Claude Codeの代替が1コマンドで動く

「Claude Code、便利だけどソースコードを外部に出したくない」 – そう思ってローカルLLMを試したものの、設定ファイルの書き方で挫折した人はいませんか。

その設定ファイル、もう書かなくていいです。 2026年8月、Ollamaが ollama launch dsh という1コマンドで、Claude CodeのOSS代替「DeepSeek Harness」を起動できるようになりました。手動で書く必要があった settings.yaml を自動生成してくれます。

TL;DR

• ollama launch dsh --model deepseek-v4-pro:cloud の1コマンドで、インストールから起動まで完了します
• 手動設定の時代に必須だった settings.yaml（全モデル列挙・認証キー・Web検索配線）を全部自動生成します
• 実測で162〜258 tok/s・TTFT約1秒。コーディングもWeb検索も、Claude Codeと遜色ない速度で動きました

---

手動の settings.yaml はもう書かなくていい

DeepSeek Harness（dsh）は、2026年8月13日にDeepSeekが公開したOSSのエージェントハーネスです。MITライセンス、TypeScript製、「Everything is a Plugin」を掲げ、Claude CodeのOSS代替として話題になりました。

公開直後、日本語圏で最初に問題になったのが設定の面倒さです。公式ガイドにはOllamaの記述がなく、ローカルLLMを繋ぐには settings.yaml を自分で書く必要がありました。しかも、書くべき項目は少なくありません。

• 全モデルを contextWindow 付きで列挙する
• apiKeyEnv にダミーキーを設定する（省略すると PI_AI_ERROR: No API key で起動しない）
• Web検索プラグインを配線する

翌8月14日、Ollamaが ollama launch dsh でこの問題を解決しました。手動で書く必要があった settings.yaml を、起動時に自動生成するのです。

実際に生成された設定ファイルの核心部分がこちらです。

agent-default-model:
  provider: ollama
  model: deepseek-v4-pro:cloud
llm-pi-ai:
  providers:
    ollama:
      apiKeyEnv: OLLAMA_LAUNCH_DSH_API_KEY   # ダミーキー自動設定
      api: openai-completions
      baseURL: http://127.0.0.1:11434/v1
      models: [deepseek-v4-pro:cloud, glm-5.2:cloud, qwen3:4b, ...]  # 全モデル自動列挙
web-search-deepseek:
  model: deepseek-v4-pro:cloud   # Web検索も自動配線

手動ルートで最大の罠だった apiKeyEnv のダミーキーも、OLLAMA_LAUNCH_DSH_API_KEY として自動で設定されています。設定ファイルを1行も書かずに、ローカルLLM接続の全工程が終わります。

---

1コマンドで Claude Code 代替が起動する

起動は本当に1コマンドです。

ollama launch dsh --model deepseek-v4-pro:cloud

初回は --yes を付けると、必要なパッケージ（531個）を自動インストールして起動します。

ollama launch dsh --model deepseek-v4-pro:cloud --yes

起動すると、Web UI が http://127.0.0.1:3080 で立ち上がります。ブラウザで開けば、Claude Code に似たチャット画面が表示されます。

--model で指定するモデルは、ローカルでもクラウドでも構いません。今回は deepseek-v4-pro:cloud（1.6TパラメータのMoE、49Bアクティブ、1Mコンテキスト）をOllamaクラウド経由で使いました。ローカルの qwen3:4b なども同じコマンドで指定できます。

---

実測 162〜258 tok/s、TTFT 約1秒

「起動できる」と「使える」は別です。実際に2つのタスクを回して速度を測りました。

検証環境: macOS / Ollama v0.32.13 / deepseek-v4-pro:cloud（※2026年8月時点）

タスク	所要時間	生成速度	TTFT	ステップ数
コーディング（fib.py生成）	10秒	162 tok/s	1.2秒	3
Web検索（ニュース要約）	17秒	258 tok/s	0.9秒	6

コーディングタスクでは、フィボナッチ数列を計算するPythonスクリプトを生成させ、出力が正しいことを確認しました。Web検索タスクでは、最新ニュースを要約させ、出典5件を実URL付きで引用させました。

TTFT（最初のトークンが出るまでの時間）が約1秒というのは、体感では「待たされている」と感じない水準です。Claude Codeのクラウド版と比べても、遜色ない速度で動きました。

---

Trajectory view が「何をしたか」を全部残す

DeepSeek Harness の特徴の1つが、Trajectory view です。エージェントが実行した全イベントを、追記型のログとして残します。

• SYSTEM / USER / CONTEXT / TOOL / ASSISTANT の各イベント
• コンテキストへの注入内容
• 性能指標（tok/s・TTFT・キャッシュヒット）

Claude Code では「エージェントが裏で何をしたか」が見えにくい場面があります。Trajectory view はそれを全部可視化します。デバッグにも、監査にも使えるのが強みです。

---

Web検索は最初から配線済み

手動ルートでは、Web検索を使うにはプラグインの設定が必要でした。ollama launch dsh では、web-search-deepseek プラグインが最初から配線済みです。

実測では、ニュース要約タスクで以下の5つの出典を実URL付きで引用しました。

• Caixin
• VentureBeat
• SCMP
• Quartz
• The Register

「最新情報を調べて要約して」と頼むだけで、検索から引用まで一気通貫で動きます。Claude Code の Web検索機能に相当するものが、追加設定なしで使えるのは大きいです。

---

ローカルLLMの壁は 8,225トークン

1つだけ注意があります。この壁は ollama launch dsh でも変わりません。

DeepSeek Harness は、ツール定義だけで毎ターン8,000トークン超をモデルに送ります。ユーザーの指示が20トークン程度でも、システムプロンプトとツール定義で8,225トークンが固定費として乗るのです。

つまり、ローカルの小型モデルを使う場合、生成速度ではなくプロンプト処理速度が実用性を決めます。16GB機での実測では、qwen3-coder:30b は5分でタイムアウト、qwen3:4b は1分38秒で完走しました。

クラウドモデル（deepseek-v4-pro:cloud）ならこの壁は気になりません。ローカルで動かす場合は、メモリに全部載る小型モデルを選ぶのが現実的です。

---

まとめ

今回は、ollama launch dsh でDeepSeek Harnessを1コマンドで起動する方法を解説しました。

要点の再掲

• ollama launch dsh --model deepseek-v4-pro:cloud の1コマンドで起動できます
• 手動で書く必要があった settings.yaml を自動生成します
• 実測162〜258 tok/s・TTFT約1秒で、Claude Codeと遜色ない速度です
• Trajectory view と Web検索が最初から使えます
• ローカルLLMでは8,225トークンの壁が残るため、クラウドモデルか小型モデルを選びます

Claude Codeの代替を、設定ファイルなしで試せるようになりました。ぜひ今日から ollama launch dsh を試してみてください。

関連記事
– DeepSeek HarnessをローカルLLMで動かす完全ガイド（手動 settings.yaml ルートの詳細）
– Ollama v0.32.11 リリースノート
– DeepSeek Harness — GitHub