<a href="https://www.stork.ai/en/deer-flow" target="_blank" rel="noopener noreferrer"><img src="https://www.stork.ai/api/badge/deer-flow?style=dark" alt="deer-flow - Featured on Stork.ai" height="36" /></a>

Markdown

[![deer-flow - Featured on Stork.ai](https://www.stork.ai/api/badge/deer-flow?style=dark)](https://www.stork.ai/en/deer-flow)

overview

deer-flow란 무엇인가요?

deer-flow는 ByteDance가 개발한 SuperAgent 하네스 도구로, 개발자, 엔지니어, 연구원, 학계 전문가, 콘텐츠 팀, 마케팅 전문가, MLOps 실무자 및 학생들이 복잡하고 장기적인 작업을 자율적으로 완료할 수 있도록 지원합니다. 이는 심층 연구, 코딩 및 콘텐츠 제작을 용이하게 하기 위해 서브 에이전트, 메모리 및 샌드박스를 조율합니다. DeerFlow 2.0은 AI 에이전트 런타임 환경으로 기능하여 에이전트가 작업을 계획하고, 하위 작업으로 분해하고, 도구를 호출하고, 코드를 생성 및 실행하고, 파일을 관리하고, 최종 결과물을 생성할 수 있도록 합니다. 연결된 도구와 함께 채팅 인터페이스를 제공하는 많은 AI 도구와 달리, DeerFlow는 영구 파일 시스템과 구조화된 스킬 시스템을 지원하는 완전한 실행 환경을 제공합니다. 그 아키텍처는 복잡한 다단계 워크플로우에서 신뢰성과 비용 제어를 위해 설계되었습니다.

quick facts

빠른 사실

속성	값
개발자	ByteDance
비즈니스 모델	Freemium (오픈 소스 코어)
가격	오픈 소스 코어, 직접적인 라이선스 비용 없음; 인프라 및 LLM API 사용 관련 비용 발생
플랫폼	API, Command-line interface (Docker, Python 3.12, Node 22 필요)
API 사용 가능 여부	예 (Python 클라이언트 API)
통합	LangGraph, LangChain
사용자 데이터 학습	없음
개인정보 처리방침 URL	https://deerflow.tech/privacy-policy

features

deer-flow의 주요 기능

DeerFlow 2.0은 장기적인 워크플로우를 위한 강력하고 자율적인 작업 실행을 가능하게 하도록 설계된 일련의 기술적 기능을 통합합니다.

1유연한 배포 및 맞춤화를 위한 오픈 소스 SuperAgent 하네스.
2안전하고 재현 가능한 코드 생성 및 실행을 위해 격리된 Docker 샌드박스를 활용합니다.
3확장된 작업 기간 동안 컨텍스트를 유지하기 위해 계층적 메모리 아키텍처를 사용합니다.
4에이전트가 외부 서비스 및 API와 상호 작용할 수 있도록 구조화된 도구 호출 시스템을 통합합니다.
5효율적인 작업 분해, 위임 및 조율을 위해 서브 에이전트를 활용합니다.
6제어되고 일관된 에이전트 간 통신을 용이하게 하는 메시지 게이트웨이를 특징으로 합니다.
7몇 분에서 몇 시간까지 걸릴 수 있는 복잡하고 장기적인 작업을 처리하도록 설계되었습니다.
8프로그래밍 방식 액세스 및 기존 시스템과의 통합을 위한 Python 클라이언트 API를 제공합니다.
92026년 2분기 로드맵에는 Role-Based Access Control (RBAC)과 같은 보안 강화 및 개선된 샌드박스 보안이 포함됩니다.
10지속적인 개발은 동시 사용자 요청 및 자체 개선 에이전트 기능을 지원하기 위한 성능 최적화에 중점을 둡니다.

use cases

누가 deer-flow를 사용해야 하나요?

DeerFlow 2.0은 복잡한 다단계 프로세스를 위한 고급 자동화 및 자율 에이전트 기능이 필요한 기술 전문가 및 팀을 위해 설계되었습니다.

1개발자 및 엔지니어: 자율적인 코드 생성, 샌드박스 환경 내 디버깅, 그리고 상위 수준의 브리핑에서 대화형 대시보드 구축을 위해.
2연구원 및 학계 전문가: 심층 연구, 시각화를 통한 탐색적 데이터 분석, 그리고 인용이 포함된 포괄적인 보고서 생성을 위해.
3콘텐츠 팀 및 마케팅 전문가: 슬라이드 덱 생성, 문서 생성, AI 기반 팟캐스트 스크립트 제작을 포함한 콘텐츠 워크플로우 자동화를 위해.
4MLOps 실무자: 영구적인 실행 환경과 에이전트 조율이 필요한 복잡한 다단계 소프트웨어 또는 연구 워크플로우를 조율하기 위해.
5학생: 고급 AI 에이전트 아키텍처, 자율 작업 완료 및 오픈 소스 에이전트 개발을 학습하고 실험하기 위해.

pricing

deer-flow 가격 및 요금제

DeerFlow 2.0은 핵심 SuperAgent 하네스가 오픈 소스인 Freemium 모델로 운영됩니다. 이를 통해 사용자는 직접적인 라이선스 비용 없이 자체 인프라에 시스템을 배포하고 실행할 수 있습니다. 2026년 초 현재, 특정 유료 티어 또는 엔터프라이즈 요금제는 공개적으로 상세히 설명되어 있지 않습니다. 사용자의 주요 비용은 선택한 인프라(예: Docker 컨테이너용 클라우드 컴퓨팅 리소스), 기본 Large Language Models (LLM)의 API 사용, 그리고 설정 및 맞춤화를 위한 내부 개발 리소스와 관련됩니다. 오픈 소스 특성은 유연성을 제공하지만 배포 및 유지 관리를 위한 기술적 숙련도를 요구합니다.

1Freemium: 오픈 소스 코어, 자체 호스팅 가능. 직접적인 소프트웨어 비용 없음.

competitors

deer-flow 대 경쟁사

DeerFlow 2.0은 다른 AI 에이전트 프레임워크 및 도구와 비교하여 완전한 실행 환경과 체계적인 서브 에이전트 조율을 통해 차별화되는 강력한 오픈 소스 SuperAgent 하네스로 자리매김하고 있습니다.

1deer-flow 대 LangChain: deer-flow는 영구 샌드박스와 구조화된 스킬 시스템을 갖춘 완전한 실행 환경을 장기적인 작업을 위해 제공하는 반면, LangChain (LangGraph 포함)은 LLM 애플리케이션 및 다중 에이전트 워크플로우 구축을 위한 모듈식 프레임워크를 제공하며, 완전한 실행 환경을 위해서는 더 많은 맞춤형 통합이 필요합니다.
2deer-flow 대 Microsoft AutoGen: deer-flow는 자율적인 작업 완료를 위해 격리된 Docker 샌드박스와 계층적 메모리를 갖춘 SuperAgent 하네스를 강조하는 반면, AutoGen은 맞춤형 에이전트가 상호 작용하여 작업을 협력적으로 해결하는 다중 에이전트 대화 시스템에 중점을 둡니다.
3deer-flow 대 CrewAI: deer-flow는 복잡하고 장기 실행되는 작업을 위해 샌드박스, 메모리 및 메시지 게이트웨이를 갖춘 SuperAgent 하네스를 제공하는 반면, CrewAI는 정의된 역할, 목표 및 도구를 가진 역할 기반 에이전트 협업을 위한 구조화된 프레임워크를 제공합니다.
4deer-flow 대 LlamaIndex: deer-flow는 메모리 관리 및 작업 조율을 포함하는 더 광범위한 SuperAgent 하네스인 반면, LlamaIndex는 강력한 데이터 수집, 인덱싱 및 쿼리를 위해 LLM을 외부 데이터 소스와 연결하는 데 특화되어 에이전트를 위한 강력한 데이터 중심 구성 요소 역할을 합니다.
5deer-flow 대 n8n: deer-flow는 에이전트 기능에 중점을 둔 자율적이고 복잡한 작업 완료를 위한 오픈 소스 SuperAgent 하네스인 반면, n8n은 광범위한 통합과 시각적 인터페이스를 통해 복잡한 AI 기반 워크플로우를 구축할 수 있는 오픈 소스 워크플로우 자동화 도구이며, 종종 더 명시적인 워크플로우 설계가 필요합니다.

❓

Frequently Asked Questions

+deer-flow란 무엇인가요?

+deer-flow는 무료인가요?

네, deer-flow는 Freemium 모델로 운영됩니다. 핵심 SuperAgent 하네스는 오픈 소스이므로 사용자는 직접적인 라이선스 비용 없이 자체 인프라에 시스템을 배포하고 실행할 수 있습니다. 사용자는 선택한 인프라 및 기본 Large Language Models의 API 사용과 관련된 비용을 부담하게 됩니다.

+deer-flow의 주요 기능은 무엇인가요?

deer-flow의 주요 기능으로는 오픈 소스 SuperAgent 하네스, 코드 실행을 위한 격리된 Docker 샌드박스 활용, 계층적 메모리 아키텍처, 구조화된 도구 호출, 서브 에이전트 조율, 그리고 에이전트 간 통신을 위한 메시지 게이트웨이가 있습니다. 이는 복잡하고 장기적인 작업을 처리하도록 설계되었으며 Python 클라이언트 API를 제공합니다.

+누가 deer-flow를 사용해야 하나요?

Deer-flow는 주로 개발자, 엔지니어, 연구원, 학계 전문가, 콘텐츠 팀, 마케팅 전문가, MLOps 실무자 및 학생을 대상으로 합니다. 심층 연구, 코드 생성 및 디버깅, 콘텐츠 워크플로우 자동화, 탐색적 데이터 분석과 같은 분야에서 자율적인 작업 완료가 필요한 사람들에게 적합합니다.

+deer-flow는 다른 대안들과 어떻게 비교되나요?

Deer-flow는 범용 비서와 달리 영구 샌드박스와 체계적인 서브 에이전트 조율을 갖춘 완전한 실행 환경을 제공하여 차별화됩니다. LangChain 또는 AutoGen과 같은 프레임워크와 비교할 때, deer-flow는 장기적인 작업을 위한 더 완전한 런타임을 제공합니다. 이는 다중 에이전트 조율에서 CrewAI와 같은 도구와 경쟁하며, 포괄적인 에이전트 하네스를 제공함으로써 LlamaIndex와 같은 데이터 중심 도구를 보완합니다.