DeerFlow 2.0: 딥 리서치를 넘어 ‘슈퍼 에이전트 하네스’로 진화한 오픈소스 에이전트 플랫폼

이 글은 DeerFlow 2.0이 무엇인지, 왜 주목받고 있는지, 그리고 어떤 기술적 특징과 활용 가치를 가지는지를 정리한 IT 기술 블로그입니다. DeerFlow 2.0은 단순한 AI 리서치 도구를 넘어, 실제로 “일을 수행하는 에이전트”를 만들기 위한 실행 환경(runtime)으로 재탄생한 오픈소스 프로젝트입니다. 본문에서는 DeerFlow의 배경, 핵심 개념, 주요 기능, 실행 방법, 그리고 기대 효과까지 단계적으로 살펴봅니다.

반응형

---

DeerFlow 2.0 개요와 등장 배경

**DeerFlow**는 Deep Exploration and Efficient Research Flow의 약자로, 원래는 딥 리서치를 자동화하기 위한 프레임워크로 시작했습니다.
하지만 커뮤니티의 활용이 확장되면서 단순 리서치를 넘어 데이터 파이프라인 구축, 슬라이드 생성, 대시보드 제작, 콘텐츠 자동화 등 다양한 작업에 사용되기 시작했습니다.

이 흐름은 하나의 결론으로 이어졌습니다.
DeerFlow는 “리서치 프레임워크”가 아니라, **에이전트가 실제 작업을 수행할 수 있도록 돕는 하네스(harness)**라는 점입니다.

이 인식 변화에 따라 DeerFlow 2.0은 **1.x와 코드 호환성이 없는 완전한 재작성(ground-up rewrite)**으로 출시되었고, 2026년 2월 GitHub Trending 1위를 기록하며 주목을 받았습니다.

---

Deep Research에서 Super Agent Harness로의 전환

DeerFlow 2.0의 핵심 메시지는 명확합니다.

• 더 이상 사용자가 여러 컴포넌트를 조립할 필요 없음
• 에이전트가 바로 실행 가능한 “완성형 환경” 제공
• 복잡한 작업을 분해하고 병렬로 처리하는 구조 내장

이를 위해 DeerFlow 2.0은 **LangGraph**와 **LangChain**을 기반으로 설계되었습니다.
그 결과, 파일 시스템, 메모리, 스킬, 샌드박스 실행 환경, 서브 에이전트 생성 기능까지 모두 기본 제공하는 슈퍼 에이전트 하네스로 진화했습니다.

---

DeerFlow 2.0 핵심 기능 정리

1. Skills & Tools: 작업을 가능하게 하는 실행 단위

DeerFlow에서 Skill은 단순한 프롬프트가 아니라,

• 작업 흐름
• 모범 사례
• 참고 리소스
  를 함께 정의한 구조화된 기능 모듈입니다.

기본 제공 스킬 예시는 다음과 같습니다.

• 리서치
• 보고서 생성
• 슬라이드 제작
• 웹 페이지 생성
• 이미지 및 비디오 생성

스킬은 필요할 때만 로드되는 구조로, 컨텍스트를 효율적으로 관리합니다.
또한 웹 검색, 파일 조작, bash 실행 등 기본 도구뿐 아니라 MCP 서버와 Python 함수 기반의 커스텀 도구도 자유롭게 확장할 수 있습니다.

---

2. Sub-Agent 구조: 복잡한 작업을 병렬로 처리

복잡한 작업은 한 번의 에이전트 실행으로 끝나지 않습니다.
DeerFlow는 리드 에이전트가 서브 에이전트를 동적으로 생성해 작업을 분해합니다.

• 각 서브 에이전트는 독립된 컨텍스트와 도구를 사용
• 병렬 실행 가능
• 결과를 구조화해 리드 에이전트에 보고
• 최종 결과를 하나의 산출물로 통합

이 구조 덕분에 장시간이 소요되는 리서치, 콘텐츠 생성, 자료 제작도 안정적으로 처리할 수 있습니다.

---

3. Sandbox & 파일 시스템: 실제로 “일을 하는” 에이전트

DeerFlow 2.0은 대화형 AI에 그치지 않습니다.
각 작업은 격리된 Docker 기반 샌드박스 환경에서 실행됩니다.

• 파일 읽기·쓰기
• 코드 실행
• 이미지 확인
• 결과물 저장

모든 작업은 세션별로 완전히 분리되어 실행되며, 감사 가능하고 안전한 환경을 제공합니다.
이는 단순한 툴 호출 AI와 DeerFlow의 가장 큰 차별점입니다.

---

4. Context Engineering과 장기 메모리

DeerFlow는 긴 작업에서도 컨텍스트를 효율적으로 관리합니다.

• 완료된 작업은 요약
• 중간 결과는 파일 시스템으로 오프로딩
• 불필요한 컨텍스트는 압축

또한 세션이 종료되어도 사용자 선호, 작업 스타일, 누적 지식이 장기 메모리로 저장됩니다.
즉, 사용할수록 사용자를 더 잘 이해하는 에이전트가 됩니다.

---

InfoQuest 통합: 지능형 검색과 크롤링

DeerFlow 2.0에는 BytePlus에서 개발한 InfoQuest 검색·크롤링 도구가 새롭게 통합되었습니다.
이를 통해 웹 기반 정보 수집과 분석을 더욱 정교하게 수행할 수 있으며, 무료 온라인 체험도 지원됩니다.

---

DeerFlow 2.0 실행 방법 요약

Docker 기반 실행 (권장)

1. 저장소 클론
2. make config로 설정 파일 생성
3. 모델 API 키 설정
4. make docker-init
5. make docker-start
6. http://localhost:2026 접속

Docker 실행은 환경 일관성과 샌드박스 활용 측면에서 가장 안정적인 방식입니다.

---

로컬 개발 실행

• Node.js, pnpm, uv, nginx 환경 필요
• make install → make dev 순으로 실행
• 동일하게 http://localhost:2026에서 접근 가능

---

728x90

DeerFlow 2.0이 가지는 의미와 기대 효과

DeerFlow 2.0은 단순히 “더 똑똑한 AI”를 제공하는 프로젝트가 아닙니다.
AI가 실제 업무를 수행할 수 있는 실행 환경을 오픈소스로 제공한다는 점이 가장 큰 가치입니다.

정리하면 다음과 같습니다.

• 프레임워크가 아닌 완성형 에이전트 하네스
• 멀티 에이전트 기반의 복잡한 작업 처리
• 파일 시스템과 실행 환경을 포함한 실질적 자동화
• 커스터마이징과 확장성이 뛰어난 오픈소스 구조

앞으로 DeerFlow 2.0은 리서치 자동화를 넘어, AI 기반 업무 자동화와 지식 노동의 실행 플랫폼으로 활용 범위가 더욱 확장될 것으로 기대됩니다.

300x250

https://github.com/bytedance/deer-flow

GitHub - bytedance/deer-flow: An open-source SuperAgent harness that researches, codes, and creates. With the help of sandboxes,