【DeerFlow】ByteDance製オープンソースSuperAgentで深度調査とコード実行を自動化

課題 vs イノベーション

✕従来の課題	✓革新的ソリューション
初期のAutoGPTのような単一エージェント型は長期かつ複雑なタスク分解が不安定で、ループや途中停止が発生しやすいです	SuperAgent Harnessアーキテクチャにより、単体Agentではなく編成基盤として拡張できる点が大きな差別化です
PerplexityやOpenAI Deep Researchのような主流製品は閉鎖的で、基盤LLM、ツールチェーン、ナレッジ戦略を柔軟に制御しにくいです	Docker分離サンドボックスと永続ファイルシステムにより、安全なコード実行、ファイル生成、Webアプリ構築を実現します
多くのオープンソース調査パイプラインはコード実行用サンドボックスとマルチモーダル出力を欠き、テキスト結果に限定されます	litellm経由でGPT-4、Claude、Qwenなど100超のモデルを統合し、モデル切替とコスト最適化を容易にします
CrewAIのような一部フレームワークはRAG統合やMCP対応が十分でなく、企業内知識の接続コストが高くなりがちです	Human-in-the-Loopにより、実行中の計画を自然言語で即時修正でき、業務統制と自動化を両立します
-	レポート、PowerPoint、TTSポッドキャストを標準で生成でき、単なる文章生成を超える業務成果物に対応します

アーキテクチャ深掘り

LangGraph状態管理型ワークフロー基盤

DeerFlowの実行編成層はLangGraph上に構築され、状態を持つグラフで複雑な調査工程を表現します。各Agentノードは独立した処理単位として動作し、構造化メッセージで文脈を共有するため、従来型コールバック設計の結合度を下げられます。Checkpointにより任意ノードで停止と再開が可能で、Human-in-the-Loopの計画修正に適しています。可視化デバッグと組み合わせることで、多エージェントの状態追跡が大幅に容易になります。

階層型マルチエージェント役割システム

Coordinator、Planner、Researcher、Coder、Reporterの5役割を標準搭載し、ライフサイクル管理、計画分解、情報収集、コード処理、成果統合を分担します。役割分離により、複雑な調査業務を責務の明確なパイプラインへ整理できます。各役割には必要なツールのみを付与し、最小権限設計を保ちます。構造化通信により、段階間の結果連携も安定します。

Docker分離サンドボックス実行環境

DeerFlow 2.0は独立したDockerコンテナで安全な実行境界を提供し、永続ファイルシステムとBash端末も備えます。Agentはホストを汚染せずにPython実行、依存追加、ファイル操作、Webアプリ構築まで実施できます。サンドボックス状態はタスク全体で維持されるため、中間成果物の再利用が容易です。承認ゲートを併用すれば、企業向け統制にも適します。

litellmによるモデル非依存アクセス層

litellmを介して、OpenAI、Claude、Qwen、Ollamaなど多様なモデルを単一インターフェースで扱えます。重い推論は高性能モデルへ、軽い処理は低コストモデルへ振り分ける運用が可能です。これにより品質を維持しつつ推論コストを抑制できます。設定中心で切替できるため、クラウド間やオンプレ環境への移行もしやすくなります。

RAGとMCPの二系統知識拡張

DeerFlowはRAGとMCPの2系統で外部知識を拡張し、公開Web以外の情報も活用できます。RAG側ではRAGFlowやVikingDBと連携し、検索結果をAgent文脈へ注入できます。MCP側では外部MCP Server経由で私有ドメイン、知識グラフ、社内ツールへ接続可能です。この二系統設計により、インターネット調査と企業内ナレッジ活用の両方に対応します。

デプロイガイド

1. リポジトリを取得し、バックエンド依存関係を導入します。Python 3.12以上が必要です

bash

1git clone https://github.com/bytedance/deer-flow.git && cd deer-flow && pip install -r requirements.txt

2. 環境変数テンプレートを複製し、LLM APIキーと検索資格情報を設定します

bash

1cp .env.example .env2# .env を編集し、OPENAI_API_KEY または ANTHROPIC_API_KEY、TAVILY_API_KEY を設定

3. バックエンドサービスを起動します。既定ポートは8000です

bash

1uvicorn src.app:app --host 0.0.0.0 --port 8000 --reload

4. フロントエンド依存関係を導入し、Next.js開発サーバーを起動します。Node.js 18以上が必要です

bash

1cd web && npm install && npm run dev

5. 任意でDocker Composeによりフルスタックとサンドボックスを起動します

bash

1docker compose up -d

導入事例

コアシーン	対象読者	ソリューション	成果
[競合インテリジェンス調査]	市場分析担当者と事業戦略チーム	競合企業名を入力すると、Researcherが決算、ニュース、製品動向を収集し、Coderが比較分析し、Reporterが図表付きレポートとPPTを生成	従来2〜3日かかった手作業調査を約30分規模へ短縮し、網羅性と鮮度を高める
[学術文献レビュー生成]	研究者と論文執筆者	研究キーワードを入力すると、論文とWeb資料を検索し、RAG知識ベースと組み合わせて手法、結果、研究ギャップを整理	構造化レビューを高速に作成し、見落としリスクを減らす
[自動化コンテンツ制作パイプライン]	コンテンツ運営チームと個人クリエイター	テーマ入力後、DeerFlowが調査、長文作成、図表生成、ポッドキャスト音声と資料作成まで自動化	個人でも短時間でマルチモーダル成果物を制作できる

よくある質問

DeerFlowとOpenAI Deep Researchの本質的な違いは何ですか？▾

DeerFlowは自己ホスト可能なオープンフレームワークであり、モデル、ツール、データ経路を自社で制御できます。OpenAI Deep Researchは閉鎖型クラウド製品に近く、DeerFlowの方がDockerサンドボックス実行や私有環境展開の自由度が高いです。

DeerFlow 2.0の主な進化点は何ですか？▾

2.0は単なる調査ツールからSuperAgent Harnessへ拡張されました。Dockerサンドボックス、独立したMemoryとSkills、多層SubAgent編成、企業拡張向けバックエンド分離が主な変化です。

完全オフラインの私有環境でDeerFlowを動かせますか？▾

可能です。モデルをローカルOllamaへ切り替え、外部検索を無効化または社内検索へ置換すれば運用できます。RAGも社内インスタンスに接続できますが、品質はローカルモデル性能に大きく依存します。

DeerFlowのサンドボックスの安全境界はどこにありますか？▾

基本的な隔離はDockerコンテナで確保されるため、通常はホストへ直接影響しません。ただし、ポリシー駆動の事前認可はまだ十分ではないため、本番では承認ゲートの有効化が望ましいです。

独自ツールや社内APIはどう接続しますか？▾

一般的にはMCP Serverとして公開する方法と、バックエンドHarness層で独自Toolを登録する方法があります。前者は再利用性が高く、後者は業務固有の強結合機能に向いています。

CrewAIやAutoGenと比べたときの違いは何ですか？▾

DeerFlowはLangGraphによる状態管理、Docker級サンドボックス、レポートとPPTとポッドキャストの複合成果物を重視します。CrewAIは役割パイプライン寄り、AutoGenは対話協調寄りで、DeerFlowは可視化デバッグ、再開性、RAG統合でより実務向けです。

会話履歴機能はありますか？▾

あります。Conversation Historyは2.0系のMemory基盤に含まれ、多ターンの調査を継続的に扱いやすくします。

Dify経由とDeerFlowネイティブRAGの違いは何ですか？▾

Dify経由は、すでにDifyで知識管理やアプリ編成を行っている組織に適しています。ネイティブRAGFlow経路は、検索をDeerFlowのワークフローへより密接に組み込みたい場合に向きます。

DeerFlow — ByteDanceのオープンソースSuperAgent基盤

概要

課題 vs イノベーション

アーキテクチャ深掘り

デプロイガイド

1. リポジトリを取得し、バックエンド依存関係を導入します。Python 3.12以上が必要です

2. 環境変数テンプレートを複製し、LLM APIキーと検索資格情報を設定します

3. バックエンドサービスを起動します。既定ポートは8000です

4. フロントエンド依存関係を導入し、Next.js開発サーバーを起動します。Node.js 18以上が必要です

5. 任意でDocker Composeによりフルスタックとサンドボックスを起動します

導入事例

制限事項と注意点

よくある質問