2026년 2월 28일, DeerFlow 2.0이 GitHub Trending 1위를 차지했습니다. 바이트댄스가 오픈소스로 공개한 이 프로젝트는 단순한 AI 챗봇이 아닙니다. 연구하고, 코딩하고, 창작하는 **슈퍼에이전트 하네스(SuperAgent Harness)**입니다.
왜 주목해야 하는가
기존 AI 에이전트 프레임워크에는 명확한 한계가 있었습니다.
- 말만 하는 에이전트: 도구를 호출할 수는 있지만, 실제 실행 환경이 없다
- 망각하는 에이전트: 대화가 끝나면 모든 컨텍스트를 잃는다
- 단순 작업만 가능: 복잡한 멀티스텝 작업은 처리하지 못한다
DeerFlow는 이 문제를 근본적으로 해결했습니다. 에이전트에게 진짜 컴퓨터를 준 것입니다.
핵심 차별점: 5가지 인프라
DeerFlow가 “하네스”라고 불리는 이유가 있습니다. 에이전트가 실제 작업을 완료하는 데 필요한 모든 인프라를 기본 제공합니다.
1. 샌드박스와 파일 시스템
각 태스크는 격리된 Docker 컨테이너에서 실행됩니다.
/mnt/user-data/
├── uploads/ ← 사용자 업로드 파일
├── workspace/ ← 에이전트 작업 디렉토리
└── outputs/ ← 최종 산출물에이전트는 파일을 읽고, 쓰고, 수정할 수 있습니다. Bash 명령을 실행하고, 코드를 작성하고, 이미지를 분석합니다. 모든 것이 샌드박스 내에서 안전하게 실행됩니다.
이것이 챗봇과 실제 에이전트의 결정적 차이입니다.
2. 장기 기억 (Long-Term Memory)
대화가 끝나도 DeerFlow는 기억합니다.
- 사용자 프로필과 선호도
- 글쓰기 스타일
- 자주 사용하는 기술 스택
- 반복되는 워크플로우
사용하면 할수록 더 나은 결과를 제공합니다. 메모리는 로컬에 저장되며 사용자가 완전히 통제합니다.
3. 확장 가능한 스킬 시스템
DeerFlow의 스킬은 단순한 프롬프트가 아닙니다. 구조화된 역량 모듈입니다.
기본 제공 스킬:
- Deep Research
- Report Generation
- Slide Creation
- Web Page Building
- Image & Video Generation
진정한 힘은 확장성에 있습니다:
/mnt/skills/public/ ← 기본 스킬
/mnt/skills/custom/ ← 커스텀 스킬 (사용자 정의)스킬은 프로그레시브 로딩됩니다. 태스크에 필요한 순간에만 로드되어 컨텍스트 윈도우를 효율적으로 관리합니다.
4. 서브에이전트 오케스트레이션
복잡한 태스크는 단일 패스로 처리할 수 없습니다. DeerFlow는 이를 분해합니다.
리드 에이전트가 서브에이전트를 동적으로 생성합니다:
- 각 서브에이전트는 독립된 컨텍스트와 도구를 가집니다
- 가능한 경우 병렬 실행
- 구조화된 결과를 리드 에이전트에 보고
- 최종 결과를 종합하여 출력
실제 시나리오:
연구 태스크 → 12개 서브에이전트가 각기 다른 각도 탐색 → 단일 리포트로 수렴 → 또는 웹사이트 생성 → 또는 슬라이드 덱 생성
5. 컨텍스트 엔지니어링
DeerFlow는 컨텍스트를 공격적으로 관리합니다.
- 완료된 서브태스크 요약
- 중간 결과를 파일시스템으로 오프로드
- 더 이상 관련 없는 정보 압축
이를 통해 긴 멀티스텝 태스크 동안에도 컨텍스트 윈도우를 효율적으로 유지합니다.
기술 아키텍처
DeerFlow 2.0은 처음부터 다시 작성되었습니다. (v1과 코드를 공유하지 않습니다)
기반 기술:
- LangGraph: 멀티에이전트 오케스트레이션
- LangChain: LLM 인터랙션
- Docker/Kubernetes: 샌드박스 실행 환경
모델 지원: OpenAI 호환 API를 구현하는 모든 LLM과 작동합니다. 특히 다음을 권장합니다:
- 긴 컨텍스트 윈도우 (100k+ 토큰)
- 추론 능력 (복잡한 분해)
- 멀티모달 입력
- 강력한 도구 사용
Doubao, DeepSeek, GPT-4, Gemini 등을 지원합니다.
IM 채널 통합
DeerFlow는 메신저 앱에서 직접 태스크를 받을 수 있습니다.
| 채널 | 전송 방식 | 난이도 |
|---|---|---|
| Telegram | Bot API (long-polling) | 쉬움 |
| Slack | Socket Mode | 보통 |
| Feishu/Lark | WebSocket | 보통 |
사용 가능한 명령어:
| 명령 | 설명 |
|---|---|
/new | 새 대화 시작 |
/status | 현재 스레드 정보 |
/models | 사용 가능한 모델 목록 |
/memory | 메모리 보기 |
/help | 도움말 |
공용 IP가 필요 없습니다. 설정하면 자동으로 시작됩니다.
Claude Code 연동
Claude Code 사용자라면 터미널을 떠나지 않고도 DeerFlow와 상호작용할 수 있습니다.
npx skills add https://github.com/bytedance/deer-flow --skill claude-to-deerflow가능한 작업:
- DeerFlow에 메시지 전송 및 스트리밍 응답 받기
- 실행 모드 선택: flash (빠름), standard, pro (계획), ultra (서브에이전트)
- DeerFlow 상태 확인, 모델/스킬/에이전트 목록 조회
- 스레드 및 대화 기록 관리
- 분석용 파일 업로드
빠른 시작
Docker (권장)
git clone https://github.com/bytedance/deer-flow.git
cd deer-flow
make config # 로컬 설정 파일 생성
make docker-init # 샌드박스 이미지 풀
make docker-start # 서비스 시작로컬 개발
make check # Node.js 22+, pnpm, uv, nginx 확인
make install # 의존성 설치
make dev # 서비스 시작v1에서 v2로의 진화
DeerFlow는 원래 Deep Research 프레임워크로 시작했습니다. 하지만 커뮤니티가 예상치 못한 방향으로 확장했습니다:
- 데이터 파이프라인 구축
- 슬라이드 덱 생성
- 대시보드 구동
- 콘텐츠 워크플로우 자동화
이 경험이 중요한 통찰을 주었습니다:
DeerFlow는 단순한 연구 도구가 아니었습니다. 에이전트가 실제 작업을 완료하는 인프라를 제공하는 하네스였습니다.
그래서 처음부터 다시 만들었습니다.
v1 사용자라면: 원본 Deep Research 프레임워크는 1.x 브랜치에서 유지됩니다.
마치며: 에이전트의 새로운 패러다임
DeerFlow 2.0은 “AI 챗봇에 도구 추가하기”라는 기존 접근을 거부합니다. 대신 에이전트에게 완전한 실행 환경을 제공합니다.
- 샌드박스 = 격리된 컴퓨터
- 메모리 = 세션 간 연속성
- 스킬 = 확장 가능한 역량
- 서브에이전트 = 복잡성 분해
MIT 라이선스로 완전히 오픈소스입니다. 셀프 호스팅, 완전한 통제.
27,000+ 스타가 증명합니다: 이것이 에이전트가 작동하는 방식입니다.