AI 에이전트 프레임워크가 난립하는 2026년, ByteDance가 DeerFlow 2.0을 오픈소스로 공개했습니다. GitHub 스타 3만 개를 돌파하며 개발자 커뮤니티에서 빠르게 주목받고 있습니다. CrewAI, AutoGen 같은 기존 프레임워크와 다른 점은 ‘실행 환경’까지 포함한다는 것입니다. 샌드박스, 메모리, 스킬, 서브 에이전트를 모두 내장한 올인원 SuperAgent입니다.
– DeerFlow 2.0은 ByteDance가 공개한 오픈소스 SuperAgent 프레임워크
– Docker 샌드박스에서 코드 실행 + 파일 조작 + 웹 리서치를 자율 수행
– LangGraph/LangChain 기반, 어떤 LLM이든 연결 가능 (GPT-4, Claude, Gemini, 로컬 모델)
– GitHub 스타 30.9K+, 슬라이드·보고서·UI 컴포넌트 자동 생성 가능
DeerFlow 2.0이란?
DeerFlow는 ByteDance가 개발한 오픈소스 SuperAgent 하니스입니다. 단순히 LLM에 도구를 붙이는 수준이 아니라, 리서치·코딩·콘텐츠 생성까지 수행하는 자율 에이전트 시스템입니다. 수분에서 수시간이 걸리는 복잡한 작업을 서브 에이전트들이 분담해서 처리합니다.
기존 에이전트 프레임워크와 가장 큰 차이점은 실행 환경이 내장되어 있다는 것입니다.
| 기능 | DeerFlow 2.0 | CrewAI | AutoGen |
|---|---|---|---|
| 샌드박스 실행 | Docker 내장 | 별도 구성 필요 | 별도 구성 필요 |
| 파일시스템 접근 | 기본 제공 | 제한적 | 제한적 |
| 장기 메모리 | 세션 간 유지 | 제한적 | 대화 내 |
| 스킬 시스템 | 마크다운 기반 | 없음 | 없음 |
| MCP 서버 | 기본 지원 | 미지원 | 미지원 |
| IM 연동 | Slack/Telegram/Lark | 별도 구현 | 별도 구현 |
| LLM 호환 | OpenAI 호환 API 전체 | OpenAI 호환 | OpenAI 호환 |
DeerFlow 2.0 설치 방법
설치는 Docker 방식과 로컬 방식 2가지로 설치할 수 있습니다. Docker를 추천합니다.
사전 준비
| 필수 항목 | 버전 | 용도 |
|---|---|---|
| Node.js | 22+ | 프론트엔드 빌드 |
| Python (uv) | 3.12+ | 백엔드 실행 |
| Docker | 최신 | 샌드박스 환경 |
| pnpm | 최신 | 패키지 관리 |
| LLM API 키 | – | OpenAI, Anthropic 등 |
Docker 설치 (추천)
# 1. 레포지토리 클론
git clone https://github.com/bytedance/deer-flow.git
cd deer-flow
# 2. 설정 파일 생성
make config
# 3. .env 파일에 API 키 설정
# OPENAI_API_KEY=sk-xxx 또는 ANTHROPIC_API_KEY=xxx
# 4. Docker 초기화 + 실행
make docker-init
make docker-start이 프레임워크는 LLM에 구애받지 않습니다.
.env 파일에서 OpenAI, Anthropic, Google, 또는 OpenRouter를 통해 어떤 모델이든 연결할 수 있습니다. 추천 모델 요건: 100K+ 토큰 컨텍스트, 추론 능력, 도구 사용 지원.
로컬 설치
# 환경 체크
make check
# 의존성 설치
make install
# 개발 서버 실행
make dev실행 후 브라우저에서 접속하면 대시보드가 표시됩니다. 채팅 형태로 작업을 지시하면 됩니다.
[IMAGE: DeerFlow 대시보드 초기 화면]핵심 기능 6가지
1. 서브 에이전트 병렬 실행
SuperAgent 리드 에이전트는 복잡한 작업을 논리적 하위 작업으로 분해하고, 서브 에이전트들을 병렬로 생성합니다. 예를 들어 “경쟁사 분석 보고서 작성”을 지시하면, 웹 스크래핑 에이전트, 데이터 분석 에이전트, 보고서 작성 에이전트가 동시에 작동합니다.
2. Docker 샌드박스 실행
격리된 Docker 컨테이너 안에서 실제 코드를 실행합니다. Python 스크립트, bash 명령어, 파일 생성/수정이 모두 가능합니다. “코드를 제안”하는 수준이 아니라, 실제로 실행하고 결과를 확인합니다.
3. 장기 메모리
세션 간에 메모리가 유지됩니다. 어제 작업한 내용을 오늘 이어서 할 수 있고, 이전 리서치 결과를 참조해서 새 보고서를 작성할 수 있습니다.
4. 스킬 시스템
마크다운 파일로 정의된 스킬을 통해 에이전트의 능력을 확장합니다. 리서치, 보고서 생성, 슬라이드 제작, 웹페이지 생성, 이미지/비디오 생성 스킬이 기본 내장되어 있습니다. Claude Code 플러그인의 스킬 시스템과 유사한 개념입니다.
5. MCP 서버 지원
Model Context Protocol 서버를 연결해서 외부 도구와 통합할 수 있습니다. OAuth 토큰 플로우도 지원하므로 인증이 필요한 서비스에도 접근 가능합니다.
6. IM 채널 연동
Telegram, Slack, Feishu/Lark와 직접 연동됩니다. 메신저에서 바로 에이전트에 작업을 지시하고 결과를 받아볼 수 있습니다.
실전 활용 시나리오
| 시나리오 | SuperAgent가 하는 일 | 소요 시간 |
|---|---|---|
| 심층 리서치 보고서 | 웹 전체에서 출처를 수집 → 분석 → 차트 포함 보고서 생성 | 5~15분 |
| 슬라이드 제작 | 주제 리서치 → 구조 설계 → 완성된 PPT 파일 생성 | 3~10분 |
| 코드 프로젝트 | 요구사항 분석 → 코드 작성 → 샌드박스 테스트 → 결과 리포트 | 10~30분 |
| 경쟁사 분석 | 웹 스크래핑 + 데이터 분석 + 비교 보고서 자동 생성 | 10~20분 |
| UI 컴포넌트 생성 | 디자인 요구사항 → HTML/CSS/JS 코드 → 프리뷰 제공 | 3~10분 |
이 도구를 n8n 자동화와 결합하면 더 강력합니다. n8n에서 트리거(이메일 수신, 일정 등)를 설정하고, SuperAgent를 호출해서 리서치→보고서 생성을 완전 자동화할 수 있습니다.
다른 에이전트 프레임워크와 비교
– 샌드박스 + 메모리 + 스킬 올인원
– Docker 기반 안전한 코드 실행
– 장기 메모리 (세션 간 유지)
– MCP + IM 채널 기본 내장
– GitHub 30.9K 스타 (활발한 커뮤니티)
– 무료 오픈소스
– Docker + Node.js 22+ + Python 필요 (진입 장벽)
– CrewAI/AutoGen 대비 에코시스템 아직 작음
– ByteDance 기업 의존성 리스크
– 한국어 문서 부족
주의사항
– DeerFlow는 Docker 안에서 실제 코드를 실행합니다. 신뢰할 수 없는 작업은 격리된 환경에서만 수행하세요
– LLM API 키가
.env에 저장되므로, 레포지토리를 공개하지 마세요– DeerFlow 2.0은 아직 활발히 개발 중이므로 프로덕션 배포 전 안정성을 충분히 테스트하세요
– ByteDance 프로젝트이므로 일부 기업에서 보안 정책상 사용이 제한될 수 있습니다
제 경험상 이 도구의 진짜 강점은 “실행까지 해준다”는 점입니다. 대부분의 AI 에이전트 도구가 코드를 생성하는 데 그치지만, 이 프레임워크는 샌드박스에서 직접 실행하고, 결과를 확인하고, 실패하면 다시 시도합니다. AI 코딩 도구와 병행하면 개발 워크플로우를 근본적으로 바꿀 수 있습니다.
– DeerFlow 공식 GitHub: github.com/bytedance/deer-flow
– DeerFlow 아키텍처 문서: deepwiki.com/bytedance/deer-flow/3-architecture
– MarkTechPost DeerFlow 2.0 소개: marktechpost.com/2026/03/09/
– ByteDance Open Source X(Twitter): @ByteDanceOSS