DeerFlow는 'Deep Exploration and Efficient Research Flow'의 약자로, ByteDance가 공개한 커뮤니티 기반 딥 리서치 프레임워크다. 2025년에 MIT License로 공개됐고 2026년 3월 2.0으로 확장되며 본격적인 'SuperAgent Harness'로 진화했다. 핵심 기능은 대규모 언어 모델, 웹 검색, 크롤링, Python 코드 실행, RAG 지식 검색, MCP 도구 호출을 LangGraph 기반 상태형 워크플로로 묶어 복잡한 조사 작업을 병렬 파이프라인으로 분해하는 데 있다. Coordinator, Planner, Researcher, Coder, Reporter의 5개 역할 에이전트가 Docker 샌드박스에서 안전하게 실행되며, 최종적으로 구조화 보고서, PowerPoint, AI 팟캐스트 오디오까지 생성한다.
| ✕기존 문제점 | ✓혁신적 솔루션 |
|---|---|
| 초기 AutoGPT 같은 단일 에이전트 구조는 장주기 복합 작업을 안정적으로 분해하지 못해 루프나 중도 실패가 잦다 | SuperAgent Harness 구조는 프레임워크를 단일 Agent가 아니라 오케스트레이션 기반으로 정의해 확장성이 크다 |
| Perplexity, OpenAI Deep Research 같은 주류 제품은 폐쇄형 구조라 기본 LLM, 도구 체인, 지식 전략을 세밀하게 바꾸기 어렵다 | Docker 격리 샌드박스와 영속 파일시스템으로 안전한 코드 실행, 파일 생성, 웹앱 구축까지 지원한다 |
| 많은 오픈소스 리서치 파이프라인은 코드 샌드박스와 멀티모달 출력이 없어 텍스트 결과에 머문다 | litellm을 통해 GPT-4, Claude, Qwen 등 100개 이상 모델을 통합해 모델 전환과 비용 제어가 유연하다 |
| CrewAI 같은 일부 멀티에이전트 프레임워크는 RAG 통합과 MCP 지원이 약해 사내 지식 연결 비용이 높다 | Human-in-the-Loop 기능으로 실행 중 계획을 자연어로 수정할 수 있어 자동화와 운영 통제를 함께 확보한다 |
| - | 보고서, PowerPoint, TTS 팟캐스트를 기본 생성해 텍스트 중심 리서치 도구를 넘어서는 결과물을 만든다 |
1git clone https://github.com/bytedance/deer-flow.git && cd deer-flow && pip install -r requirements.txt1cp .env.example .env2# .env를 열어 OPENAI_API_KEY 또는 ANTHROPIC_API_KEY, TAVILY_API_KEY 입력1uvicorn src.app:app --host 0.0.0.0 --port 8000 --reload1cd web && npm install && npm run dev1docker compose up -d| 핵심 시나리오 | 대상 고객 | 솔루션 | 최종 결과 |
|---|---|---|---|
| [경쟁 정보 리서치] | 시장 분석가와 사업 전략 팀 | 경쟁사 이름을 입력하면 Researcher가 실적, 뉴스, 제품 동향을 수집하고 Coder가 비교 분석을 수행하며 Reporter가 차트 보고서와 PPT를 생성 | 기존 2~3일 걸리던 수작업 조사를 30분 수준으로 단축하고 범위와 최신성을 높임 |
| [학술 문헌 리뷰 생성] | 연구자와 논문 작성자 | 연구 키워드를 입력하면 논문과 웹 자료를 검색하고 RAG 지식베이스와 결합해 방법론, 결과, 공백을 정리 | 구조화된 리뷰를 더 빠르게 만들고 누락 위험을 줄임 |
| [자동화 콘텐츠 마케팅 파이프라인] | 콘텐츠 운영팀과 1인 크리에이터 | 주제를 입력하면 DeerFlow가 조사, 글 작성, 차트 생성, 팟캐스트 오디오와 발표 자료 제작까지 자동화 | 소수 인력으로도 멀티모달 콘텐츠 생산을 빠르게 완료 |
