Back to Blog
ByteDance DeerFlow 2.0: 틱톡 모회사가 공개한 오픈소스 AI 에이전트 프레임워크
Tutorial

ByteDance DeerFlow 2.0: 틱톡 모회사가 공개한 오픈소스 AI 에이전트 프레임워크

4 min read0
#Bytedance#Ai 에이전트#딥리서치#에이전트 프레임워크#Deerflow#오픈소스#Langgraph

ByteDance DeerFlow 2.0: 틱톡 모회사가 공개한 오픈소스 AI 에이전트 프레임워크

틱톡을 만든 ByteDance가 AI 에이전트 프레임워크를 MIT 라이선스로 공개했습니다. DeerFlow 2.0은 GitHub 스타 25,000개를 넘기며 트렌딩 1위를 기록한 프로젝트입니다. 단순한 딥리서치 도구가 아닌, 서브에이전트와 샌드박스, 메모리를 오케스트레이션하는 범용 에이전트 런타임으로 진화했습니다.

DeerFlow 2.0은 Deep Exploration and Efficient Research Flow의 약자로, ByteDance가 오픈소스로 공개한 AI 에이전트 런타임입니다.

DeerFlow 2.0이란 무엇인가

DeerFlow는 원래 딥리서치 프레임워크로 출발했습니다. 하지만 v2.0에서 완전히 재작성되어 v1과 코드를 공유하지 않습니다. 이제는 서브에이전트, 메모리, 샌드박스를 하나의 런타임에서 관리하는 슈퍼 에이전트 하네스로 변모했습니다.

GitHub에서 25,000개 이상의 스타와 3,000개 이상의 포크를 기록했으며, 2026년 2월 28일 v2.0 출시 당일 GitHub Trending 1위를 달성했습니다. 하루 만에 692개의 스타를 받은 것은 개발자 커뮤니티의 높은 관심을 보여줍니다.

DeerFlow 2.0 핵심 기능 5가지

Skills & Tools: 모듈형 스킬 시스템

마크다운 기반의 스킬 모듈과 MCP(Model Context Protocol) 서버를 지원합니다. 리서치, 리포트, 슬라이드, 웹페이지, 이미지 및 영상 생성이 기본으로 내장되어 있습니다. 커스텀 스킬 확장이 가능하며, 프로그레시브 로딩으로 필요한 스킬만 선택적으로 불러옵니다.

Sub-Agents: 동적 에이전트 스폰

리드 에이전트가 서브에이전트를 동적으로 생성하고 관리합니다. 각 서브에이전트는 독립된 컨텍스트, 도구, 종료 조건을 갖습니다. 병렬 실행 후 결과를 합성하는 구조로, 복잡한 작업을 분할 정복할 수 있습니다.

Sandbox & File System: 격리된 실행 환경

Docker 컨테이너 기반의 격리 실행 환경을 제공합니다. 파일 읽기/쓰기, bash 실행, 이미지 뷰잉이 가능하며, 세션 간 오염이 없습니다. 작업 파일은 /mnt/user-data/ 경로 아래에서 업로드, 워크스페이스, 출력으로 구분됩니다.

Context Engineering: 토큰 효율 극대화

서브에이전트별 격리 컨텍스트를 유지하면서, 완료된 서브태스크는 자동으로 요약합니다. 중간 결과물을 파일시스템에 오프로드하여 컨텍스트 윈도우를 효율적으로 사용합니다. 토큰 낭비 없이 대규모 멀티스텝 작업이 가능합니다.

Long-Term Memory: 세션 간 지속 기억

사용자 프로필, 선호도, 축적된 지식을 세션 간에 유지합니다. 로컬에 저장되므로 외부 데이터 유출 위험이 적습니다. 새 세션을 시작해도 이전 맥락을 기억하고 이어서 작업할 수 있습니다.

DeerFlow 2.0 설치 및 시작 방법

DeerFlow 2.0은 Docker 기반 설치를 권장합니다. 아래 단계를 따르면 5분 안에 시작할 수 있습니다.

git clone https://github.com/bytedance/deer-flow.git
cd deer-flow
make config        # 설정 파일 생성
# config.yaml에서 모델 설정
# .env에 API 키 설정
make docker-init   # 샌드박스 이미지 풀 (최초 1회)
make docker-start  # 서비스 시작
# http://localhost:2026 접속

OpenAI 호환 API를 지원하는 모든 LLM을 연결할 수 있어서, 특정 모델에 종속되지 않습니다. Telegram, Slack, Feishu/Lark 등 메신저 채널 연동도 지원합니다.

DeerFlow vs 경쟁 프레임워크 비교

비교 항목DeerFlow 2.0OpenAI Deep ResearchAutoGPT/CrewAILangGraph 직접 사용
라이선스MIT (무료)유료 API다양MIT
LLM 선택모든 OpenAI 호환OpenAI 전용다양다양
샌드박스Docker 내장제한적미내장직접 구현
메모리Long-Term 내장API별 다름구현 필요직접 구현
프로덕션 레디ByteDance 검증검증됨실험적직접 검증
커스터마이징높음낮음높음최대
기본 스킬다수 내장제한적제한적없음

OpenAI Deep Research와 비교하면 무료이면서 모델 선택의 자유가 있습니다. AutoGPT나 CrewAI와 비교하면 샌드박스가 내장되어 프로덕션 환경에 더 적합합니다. LangGraph를 직접 사용하는 것에 비해 스킬, 메모리, 샌드박스가 기본 포함된 batteries-included 접근법을 취합니다.

DeerFlow 2.0 기술 아키텍처

DeerFlow 2.0은 LangGraph와 LangChain을 기반으로 구축되었습니다. 핵심 아키텍처 요소는 다음과 같습니다.

  • 모델 무관성: OpenAI 호환 API를 지원하는 모든 LLM 사용 가능
  • 배포 옵션: Docker(권장), 로컬 개발, Docker + Kubernetes
  • IM 채널 연동: Telegram, Slack, Feishu/Lark
  • Claude Code 통합: claude-to-deerflow 스킬 제공
  • 임베디드 클라이언트: HTTP 없이 Python 라이브러리로 직접 사용 가능
  • InfoQuest 통합: BytePlus 지능형 검색/크롤링 도구셋

DeerFlow 도입 시 주의사항

DeerFlow를 도입하기 전에 반드시 고려해야 할 사항이 있습니다.

첫째, ByteDance 제품이라는 점에서 데이터 정책 우려가 존재합니다. 보안 전문가 Edward Kiledjian의 리뷰에 따르면, 거버넌스와 프라이버시, 보안 평가가 아직 부족한 상태입니다.

둘째, 비즈니스 환경에서 도입할 경우 보안 리뷰를 선행해야 합니다. 민감한 데이터를 다루는 프로젝트에서는 특히 주의가 필요합니다.

셋째, 개인 프로젝트나 학습 목적으로 먼저 사용해보고, 조직 도입은 충분한 검토 후 결정하는 것이 현실적입니다.

자주 묻는 질문 (FAQ)

DeerFlow 2.0은 무료인가요?

네, MIT 라이선스로 완전히 오픈소스입니다. 상업적 사용도 가능합니다. 다만 연결하는 LLM API의 비용은 별도입니다.

어떤 LLM을 사용할 수 있나요?

OpenAI 호환 API를 지원하는 모든 LLM을 사용할 수 있습니다. OpenAI, Anthropic Claude, Google Gemini, 로컬 모델 등 선택의 자유가 있습니다.

v1에서 v2로 마이그레이션이 가능한가요?

v2.0은 완전히 재작성되어 v1과 코드를 공유하지 않습니다. 기존 v1 사용자는 새로 설치하고 설정을 다시 구성해야 합니다.

프로덕션 환경에서 사용해도 되나요?

ByteDance 내부에서 검증된 구조이지만, 데이터 정책과 보안에 대한 독립적 평가가 필요합니다. 민감한 데이터를 다루는 경우 보안 리뷰를 선행하세요.

마무리: DeerFlow 2.0이 의미하는 것

ByteDance DeerFlow 2.0은 AI 에이전트 프레임워크 시장에 새로운 선택지를 제공합니다. GitHub 스타 25,000개와 트렌딩 1위가 보여주듯, 개발자 커뮤니티의 관심은 이미 검증되었습니다.

서브에이전트, 샌드박스, 메모리, 컨텍스트 엔지니어링이라는 에이전트 런타임의 핵심 요소를 하나의 오픈소스 프레임워크에 담았다는 점에서, 직접 한번 설치하고 테스트해볼 가치가 충분합니다.

DeerFlow 2.0 GitHub 바로가기

참고 자료