Habr AI→ original

Deepseek-agent: como escrever seu próprio Claude Code em 2.000 linhas de código

Um desenvolvedor criou seu próprio Claude Code para DeepSeek em uma única noite, em vez de usar a API da Anthropic. O resultado: cerca de 2.000 linhas de Node.j

Deepseek-agent: como escrever seu próprio Claude Code em 2.000 linhas de código
Fonte: Habr AI. Colagem: Hamidun News.
◐ Ouvir artigo

Um desenvolvedor no Habr compartilhou uma história intrigante: como, em uma única noite, ele escreveu seu próprio equivalente totalmente funcional do Claude Code — um popular assistente de IA em terminal que funciona a partir da linha de comando. Em vez de estar vinculado à API do Anthropic, ele escolheu DeepSeek e construiu tudo do zero em Node.js puro, criando uma ferramenta minimalista, porém verdadeiramente poderosa.

Por Que Construir o Seu Próprio

Claude Code é indiscutivelmente uma ferramenta poderosa e universal, mas tem um problema crítico para muitos desenvolvedores: está firmemente vinculada ao ecossistema Anthropic e sua API. O desenvolvedor queria obter funcionalidade similar, mas funcionando com DeepSeek — um provedor alternativo que está evoluindo rapidamente e oferece possibilidades interessantes para experimentos independentes. Em vez de usar frameworks prontos e bibliotecas pesadas, ele decidiu construir tudo do zero. Essa abordagem lhe permitiu controlar cada detalhe da implementação, evitar dependências desnecessárias e criar uma solução verdadeiramente leve e rápida que pudesse ser facilmente modificada para suas necessidades específicas.

O Que Resultou na Prática

O projeto é nomeado deepseek-agent e contém aproximadamente 2000 linhas de código limpo e bem organizado. Mas a principal conquista é o minimalismo extremo nas dependências. O autor se limitou a apenas quatro bibliotecas externas, cada uma resolvendo uma tarefa específica:

  • openai — SDK para trabalhar com DeepSeek API (totalmente compatível com protocolo OpenAI)
  • fast-glob — busca de arquivo rápida e eficiente no sistema de arquivos
  • dotenv — carregamento conveniente de variáveis de ambiente do arquivo .env
  • @modelcontextprotocol/sdk — suporte para Model Context Protocol para integração com ferramentas e serviços externos

Nenhum framework pesado como Express ou outras camadas de abstração que adicionam código mas não adicionam funcionalidade. Tudo é construído em Node.js puro, o que torna o código-fonte simples de entender, fácil de modificar e rápido na execução.

Quais Conceitos-Chave São Implementados

Apesar da compactação e minimalismo do código, deepseek-agent implementa todos os mecanismos-chave que tornam um assistente de IA moderno verdadeiramente útil e seguro:

  • Tool use — o agente pode chamar funções independentemente: comandos bash, operações de arquivo (ler, escrever, deletar), ferramentas MCP de outros sistemas
  • Permissions — um sistema de gerenciamento de controle de acesso que permite que os usuários aprovem operações potencialmente perigosas antes da execução
  • Memory — o agente lembra o contexto entre solicitações e pode referenciar detalhes de conversas anteriores
  • Context compaction — compressão inteligente automática do histórico de conversas conforme cresce, para economizar tokens e manter o tamanho dentro de limites razoáveis
  • Subagents — a capacidade de executar agentes aninhados para processamento paralelo e independente de diferentes tarefas
"Pode parecer não tão difícil construir seu próprio agente, mas há

nuances", nota o autor.

Onde Começam as Complexidades Reais

Cada um desses conceitos tem seus próprios armadilhas que estão longe de ser óbvias à primeira vista. O sistema de permissions requer design arquitetônico muito cuidadoso para evitar criar brechas no controle de segurança. A compactação de contexto precisa ser feita de forma inteligente e delicada para preservar informações verdadeiramente importantes e não perder detalhes-chave de conversas anteriores. Trabalhar com o protocolo MCP requer compreensão profunda de sua especificação e todas as nuances da interação com ferramentas externas. O autor observa que mesmo em 2000 linhas de código havia um grande número de lugares onde era necessário levar em conta cuidadosamente casos extremos, tratar erros adequada e elegantemente, e antecipar vários cenários de falha e defeito.

O Que Isso Significa para o Ecossistema de IA

Este projeto prova que assistentes de IA poderosos e totalmente funcionais são bem alcançáveis para desenvolvedores experientes sem estarem vinculados a um único provedor. Uma abordagem minimalista com dependências limitadas não apenas economiza código e simplifica a manutenção, mas também torna a solução notavelmente mais confiável e compreensível. A arquitetura modular permite que você conecte facilmente novos provedores (Claude, Grok, modelos locais) em vez de DeepSeek, simplesmente substituindo o cliente API e alguns parâmetros de configuração.

ZK
Hamidun News
Notícias de AI sem ruído. Seleção editorial diária de mais de 400 fontes. Produto de Zhemal Khamidun, Head of AI na Alpina Digital.
O que você acha?
Carregando comentários…