Probando DeepSeek Harness + Qwen3.8: Cómo Creé un Plugin de Google Docs

Probando DeepSeek Harness + Qwen3.8: Cómo Creé un Plugin de Google Docs

Introducción a DeepSeek Harness

A finales de los setenta y principios de los ochenta, tener una computadora personal podía ser una aventura que comenzaba antes de encenderla. Para muchos entusiastas, significaba reunir componentes, conectar una placa, escribir programas y aprender mediante prueba y error. Los clubes de aficionados y las revistas eran espacios para compartir descubrimientos. La computadora era una herramienta, pero también un proyecto personal: algo que podías construir, entender y hacer tuyo.

Hoy podemos acercarnos a la inteligencia artificial con ese mismo espíritu. Usar un chat es una puerta de entrada; construir un sistema alrededor de un modelo abre otras posibilidades. ¿Cómo le damos acceso a herramientas? ¿Cómo hacemos que ejecute una tarea, observe el resultado y continúe trabajando? ¿Qué partes de ese proceso queremos controlar?

Aquí entra el concepto de harness: el software que rodea al modelo y organiza su interacción con las herramientas y el entorno. Si pensamos en el modelo como una pieza central de nuestra computadora DIY, el harness reúne las conexiones y los mecanismos que permiten ponerla a trabajar.

Desde esa perspectiva, DeepSeek Harness ocupa un lugar parecido al de aquellas computadoras DIY: una propuesta para entusiastas que encuentran tanto interés en construir y modificar su sistema como en utilizarlo. Si entonces el atractivo era conectar componentes, programar y descubrir qué podía hacer una computadora en casa, aquí está en conectar modelos con herramientas, construir tus propios plugins y probar distintas configuraciones para explorar qué puedes hacer con un sistema de IA creado a tu medida. Es terreno para los hobistas de la inteligencia artificial: quienes sienten curiosidad por lo que hay detrás del chat y quieren meter mano para crear algo propio.

Precisamente desde esa curiosidad decidí poner a prueba el sistema. En una hora de conversación continua con Qwen3.8 Max, creé un plugin funcional de Google Docs para DeepSeek Harness. El verdadero valor no fue solo el resultado, sino aprender la arquitectura del framework haciendo, no leyendo documentación.

Cuando DeepSeek Harness se hizo viral

En los últimos días, DeepSeek Harness (DSH) ha estado en boca de todos. Si no lo conoces, es básicamente un framework para crear agentes de IA personalizados que puedes extender con plugins. Piensa en ello como un “WordPress para agentes de IA”, pero más potente y flexible.

Pero aquí viene la pregunta que me hice cuando vi todo el hype: ¿qué tan difícil es realmente hacer un plugin para esta plataforma?

Decidí averiguarlo de la única forma que importa: construyendo algo real.

El experimento: un plugin de Google Docs

Mi objetivo era simple pero ambicioso: crear un plugin que permitiera a DSH leer y escribir documentos de Google Docs usando OAuth2. No quería un tutorial guiado; quería ver hasta dónde podía llegar conversando con la IA.

  • Yo: “Crea un plugin para acceder por OAuth a leer y modificar documentos de Google Docs”.
  • IA: Genera la estructura completa del plugin.
  • Yo: “Ahora agrega una interfaz para configurar las credenciales”.
  • IA: Crea la interfaz con campos para Client ID y Client Secret.
  • Yo: “No funciona, dice que no puede guardar las credenciales”.
  • IA: Investiga, encuentra el problema y propone una solución.
  • Yo: “Sigue sin funcionar”.
  • IA: Prueba otro enfoque.

Y así sucesivamente, durante una hora de conversación continua.

Lo que descubrí y por qué importa

1. La arquitectura se revela conversando

En lugar de leer documentación sobre el sistema Cordis de DSH, lo descubrí haciendo preguntas concretas:

Yo: “¿Cómo guardo credenciales de forma segura?”
IA: “Usa ctx.credentials.modifyRecord() en el Host, o ctx.remote.credentials.set() en el Cliente”.
Yo: “¿Cuál es la diferencia?”
IA: Explica la arquitectura Host/Cliente.

De repente, entendí que DSH tiene una separación clara entre:

  • Host: lógica del servidor, acceso a APIs y almacenamiento seguro.
  • Cliente: interfaz de usuario en el navegador.

No lo aprendí leyendo documentación abstracta. Lo aprendí porque necesitaba saberlo para resolver un problema concreto. Ese contexto hizo que el conocimiento se fijara de inmediato.

2. Los errores son maestros, si sabes preguntar

Uno de los momentos más reveladores fue este error:

cannot get property "remote.commands" without inject

Simplemente le dije a la IA: “Me da este error: cannot get property remote.commands without inject”.

La IA respondió al instante: “Necesitas agregar remote y remote.commands al array de inject del módulo cliente”.

return {
  inject: ['slots', 'remote', 'remote.commands'],
  apply(ctx) {
    // Ahora ctx.remote.commands está disponible
  }
};

Este patrón se repitió constantemente: error → pregunta contextual → explicación + solución. Cada bug fue una mini-lección de arquitectura.

3. La iteración es instantánea

El ciclo de feedback fue increíblemente rápido. No había que esperar compilaciones lentas ni reinicios manuales tediosos. Cada cambio se probaba en segundos, lo que permitió mantener un ritmo de aprendizaje acelerado.

4. Descubres patrones haciendo, no leyendo

Uno de los descubrimientos más interesantes fue el sistema de referencias de credenciales. DSH tiene reglas estrictas para los nombres de keys:

  • ✅ Deben empezar con una letra o un guion bajo.
  • ✅ Solo pueden contener letras, números y guiones bajos.
  • ❌ No se permiten guiones.

Lección aprendida: las convenciones de nomenclatura importan, y descubrirlas mediante errores reales puede ser más efectivo que memorizarlas de una tabla.

El flujo completo, paso a paso

Paso 1: el pedido inicial

Le pedí a la IA: “Crea un plugin para acceder por OAuth a leer y modificar documentos de Google Docs”.

La IA generó automáticamente:

  • package.json con la configuración correcta.
  • cordis.patch.yml para integrar el plugin.
  • index.js con la lógica del Host.
  • La estructura de carpetas y archivos.

En aproximadamente dos minutos tenía una primera versión básica del plugin. Completar la interfaz, resolver los errores y conseguir la autenticación con Google llevó el resto de la sesión: alrededor de una hora en total.

Paso 2: agregando la interfaz

Después pedí: “Agrega una interfaz para configurar las credenciales OAuth”.

La IA creó un archivo de cliente con:

  • Campos para Client ID y Client Secret.
  • Un botón para guardar las credenciales.
  • Un botón para iniciar la autenticación.
  • Un panel de estado con mensajes de feedback.

Todo usando React, pero sin JSX, solamente React.createElement, porque así funciona el sistema de módulos de DSH. Esta restricción técnica fue otra cosa que aprendí sobre la marcha.

Paso 3: el primer obstáculo real

Al hacer clic en guardar apareció el error sobre remote.commands y la ausencia de inject. La solución inicial fue inyectar los servicios remotos.

Después apareció otro error relacionado con los argumentos esperados por commands.execute(). La IA detectó que el contexto era la página de configuración, donde no había una sesión activa, y propuso utilizar directamente el sistema de credenciales.

Momento clave: la IA no solo corrigió el error; entendió el contexto y propuso una alternativa adecuada. Eso es razonamiento contextual, no solo reconocimiento de patrones.

Paso 4: el descubrimiento de las referencias

Cuando la referencia no fue aceptada, la IA revisó el patrón esperado para los nombres y descubrió que los guiones no eran válidos. Al cambiar la referencia para utilizar guiones bajos, las credenciales se guardaron correctamente.

Paso 5: OAuth2 y la URI de redirección

Al intentar autenticarme con Google apareció un error de incompatibilidad en la URI de redirección. La solución fue utilizar una URI de redirección local válida y registrarla en la configuración de credenciales de Google Cloud.

Después de realizar ese ajuste, obtuve el código de autorización.

Paso 6: completando la autenticación

La IA creó una herramienta llamada google_docs_complete_auth que:

  1. Recibe el código de autorización.
  2. Lo intercambia por tokens con Google.
  3. Guarda los tokens de forma segura.

Después de ejecutar la herramienta, la autenticación se completó correctamente y quedaron disponibles las funciones para listar, leer y escribir documentos de Google Docs.

Conclusiones

Esta experiencia completa, desde “crea un plugin” hasta conseguir una autenticación exitosa con Google, la hice conversando con Qwen3.8 Max del Plan Alibaba Token Individual.

Lo que hizo especial a esta sesión fue lo siguiente:

  • ✅ Entendió la arquitectura de DSH sin que se la explicara, explorando la base de código.
  • ✅ Iteró conmigo hasta que cada pieza funcionó.
  • ✅ Explicó cada decisión de forma que aprendí del proceso.
  • ✅ Mantuvo el contexto durante toda la conversación de forma continua.

El resultado final fue un plugin funcional de Google Docs para DSH, pero el verdadero valor fue el proceso: aprendí cómo funciona DSH, entendí patrones de diseño complejos y construí algo útil sin escribir cada línea de código manualmente.

DeepSeek Harness (DSH) resulta interesante, sobre todo, como un playground para entusiastas de la inteligencia artificial y hobistas que disfrutan experimentar: conectar modelos con herramientas, crear plugins propios y explorar cómo cambia lo que un modelo puede hacer cuando se integra en un sistema construido alrededor de él. En ese sentido, comparte el espíritu de las computadoras DIY: aprender probando, modificando y construyendo algo propio.

El propio repositorio deja claro que DSH todavía está en developer preview, que evoluciona rápidamente y que habrá cambios incompatibles. Esa advertencia forma parte de la experiencia: conviene acercarse como a un proyecto en desarrollo, revisar el aviso de seguridad antes de ejecutarlo y estar preparado para adaptar lo que se construya. Su atractivo hoy está en ese espacio para explorar y crear, con la curiosidad y la flexibilidad que requiere trabajar con una herramienta que aún está cambiando.

DeepSeek Harness Sitio Oficial

Resumen de la sesión

MétricaValor
⏱️ Tiempo total~1 hora de conversación continua
🤖 Modelo usadoQwen3.8 Max, Alibaba Token Plan Individual
✅ ResultadoPlugin funcional de Google Docs para DSH
📝 Código generado y refinado~700 líneas
🐛 Errores encontrados y resueltos8
💡 Conceptos arquitectónicos aprendidosHost/Cliente, inject, credenciales y OAuth2

Código fuente


Si quieres que la IA deje de ser un experimento en el chat y empiece a trabajar en tu operación diaria, automatizando lo repetitivo, conectando las herramientas que ya usas y atendiendo cuando tú no estás, en Clarvex AI lo hacemos a la medida de tu negocio.

Armamos la página que explica tu servicio y el chatbot de WhatsApp que responde a tus clientes cuando tú no estás, usando la API oficial de Meta. También conectamos lo que ya usas, como correo, hojas y agenda, para que dejes de copiar y pegar. 👉🏻 clarvexai.com