DeerFlow

ByteDance のオープンソーススーパーエージェントフレームワークは、動的なサブエージェントオーケストレーションと複数の出力フォーマットをサポートします

GitHub プロジェクト

https://github.com/bytedance/deer-flow

公式サイトへ

詳細レポート

DeerFlow は、ByteDance によってオープンソース化されたスーパーエージェントフレームワークです。正式名称は「Deep Exploration and Efficient Research Flow」です。このフレームワークは 2025 年 5 月に初めてオープンソース化され、すぐに GitHub で注目を集め、2026 年 3 月時点で 39,000 を超えるスターが付いています。 DeerFlow バージョン 2.0 の位置付けは、単なる研究ツールから、数十、さらには数百のステップを必要とする複雑なタスクを完了できる真のスーパーエージェントハーネスにアップグレードされました。従来のエージェントフレームワークとは異なり、DeerFlow は、スキルシステム、動的なサブエージェントオーケストレーション、分離されたサンドボックス実行環境、長期メモリなどの革新的な設計を通じて、一連の実稼働レベルの人工知能エージェントソリューションを開発者に提供します。
DeerFlow は ByteDance によって開発および開始され、AI エージェントの分野における中国の大手テクノロジー企業の重要なオープンソース貢献です。このプロジェクトは、従来の AI アシスタントの限界に対する洞察から生まれました。ChatGPT などの AI モデルが人間レベルのコードとテキストを生成できる場合、より大きな課題は、複数のステップ、クロスツール、長い実行時間を必要とする複雑なタスクを AI に完了させる方法です。従来の AI アシスタントは通常、単一対話モデルであり、詳細な調査、コーディング、ファイル操作、および複数回の反復を必要とするワークフローを効果的に処理できません。 ByteDance は、人工知能分野での深い蓄積に基づいて、2025 年 5 月 9 日に DeerFlow プロジェクトを GitHub 上で正式にオープンソース化しました。2026 年 3 月に DeerFlow バージョン 2.0 がリリースされ、その位置づけがディープリサーチフレームワークからスーパーエージェントフレームワークにアップグレードされました。
DeerFlow のコア機能は、5 つの主要な側面に沿って理解できます。最初の次元は、SKILLS & TOOLS システムです。これは DeerFlow の最もユニークなイノベーションの 1 つです。従来のフレームワークでは通常、コードを通じてスキルを定義する必要がありますが、DeerFlow はマークダウンファイルを使用してスキルを定義するため、拡張のしきい値が大幅に下がります。組み込みスキルには、リサーチ (詳細な調査)、レポート (構造化レポートの生成)、スライド (スライドの作成)、Web ページ (Web ページの生成)、イメージ (画像の生成)、およびビデオ (ビデオの生成) が含まれます。コアツールセットには、web_search (Web 検索)、web_fetch (Web ページスクレイピング)、file_operations (ファイルの読み取りと書き込み)、および bash (シェルコマンドの実行) が含まれます。このシステムは、MCP サーバーの統合と Python 機能拡張もサポートしています。 2 番目の次元はサブエージェントアーキテクチャです。ユーザーが複雑なタスクを送信すると、リードエージェントはまずタスクを分解し、次に並列実行用に複数のサブエージェントを動的に生成します。各サブエージェントには独立したコンテキスト環境があり、従来の単一の大規模モデルソリューションのコンテキスト汚染の問題を回避します。実行が完了すると、リードエージェントはすべての結果を統合し、最終出力を生成する責任を負います。 3 番目の次元はサンドボックスとファイルシステムです。 DeerFlow は、重要なセキュリティ機能であるタスクごとに分離された実行環境を提供します。タスクの作業ディレクトリには、アップロード (ユーザーがアップロードしたファイル)、ワークスペース (読み取りおよび書き込み可能なワークスペース)、および出力 (生成された出力ファイル) の 3 つの主要なサブディレクトリが含まれています。このシステムは、ローカル (ローカル直接実行)、Docker (コンテナー分離)、および Kubernetes (エンタープライズレベルのクラスター展開に適しています) の 3 つの実行モードをサポートします。 4 番目の次元はコンテキストエンジニアリングです。このシステムは、分離されたサブエージェントコンテキスト設計を採用しています。各サブエージェントには、メインエージェントのコンテキストが汚染されるのを防ぐための独立したコンテキストウィンドウと専用のツールセットがあります。長期メモリ機能は、セッション間の永続性をサポートします。 5 番目の次元は、複数の出力形式です。 DeerFlow は、レポート、スライドショー、Web ページ、画像、ビデオなどを含む 7 つ以上の出力形式をサポートしています。
DeerFlow は、MIT ライセンスに基づいてライセンス供与されたオープンソースの無料プロジェクトです。ユーザーはリポジトリのクローンを作成し、GitHub に無料でデプロイできます。プロジェクト自体には費用はかかりません。オープンソースプロジェクトとして、DeerFlow のビジネスモデルは主に次の方法を通じて実現されます。第一に、技術的な影響力、企業はオープンソースプロジェクトを通じて技術ブランドと開発者コミュニティを確立します。第二に、エンタープライズサービスサポートでは、ByteDance が企業に有料のテクニカルサポート、カスタマイズされた開発およびトレーニングサービスを提供する場合があります。第三に、人材の魅力、オープンソースプロジェクトは、優れた技術人材を惹きつける重要なチャネルです。コストの観点から見ると、DeerFlow を導入する際にユーザーが負担する必要があるコストには主に、クラウドサーバーまたは物理マシン (Docker コンテナの実行に使用)、モデル API の呼び出し料金 (OpenAI や Anthropic などの有料モデルを使用する場合)、開発および保守の人件費が含まれます。
コミュニティからのフィードバックから判断すると、DeerFlow はユーザーから肯定的なレビューを受けています。主な肯定的なコメントは次のとおりです。フレームワークの設計が先進的で、スキルとサブエージェントの概念が明確で理解しやすい。導入は比較的簡単で、Docker コンテナ化ソリューションにより導入のしきい値が下がります。強力で、複雑な実用的なタスクを処理できます。ドキュメントは完成しており、README とテクノロジブログに詳細な手順が記載されています。主な否定的なフィードバックは次のとおりです。正しく展開して構成するには、特定の技術的背景が必要です。ハードウェアリソースには一定の要件があり、ランニングコストは無視できません。一部の機能は最大限の効果を達成するために設定する必要があります。現在、中国語の文書は比較的少ないです。一般的な使用シナリオには、詳細な調査分析とコンテンツ生成、データ処理ワークフロー、エンタープライズシステム統合 (Telegram、Slack、Feishu などの IM チャネルアクセスのサポート)、自動化されたプロセスオーケストレーションなどが含まれます。
業界の観点から見ると、DeerFlow のリリースは、AI エージェント分野における中国テクノロジー企業のオープンソース競争力を示しています。 DeerFlow は、国際的な主流フレームワークと比較して、サブエージェントの動的な生成、マークダウンスキル定義、分離サンドボックスなどの機能に独自の革新性を備えています。 DeerFlow はテクノロジーブロガーや開発者コミュニティから高く評価されています。 iTech がブログパークで公開した技術分析記事では、DeerFlow のアーキテクチャ設計と実装の詳細が詳しく説明されています。 Xiago Programming の技術記事では、DeerFlow のエンタープライズレベルの導入ソリューションの詳細な分析が提供されています。競合製品の状況から見ると、DeerFlow は主に LangChain、AutoGPT、CrewAI などのフレームワークと競合します。 DeerFlow の利点は、動的なサブエージェント、マークダウンスキル定義、および複雑なエンタープライズレベルのアプリケーションシナリオにより適した組み込みのサンドボックスファイルシステムにあります。
ByteDance の製品として、DeerFlow は次のような論争やリスクに直面する可能性があります。地政学的配慮: 中国企業のオープンソースプロジェクトであるため、一部の海外ユーザーはデータセキュリティ上の懸念から導入に慎重になる可能性があります。セキュリティの課題: サンドボックスは分離環境を提供しますが、シェルコマンドの実行などの機能には依然としてホワイトリストの慎重な構成が必要であり、企業ユーザーはセキュリティリスクを評価する必要があります。長期的な保守性: オープンソースプロジェクトの長期的な保守は、企業の投資に依存します。学習曲線: この概念は先進的ですが、適切な導入と使用には依然として一定の技術的背景が必要です。
DeerFlow は、次のユーザーグループに適しています。技術チームが AI エージェントシステムを構築する必要がある企業開発者、AI 自動化のニーズがある個人開発者、AI の研究と実験を行う研究者、および詳細な調査能力を必要とするコンテンツ作成者。さまざまな使用シナリオに対する推奨事項は次のとおりです。 Docker ゲートウェイモードは、個人的な学習や実験に直接使用できます。標準モードを使用し、エンタープライズ運用環境用に Kubernetes クラスターを構成することをお勧めします。 IM チャネルの統合が必要なシナリオでは、Telegram または Feishu アクセスを構成できます。 DeerFlow がニーズを満たさない場合は、代替手段として、LangChain (より完成度が高く、豊富なドキュメント)、LangGraph (低レベル、詳細なカスタマイズに適しています)、CrewAI (よりシンプルなエージェントオーケストレーション) を検討できます。
DeerFlow は、Bytedance によってオープンソース化されている実稼働レベルのスーパーエージェントフレームワークです。動的なサブエージェントオーケストレーション、マークダウンスキル定義、分離されたサンドボックス実行環境、長期メモリなどの革新的な設計を通じて、AI エージェントを構築するための新しいアイデアを提供します。複雑な AI 自動化システムを構築する必要がある企業や開発者にとって、DeerFlow は検討する価値のあるオプションです。バージョン 2.0 のリリースにより、フレームワークの機能が大幅に強化され、今後の開発に引き続き注目する価値があります。

ユーザーレビュー

CosmosCris48

—

DeerFlow を 2 週間使用した後、Slabs の配置は非常に優れていると言わざるを得ませんが、ドキュメントが少なすぎて、多くの機能を自分で調べる必要があります。

枫叶714

—

50K スターは誇張ではなく、バージョン 2.0 は 1.0 よりもはるかに優れています。自動逆アセンブルタスクが並行して実行されるため、多くの作業が節約されます。

BenjaminBrownQ

—

Sub-Agent の実測は良好ですが、モデルの錯視の問題が依然として存在しており、検証プロセスを追加する必要があります。

Russell.Roberts369

—

導入は本当に面倒ですし、ドキュメントもわかりにくいです。公式がいくつかのビデオチュートリアルを提供することをお勧めします。

Jennifer_BrooksZ

—

Docker サンドボックス分離設計は優れており、安全です。

RRoss_2022418

—

LangChain よりもはるかに使いやすく、スキルシステムは非常に直感的です。

RWalker_2022

—

マークを付けて、成長したら使用してください。

Harold_Nguyen_725

—

エンタープライズレベルのアプリケーションのことは忘れてください。個人の開発者が試してみても問題ありません。

Nicholas_FloresII

—

イーズ！最後に、利用できる国内エージェントフレームワークがあります。

JClark520

—

GitHubトレンド1位！今回のバイトは本当にすごいです。

MBell_77

—

無事にデプロイされました。インターフェースは非常にきれいです。私の研究ニーズを満たしてくれることを願っています。

AAllen

—

長期記憶機能は使いやすく、セッションをまたいで以前の研究内容を思い出すことができます。

SandyFreier

—

Markdown を使用してスキルを定義すると非常に便利です。また、プログラム以外でもスキルを変更できます。

AlexaStewart

—

午後に勉強した後、これは非常に複雑であることがわかりました。そのため、初心者はあきらめるように勧められました。

TIalv

—

AutoGPT よりもはるかに安定しており、今後のアップデートに期待しています。

掠影_12

—

マルチモデルアクセスも好評で、クロードとGPTの両方が使用可能です。

MatthewNelsonK

—

生成されたレポート形式は非常に優れており、直接使用できます。

David_WrightZ_196

—

公式デモは正常に実行されますが、カスタムスキルはエラーを報告し続けるため、イライラします。

NicoleJames520

—

研究ツールからスーパーエージェントに至るまで、このようなアップグレードの波が可能です。

Natalie.Kim_2020

—

サブエージェントの並列実行は非常に効率的であり、複雑なタスクを自信を持ってサブエージェントに引き渡すことができます。

DeerFlow

詳細レポート

ユーザーレビュー

類似の製品