronta. Il codice è sotto licenza MIT e, secondo ShiftDelete, il team di DeepSeek Harness lo ha annunciato il 31 ottobre su WeChat.

Cosa c’è di nuovo?

La maggior parte degli agenti per il codice che usiamo ogni giorno aspetta che qualcuno scriva qualcosa nel terminale. DeepSeek superagent funziona al contrario: è un agente cosiddetto «proattivo», che ascolta il repository (e, facoltativamente, le chat su Feishu, cioè Lark) e si mette al lavoro da solo quando glielo chiede una persona della lista autorizzata.

Secondo il README, ogni richiesta ottiene un proprio task, una propria sessione dell’agente e una propria directory, e il risultato torna da dove è arrivata la richiesta. In più c’è una dashboard web che mostra solo ciò che richiede una decisione umana.

Curiosità: gli autori scrivono che il codice è nato dal lavoro quotidiano del loro team e che gran parte dell’ingegneria l’hanno fatta agenti per il codice (un agente costruito da agenti ;) ).

Il repository ha la descrizione «Towards a More Autonomous Agent System» e conta più di 5.800 stelle e 544 fork (al 1° novembre). ShiftDelete riporta che ha superato le 4.000 stelle in un giorno.

Come funziona DeepSeek superagent?

Non è un’app autonoma, ma un pacchetto (bundle) per DeepSeek Harness, l’harness per agenti di DeepSeek con licenza MIT, ancora in developer preview. Dalla documentazione dell’architettura emerge questa divisione dei ruoli:

1. La sessione principale (router) valuta le richieste in arrivo e decide se accettare un task, metterlo in attesa o ignorarlo.
2. Le sessioni esecutive (worker) ricevono un task ciascuna, ognuna con la propria directory. Non hanno strumenti per fare domande alle persone e, una volta completato il task, le loro chiamate vengono rifiutate.
3. La pull request è legata al task, e il task finisce solo quando la PR viene mergiata o chiusa, non quando l’agente dichiara di aver finito.

La parte più interessante è la filosofia del progetto. Nel documento sui principi la regola è: sottrarre alle persone meno attenzione possibile e dare loro più valore possibile. L’agente si fa sentire solo quando qualcuno deve fare qualcosa o può usare il risultato.

L’agente può agire senza chiedere?

Sì, ma non subito. Il documento sulle autorizzazioni descrive tre modalità per il lavoro che nessuno ha chiesto esplicitamente:

1. off: l’agente non considera nulla che non gli sia stato chiesto.
2. observe (predefinita): l’agente valuta queste richieste, ma si limita a registrare che «avrebbe accettato» il task, e non fa nulla.
3. auto: l’agente accetta da solo i task che corrispondono a regole scritte prima dal team.

Le richieste dirette delle persone in lista funzionano in ogni modalità. I bot in lista possono al massimo suggerire candidati, e l’agente stesso non può ampliare i propri permessi: i messaggi non modificano le liste autorizzate, le regole né il perimetro dei task.

A cosa fare attenzione?

Primo, allo stato del progetto. Gli autori lo dicono chiaramente: è un prototipo di ricerca «solo di riferimento», non un prodotto ufficiale di DeepSeek. Il codice può contenere bug, non è pronto per la produzione e differisce dalla versione che il team usa internamente.

Secondo, alla sicurezza. Secondo la documentazione sul deployment, entrambi i preset girano in modalità danger-full-access con il nostro utente di sistema, e un worker può leggere la nostra home directory. Per isolarlo, gli autori consigliano un account di sistema e un account GitHub separati per l’agente (di questi rischi parlo nell’articolo sulla sicurezza degli agenti AI).

Terzo, ai requisiti. Servono, tra l’altro, Node.js 22.19+ o 24+, git 2.32+, Python 3.8+, GitHub CLI 2.48+, pnpm, tmux e un provider di modelli configurato in DeepSeek Harness. Funziona solo con github.com; GitHub Enterprise Server non è supportato.

Come provare DeepSeek superagent?

L’installazione ha parecchi passaggi, quindi secondo il README la fa… un agente. Basta chiedere al proprio agente per il codice di leggere il file SETUP.md del repository e seguire la configurazione passo dopo passo (se si è alle prime armi con questi strumenti, torna utile la guida a Claude Code).

Una volta avviato, basta aprire una issue o aggiungere un commento da un account autorizzato con la menzione @<login dell’agente> e la richiesta. Il task dovrebbe comparire nella dashboard entro un ciclo di polling, di default un minuto. Il modello si collega come provider in DeepSeek Harness (DeepSeek V4.1 Flash, tra l’altro, è stato di recente gratis in OpenCode).

FAQ

DeepSeek superagent è gratis?

Il codice è open source, con licenza MIT. Si paga solo il modello usato dall’agente (e la macchina su cui gira).

È un prodotto ufficiale di DeepSeek?

No. Il repository si trova sull’account deepseek-ai, ma gli autori lo descrivono come un prototipo di ricerca, non come un prodotto ufficiale.

Funziona con GitLab o GitHub Enterprise?

Secondo la documentazione è supportato solo github.com, non GitHub Enterprise Server. Facoltativamente l’agente ascolta anche le chat su Feishu (Lark).