바이트댄스, 멀티 에이전트 프레임워크 'DeerFlow 2.0' 오픈소스 공개

DeerFlow 2.0은 몇 분에서 몇 시간까지 걸리는 복잡한 장기 작업을 자율적으로 처리하도록 설계된 오픈소스 AI 에이전트 오케스트레이션 프레임워크다.

단순한 챗봇 래퍼가 아니라 메인 에이전트가 복잡한 업무를 쪼개고 하위 서브 에이전트들을 생성해 병렬로 작업을 지시한 뒤 결과를 모아 완성된 산출물을 넘겨주는 구조다.

어떤 작업을 수행할 수 있는가

DeerFlow 2.0은 실무에 즉시 투입할 수 있는 다양한 내장 스킬을 갖추고 있다.

산업 트렌드 심층 리서치 보고서 작성, 발표용 슬라이드 제작, 실제 작동하는 웹페이지 코딩, AI 영상 및 이미지 제작을 자동으로 해낸다.

데이터 분석 코드를 실행해 시각화 차트를 뽑아내고 긴 팟캐스트나 영상을 요약하며, 복잡한 기술 구조를 만화 형식으로 쉽게 풀어내기도 한다. 실제 결과물 샘플은 공식 웹사이트 deerflow.tech에서 확인할 수 있다.

구동 방식과 격리 샌드박스

오케스트레이션 실행 엔진과 모델 추론 엔진이 완전히 분리되어 있어 배포가 매우 유연하다.

개인 PC에서 로컬로 가볍게 띄울 수도 있고, 기업용 프라이빗 Kubernetes 클러스터에 배포하거나 공인 IP 없이도 Slack, Telegram 등 메신저에 바로 연동할 수 있다.

모델 제약도 없다. 클라우드의 GPT-4, DeepSeek, 콩바오(Doubao) 같은 API는 물론 Ollama를 활용해 로컬 오픈소스 모델로 완전 폐쇄망 환경을 구축할 수도 있다.

핵심 안전장치는 Docker 기반의 AIO 샌드박스다. 각 작업은 브라우저와 셸, 영구 파일 시스템을 갖춘 독립 컨테이너 안에서 실행된다.

에이전트가 코드를 돌리고 Bash 명령을 실행해도 호스트 시스템에는 아무런 위험이 없다. 세션을 넘나드는 영구 메모리도 지원해 사용할수록 사용자 컨텍스트를 잘 파악한다.

LangGraph 1.0과 LangChain 기반으로 밑바닥부터 재작성되었으며 완전한 MIT 라이선스로 배포된다. 공개 직후 GitHub 트렌딩 1위에 올랐고 3만 9천 개 이상의 스타와 4600개 이상의 포크를 기록 중이다.

왜 중요한가

반복적인 심층 조사, 보고서 작성, 프로토타입 제작 업무가 많은 개발자나 기획자라면 지금 바로 설치해 사용해 볼 만하다.

단순히 검색 API 몇 개 물려놓은 대다수 에이전트와 달리, 독립된 Docker 컨테이너를 격리 작업 공간으로 제공해 실용성과 안전성을 모두 잡았다는 점이 영리하다.

다만 장시간 다중 에이전트가 코드를 짜고 루프를 돌면 토큰 비용이 급증하고 지시 왜곡이 생길 수 있다. 초기 시도에서는 추론 성능이 검증된 최상위 모델을 주력으로 연결하고 샌드박스 리소스 제한을 적절히 두는 편이 안전하다.