deer-flow
무엇인가
DeerFlow 2.0은 조사·코딩·생성처럼 수 분에서 수 시간이 걸리는 작업을 하나의 실행 흐름에서 처리하는 오픈소스 슈퍼 에이전트 하네스다. 이름은 Deep Exploration and Efficient Research Flow의 약자다. 에이전트 실행 로직을 직접 구현하는 대신 그 위에서 조율하는 계층에 해당한다.
어떻게 동작하나
실행 단위는 서브에이전트다. 메인 에이전트가 작업을 나눠 서브에이전트에 넘기고, 각 서브에이전트는 샌드박스 안에서 파일 시스템과 bash에 접근한다. 도구 호출은 스킬(skills)로 확장되며 MCP 서버를 연결해 외부 도구를 붙일 수 있다. 세션 목표(session goals)와 수동 컨텍스트 압축(manual context compaction)으로 긴 대화의 컨텍스트를 관리하고, 장기 기억(long-term memory)은 세션 밖으로 유지된다. 실행 중 발생한 메시지는 IM 채널 게이트웨이로 전달되고, 추적 데이터는 LangSmith·Langfuse·Monocle로 내보낸다.
무엇과 다른가
1.x는 Deep Research 프레임워크였다. 2.0은 코드를 공유하지 않는 전면 재작성이며 1.x는 별도 브랜치에서 유지된다. 딥 리서치에 한정되지 않고 샌드박스 실행, 코드 작성, 파일 생성까지 포함하는 범용 하네스로 범위가 넓어졌다. Claude Code·Codex·Cursor 같은 코딩 에이전트에 설정 지시를 넘겨 초기 구성을 대신하게 하는 경로도 있다.
어떻게 쓰나
저장소를 클론한 뒤 프로젝트 루트에서 설정 마법사를 실행한다. 마법사는 LLM 제공자, 선택적 웹 검색, 샌드박스 모드·bash 접근·파일 쓰기 같은 실행·안전 설정을 묻고 최소 config.yaml과 .env를 생성한다. 직접 편집하려면 make config로 전체 템플릿을 복사한다. make doctor로 설정을 검증하고, 문제 보고용 자료는 make support-bundle로 만든다. 실행 방식은 Docker 배포와 로컬 개발 두 가지다. 터미널에서는 TUI 워크벤치를, 코드에서는 임베디드 Python 클라이언트를 쓴다.
전제와 한계
Python으로 작성됐고 LLM 제공자 API 키가 필요하다. Docker 배포가 권장된다. 모델별 가격을 설정할 경우 모든 모델이 같은 통화를 써야 하며, 통화가 섞이면 콘솔 비용 추정이 비활성화된다. InfoQuest 리더·웹 검색·이미지 검색은 HTTP 연결·읽기 무응답 타임아웃이 30초이고, 크롤의 timeout·navigation_timeout은 서버 측 별도 옵션이라 이 값을 제어하지 않는다. README는 부적절한 배포가 보안 위험을 만들 수 있다고 경고한다.
관련 논문 4
유사 도구
- cua격리된 클라우드 데스크톱과 로컬 macOS VM, 데스크톱 조작 드라이버, computer-use 벤치마크를 한 스택으로 묶은 오픈소스 도구다.
- deepseek-harness모든 기능을 플러그인으로 조립하는 DeepSeek AI의 오픈소스 에이전트 하네스다. Cordis 런타임 기반이며 CLI에서 로컬 웹 UI를 띄운다.
- E2BAI가 생성한 코드를 클라우드의 격리된 샌드박스에서 실행하는 오픈소스 인프라다. Python·JavaScript SDK로 샌드박스를 띄우고 코드 실행과 데스크톱 제어를 위임한다.
- ragflow비정형 문서를 파싱·청킹해 검색 증강 생성 파이프라인과 에이전트 워크플로를 한 엔진에서 돌리는 오픈소스 RAG 서버다.
- trpc-agent-goGo로 프로덕션 에이전트 시스템을 만드는 프레임워크다. 그래프 워크플로, 도구 호출, 메모리, A2A·AG-UI·MCP 연동, 평가, OpenTelemetry 관측성을 한 스택에 담는다.
- browser-useLLM이 브라우저를 직접 조작하도록 만드는 파이썬 에이전트 라이브러리다. 자연어 작업을 주면 페이지를 읽고 클릭·입력·스크롤을 스스로 결정해 실행한다.