DeerFlow 2.0 — ByteDance의 장기 실행 SuperAgent 하네스 완벽 가이드

DeerFlow 2.0 — ByteDance의 장기 실행 SuperAgent 하네스 완벽 가이드

2026년 2월, ByteDance가 DeerFlow 2.0을 출시했다. 이 도구는 출시 후 24시간 만에 GitHub Trending 1위를 달성했고, 한 달도 채 되지 않아 스타 4만 개를 넘어서며 개발자 커뮤니티의 뜨거운 관심을 받고 있다.

DeerFlow는 단순한 멀티에이전트 프레임워크가 아니다. 샌드박스, 메모리, 스킬, 도구, 서브에이전트를 내장한 슈퍼에이전트 런타임이다. CrewAI나 AutoGen이 키트라면, DeerFlow는 완전한 워크스테이션에 비유할 수 있다.

---

DeerFlow란 무엇인가

DeerFlow(Deep Exploration and Efficient Research Flow)는 ByteDance가 만든 오픈소스 슈퍼에이전트 하네스다. 리서치, 코딩, 콘텐츠 생성 등 수 분에서 수 시간이 걸리는 복합 작업을 자동 분해하고 병렬 처리하는 올인원 에이전트 시스템이다.

주요 특징:

• MIT 라이선스 — 상업적 사용 무료

• LangGraph + LangChain 기반 — 확장성 보장

• 9개 전문 에이전트 노드 — 수퍼바이저, 리서처, 코더, 리포터 등

• Docker/Kubernetes 샌드박스 — 격리된 코드 실행 환경

• 67,900개 이상의 GitHub 스타 (2026년 5월 기준)

DeerFlow 2.0은 이전 버전과 코드를 공유하지 않는 완전한 재작성이다. 1.x 브랜치의 Deep Research 프레임워크와는 별도로 개발이 진행 중이다.

---

핵심 아키텍처

서브에이전트 오케스트레이션

DeerFlow의 핵심은 오케스트레이션 레이어에 있다. 슈퍼에이전트가 프로젝트 매니저 역할을 하며, 복잡한 작업을 수신하면 자동으로 하위 작업으로 분해한다.

예를 들어, "2026년:top AI 스타트업 10개를 조사하고 종합 프레젠테이션을 만들어줘"라는 프롬프트를 입력하면:

1. 슈퍼에이전트가 작업을 분석하고 분해

2. 리서처 에이전트가 병렬로 정보 수집

3. 코더 에이전트가 프레젠테이션 코드 생성

4. 리포터 에이전트가 최종 결과물 정리

각 에이전트는 독립적인 샌드박스 환경에서 실행되어 서로 영향을 주지 않는다.

확장 가능한 스킬 시스템

DeerFlow는 Markdown 파일 기반 에이전트 스킬을 지원한다. 리서치, 보고서, 슬라이드, 웹 페이지, 이미지 및 비디오 생성 등 기본 제공 스킬을 그대로 사용하거나 커스텀 스킬을 추가하고 교체하고 조합할 수 있다.

스킬은 점진적 로딩 방식을채용한다. 필요할 때만 컨텍스트에 로드되어 토큰에 민감한 모델에서도 효율적으로 동작한다.

샌드박스 실행 환경

모든 작업은 독립적인 샌드박스 환경에서 실행된다:

• 파일시스템 접근 (uploads/workspace/outputs)

• 셸 명령어 실행

• 이미지 조회

AioSandboxProvider는 격리된 Docker 컨테이너를 실행하고, LocalSandboxProvider는 호스트 bash를 기본으로 제공한다.

장기 메모리

DeerFlow는 세션 간 사용자 프로필, 선호도, 기술 스택을 로컬에 영속 저장한다. 중복 작업은 자동으로 건너뛰며, 컨텍스트 윈도우를 효율적으로 관리한다.

컨텍스트 엔지니어링

서브에이전트마다 격리된 컨텍스트를 유지한다:

• 완료된 태스크 자동 요약

• 중간 결과물을 파일시스템으로 오프로딩

• Strict Tool-Call Recovery로 컨텍스트 윈도우 초과 방지

---

다양한 연동 옵션

6개 IM 채널 통합

Telegram, Slack, Feishu/Lark, WeChat, WeCom, DingTalk 등 6개 메신저 채널과 통합된다. 공인 IP 없이도 자동 시작할 수 있으며, 채널별로 사용자 커스텀 에이전트를 지정할 수 있다.

MCP 서버 확장

MCP(Model Context Protocol) 서버 확장을 지원하며, OAuth 토큰 플로우도 포함된다. 특히 Claude Code 터미널에서 claude-to-deerflow 스킬로 직접 연동할 수 있어 개발 워크플로우에 자연스럽게 녹아든다.

LLM 프로바이더 다양성

make setup 인터랙티브 위저드로 약 2분 만에 설정이 완료된다. OpenAI, OpenRouter, vLLM, Codex CLI, Claude Code OAuth 등 다양한 LLM 프로바이더를 지원한다.

추천 모델로 Doubao-Seed-2.0-Code, DeepSeek v3.2, Kimi 2.5을 제공한다. reasoning 모델의 경우 supports_thinking 옵션으로 토글 제어가 가능하다.

트레이싱 지원

LangSmith와 Langfuse를 동시에 트레이싱할 수 있다. Embedded Python Client를 사용하면 HTTP 서비스 없이도 라이브러리로 활용할 수 있다.

---

빠른 시작 가이드

1단계: 저장소 클론

git clone https://github.com/bytedance/deer-flow.gitcd deer-flow

2단계: 설정 위저드 실행

make setup

대화형 위저드가 실행된다. LLM 프로바이더 선택, 웹 검색 연동, 샌드박스 모드, bash 접근 권한, 파일 쓰기 도구 등 안전 설정을 구성할 수 있다. 전체 설정은 약 2분이 소요된다.

3단계: 실행 확인

make doctor

설정 상태를 검증하고 수정 힌트를 제공한다.

수동 설정 (고급)

config.yaml을 직접 편집하려면:

make config

config.example.yaml을 참고하여 모델, API 키, 샌드박스 모드 등을 설정할 수 있다.

Docker 배포

로컬 개발이나 평가용으로 Docker 배포를 권장한다:

# docker-compose 예시services:deer-flow:image: deerflow/deer-flow:latestports:- "8000:8000"environment:- OPENAI_API_KEY=${OPENAI_API_KEY}volumes:- ./config.yaml:/app/config.yaml

---

다른 프레임워크와 비교

기능	DeerFlow 2.0	CrewAI	AutoGen
샌드박스 내장	지원	미지원	미지원
장기 메모리	내장	플러그인	미지원
스킬 시스템	Markdown 기반	Python 클래스	함수 기반
IM 채널 연동	6개 채널	별도 구현	별도 구현
코드 재작성	완전 재작성	기존 확장	기존 확장
라이선스	MIT	Apache 2.0	MIT

CrewAI나 AutoGen이 어셈블리 키트라면, DeerFlow는 완전한 워크스테이션에 가깝다. 바로 사용할 수 있는 도구가 내장되어 있어 최소한의 설정으로 프로덕션 수준의 에이전트 시스템을 구축할 수 있다.

---

활용 시나리오

복잡한 리서치 자동화

여러 소스에서 정보를 수집하고, 분석하고, 종합 보고서로 정리하는 작업을 DeerFlow가 자동으로 처리한다. 리서처 에이전트가 병렬로 웹 검색과 기사 읽기를 수행하고, 리포터 에이전트가 결과를 하나의 문서로 통합한다.

코딩 프로젝트 자동화

"이 레포지토리의 코드를 리팩토링하고 테스트를 추가해줘"와 같은 작업도 DeerFlow가 분해하여 코딩, 테스트 작성, 문서화까지 자동으로 수행한다. 각 단계는 격리된 샌드박스에서 실행되어안전문제도 해결된다.

콘텐츠 생성 파이프라인

블로그 글, 프레젠테이션, 소셜 미디어 콘텐츠 등 다양한 형식의 콘텐츠를 하나의 프롬프트로 생성할 수 있다. 스킬 조합을 통해 원하는 출력 형식에 맞게 커스터마이즈가 가능하다.

---

보안 고려사항

DeerFlow는 샌드박스 환경에서 코드를 실행하지만, 잘못된 배포 환경 설정은 보안 위험을 초래할 수 있다. 다음 사항을 반드시 확인해야 한다:

• 샌드박스 모드는 항상 활성화 상태로 유지

• bash 접근 권한은 필요한 경우에만 허용

• 파일 쓰기 도구는 검증된 작업에만 사용

• API 키는 환경변수나 .env 파일로 안전하게 관리

---

DeerFlow 2.0의 의의

DeerFlow 2.0은 올인원 슈퍼에이전트 런타임이라는 포지셔닝을 통해 기존 멀티에이전트 프레임워크와 차별화되고 있다. LangGraph와 LangChain이라는 검증된 기반 위에서, 샌드박스, 메모리, 스킬, IM 연동까지 기본으로 제공한다는 점이 매력적이다.

특히 ByteDance의 Coding Plan을 통해 Doubao-Seed-2.0-Code를 추천 모델로 내세우고 있는 점은, 이 프레임워크가 단순한 연구용이 아닌 실제 개발 워크플로우에 바로 적용할 수 있음을 보여준다.

시간이 지남에 따라 커뮤니티가 만들어내는 스킬과 확장이 기대된다. DeerFlow가 에이전트 개발의 새로운 표준이 될 수 있을지, 계속 지켜보자.

---

📚 출처

• DeerFlow GitHub 저장소

• DeerFlow 공식 웹사이트

• DeerFlow 2.0 Deep Dive — SOTAAZ

---

📚 출처

• https://news.hada.io/topic?id=29518