🔥 2026.03.10 GitHub 트렌딩 1위 돌파
DeerFlow 2.0 설치 전
“그냥 쓰면 된다”가 틀린 이유
바이트댄스(TikTok 모회사)가 공개한 오픈소스 DeerFlow 2.0은 단순한 AI 챗봇이 아닙니다. 리서치·코딩·슬라이드 제작·영상 생성까지 혼자 처리하는 슈퍼에이전트 하네스입니다. 그런데 “오픈소스니까 그냥 깔면 되겠지”라고 생각하면 설치부터 막힙니다. 이 글에서 진짜로 알아야 할 것만 짚습니다.
📅 2026.02.28 트렌딩 1위
🪪 MIT 라이선스 (상업적 사용 가능)
🤖 모델 무관 (GPT·Claude·Gemini 모두 지원)
🦌 DeerFlow 2.0가 뭐길래 전 세계가 들썩였나
2026년 2월 28일, GitHub 트렌딩 1위를 차지한 프로젝트가 있습니다. 틱톡의 모회사 바이트댄스(ByteDance)가 공개한 DeerFlow 2.0입니다. 출시 직후 3만 개 이상의 스타(Stars)를 획득하며 개발자 커뮤니티를 뒤흔들었는데, 단순한 AI 도구가 아니라 “AI가 스스로 컴퓨터를 사용하면서 복잡한 작업을 처리하는 실행 환경”이라는 점이 주목받은 이유입니다.
DeerFlow는 Deep Exploration and Efficient Research Flow의 약자입니다. 원래는 딥 리서치(Deep Research) 자동화 프레임워크로 시작했는데, 커뮤니티가 이것을 데이터 파이프라인 구축, 슬라이드 자동 생성, 실시간 대시보드 제작, 콘텐츠 워크플로우 자동화에 쓰기 시작했습니다. 바이트댄스 팀은 이 현상을 목격하고 결론을 내렸습니다. “이건 리서치 도구가 아니라, 에이전트가 실제로 일할 수 있는 하네스(Harness)다.”
그 결론의 결과물이 바로 DeerFlow 2.0입니다. v1.x와 코드 호환성이 전혀 없는 완전한 재작성(ground-up rewrite)으로 탄생했으며, LangGraph와 LangChain을 기반으로 파일 시스템·메모리·스킬·샌드박스 실행 환경·서브 에이전트 생성 기능을 기본으로 제공합니다. MIT 라이선스라 상업적 이용도 가능하며, GPT·Claude·Gemini는 물론 DeepSeek·Ollama 같은 로컬 모델도 지원합니다.
💡 한 줄 핵심: DeerFlow 2.0은 “AI가 대신 검색해 주는 도구”가 아니라, AI가 직접 컴퓨터에서 코드를 실행하고 파일을 만들고 결과물을 납품하는 에이전트 실행 환경입니다. 이 차이를 모르면 기대와 현실의 괴리가 큽니다.
🔄 v1과 v2, 코드 한 줄도 안 겹치는 이유
DeerFlow 1.x를 이미 써본 분이라면 “업그레이드”를 기대할 수 있습니다. 하지만 공식 문서는 냉정하게 명시합니다. “DeerFlow 2.0 is a ground-up rewrite. It shares no code with v1.” 코드 한 줄도 공유하지 않는 완전히 새로운 프로젝트라는 뜻입니다. 기존 v1.x는 별도 브랜치(`1.x`)로 유지되고 있지만, 활발한 개발은 오직 2.0에서만 이루어집니다.
왜 이렇게 급진적인 결정을 내렸을까요? v1은 “리서치 파이프라인을 조립하는 프레임워크”였습니다. 개발자가 각 컴포넌트를 직접 이어붙여야 했고, 실행 환경 자체를 제공하지 않았습니다. 반면 2.0은 “배터리가 포함된(Batteries Included) 완성형 에이전트 하네스”를 지향합니다. 에이전트가 바로 작업을 실행할 수 있도록 파일 시스템, 메모리, 스킬, 샌드박스까지 처음부터 내장된 구조로 설계되었습니다.
v1 vs v2 핵심 차이
| 구분 | DeerFlow 1.x | DeerFlow 2.0 |
|---|---|---|
| 목적 | 딥 리서치 자동화 | 슈퍼에이전트 하네스 (범용) |
| 실행 환경 | 없음 (직접 구성) | Docker 샌드박스 내장 |
| 멀티 에이전트 | 제한적 | 서브 에이전트 동적 생성·병렬 처리 |
| 장기 메모리 | 없음 | 세션 간 지속 메모리 저장 |
| 코드 호환성 | — | ❌ v1과 호환 없음 |
| 라이선스 | MIT | MIT (상업적 사용 가능) |
⚙️ 핵심 기능 5가지 — 진짜로 무엇을 할 수 있나
DeerFlow 2.0의 기능은 크게 5개 축으로 나뉩니다. 단순 나열로 끝낼 수 없는 이유는, 각 기능이 독립적으로 존재하는 것이 아니라 서로 연결된 실행 파이프라인을 구성하기 때문입니다.
01스킬(Skills) 시스템 — 작업 모듈의 조합
DeerFlow의 스킬은 단순한 프롬프트가 아닙니다. 워크플로우·모범 사례·참고 리소스를 함께 정의한 구조화된 Markdown 기능 모듈입니다. 기본 제공 스킬로는 웹 리서치, 보고서 생성, 슬라이드 제작, 웹 페이지 생성, 이미지·영상 생성이 있으며, 커스텀 스킬 추가가 자유롭습니다. 스킬은 필요할 때만 로드되므로 컨텍스트 창을 효율적으로 관리합니다.
02서브 에이전트 병렬 처리 — 멀티에이전트 오케스트레이션
“2026년 AI 스타트업 TOP 10을 조사해서 프레젠테이션을 만들어줘”라는 복잡한 요청을 받으면, 리드 에이전트가 서브 에이전트를 동적으로 생성해 병렬로 작업을 분배합니다. 하나는 웹 크롤링, 하나는 경쟁사 분석, 하나는 이미지 생성을 담당하고, 완료 후 리드 에이전트가 결과를 통합해 완성된 슬라이드 덱을 납품합니다. 사람이 몇 시간 걸릴 작업을 대폭 단축합니다.
03Docker 샌드박스 — AI가 직접 코드를 실행한다
이것이 DeerFlow를 다른 AI 도구와 가장 명확히 구분 짓는 특징입니다. 각 작업은 격리된 Docker 컨테이너 안에서 실행됩니다. 파일 읽기·쓰기, 코드 실행, 이미지 확인, 결과물 저장까지 실제로 처리됩니다. CSV 파일을 분석해달라고 하면 AI가 Python 스크립트를 작성하고, 직접 실행한 뒤, 완성된 차트 이미지를 돌려줍니다. 텍스트로 “이렇게 하면 돼요”가 아닌, 실제 파일을 넘겨주는 것입니다.
04장기 메모리 — 쓸수록 나를 아는 AI
대부분의 AI 에이전트는 세션이 끝나면 모든 것을 잊습니다. DeerFlow 2.0은 세션이 종료되어도 사용자의 선호, 작업 스타일, 누적 지식을 로컬에 저장합니다. 반복적으로 사용할수록 내 글쓰기 스타일, 기술 스택, 자주 쓰는 워크플로우를 기억해 점점 더 정교해집니다. 메모리는 로컬에 저장되므로 개인 정보 유출 걱정도 없습니다.
05InfoQuest 통합 + 메신저 채널 연동
바이트댄스 산하 BytePlus가 개발한 InfoQuest 검색·크롤링 도구가 기본 통합되어 웹 기반 정보 수집이 정교해졌습니다. 또한 텔레그램·슬랙·페이스북(라크/Feishu)과 연동하면 메신저 앱에서 바로 DeerFlow에 작업을 지시할 수 있습니다. 별도의 공개 IP 없이 구성 가능하며, Claude Code와 직접 연동하는 `claude-to-deerflow` 스킬도 제공합니다.
⚠️ 설치 전 반드시 알아야 할 3가지 함정
이 섹션이 이 글에서 가장 중요한 부분입니다. DeerFlow 2.0의 화려한 기능 소개만 보고 “나도 당장 써봐야지”라고 뛰어들면 설치 단계에서부터 멘붕이 옵니다. 국내에 아직 한국어 경험 공유가 거의 없는 이유가 여기에 있습니다.
🚫 함정 1: “그냥 깔면 되는 앱”이 아닙니다
DeerFlow 2.0은 설치형 앱이 아닙니다. Docker가 필수이며, 로컬 개발 환경으로 실행하려면 Node.js 22+, pnpm, uv, nginx도 필요합니다. 처음 설치 시 make config → API 키 설정 → make docker-init → make docker-start 순서를 따라야 하며, API 키는 OpenAI(또는 호환 모델), Tavily(검색), InfoQuest(크롤링) 각각 별도로 발급받아야 합니다. “무료 오픈소스”이지만, 사용하는 LLM API 비용은 별도로 발생합니다.
🚫 함정 2: v1 사용자의 착각 — 업그레이드가 아닙니다
앞서 언급했지만 반복할 만큼 중요한 포인트입니다. v1에서 DeerFlow를 구성했던 워크플로우, 커스텀 설정, 코드는 2.0에서 전혀 작동하지 않습니다. 마치 전혀 다른 소프트웨어를 처음부터 배우는 것과 같습니다. v1 사용자는 마이그레이션 경로가 없으니, 2.0은 신규 설치로 시작해야 합니다. 기존 v1 워크플로우가 필요하다면 `1.x` 브랜치를 유지하면서 2.0을 병렬로 구성해야 합니다.
🚫 함정 3: “오픈소스 = 무료”의 함정 — API 비용이 쌓입니다
DeerFlow 2.0 자체는 MIT 라이선스로 무료이지만, 이것이 수행하는 모든 작업은 외부 LLM API를 호출합니다. 서브 에이전트 여러 개가 병렬로 돌아가고, 각 에이전트가 다수의 API 요청을 생성하면 토큰 소비가 매우 빠릅니다. 특히 GPT-5.4나 Claude Opus 같은 고성능 모델을 쓸 경우 한 번의 복잡한 작업에 수백 원~수천 원의 API 비용이 발생할 수 있습니다. Gemini 2.5 Flash나 DeepSeek 같은 가성비 모델로 시작하는 것을 강력히 권장합니다.
💡 개인 의견: DeerFlow 2.0은 분명히 강력한 도구지만, 비개발자에게는 아직 진입장벽이 높습니다. Docker와 터미널 명령어에 익숙한 개발자라면 30분 내 설치가 가능하지만, 그렇지 않다면 공식 데모 사이트(deerflow.tech)에서 먼저 기능을 체험해보는 것이 현명합니다.
🆚 ChatGPT·Perplexity와 무엇이 다른가 — 솔직한 비교
“ChatGPT Plus나 Perplexity Pro 쓰면 되지 않나요?”라는 질문이 자연스럽습니다. 솔직히 말하면 일반적인 사용 목적이라면 ChatGPT나 Perplexity가 훨씬 쉽습니다. DeerFlow 2.0이 빛나는 상황은 따로 있습니다.
| 기준 | ChatGPT Plus | Perplexity Pro | DeerFlow 2.0 |
|---|---|---|---|
| 설치 난이도 | 없음 (웹) | 없음 (웹) | Docker 필수 |
| 실제 코드 실행 | 제한적 | ❌ | ✅ 완전 지원 |
| 파일 생성·저장 | 제한적 | ❌ | ✅ 완전 지원 |
| 멀티 에이전트 | ❌ | ❌ | ✅ 서브에이전트 병렬 |
| 장기 메모리 | 부분 지원 | ❌ | ✅ 로컬 영구 저장 |
| LLM 선택 자유도 | OpenAI 전용 | 일부 지원 | ✅ 완전 모델 무관 |
| 월 비용 | 약 29,000원 | 약 27,000원 | 무료 + API 비용 |
핵심은 이렇습니다. ChatGPT와 Perplexity는 “대화 인터페이스를 통해 AI에게 정보를 얻는 도구”입니다. DeerFlow 2.0은 “AI가 실제 컴퓨터에서 작업을 수행하고 결과물을 납품하는 자동화 실행 환경”입니다. 목적 자체가 다른 도구들입니다. 빠른 검색과 대화엔 ChatGPT·Perplexity, 복잡한 자동화 파이프라인에는 DeerFlow 2.0이 더 적합합니다.
🎯 실제 활용 시나리오 — 이런 용도라면 강력 추천
DeerFlow 2.0을 실제로 어떤 상황에 쓰면 좋을까요? 기능만 나열하면 막연하니, 구체적인 활용 시나리오로 정리해봤습니다. 이 중 하나라도 해당된다면 도입을 진지하게 고려해볼 만합니다.
📊 시나리오 1 — 경쟁사 리서치 보고서 자동 생성
“국내 핀테크 스타트업 TOP 10을 조사해서 각 회사의 투자 현황, 주요 서비스, 최근 뉴스를 포함한 PDF 보고서를 만들어줘”라고 지시하면, DeerFlow가 웹 검색·크롤링·데이터 정리·보고서 작성을 서브 에이전트들이 분담해 처리합니다. 사람이라면 반나절 이상 걸릴 작업입니다.
💻 시나리오 2 — 데이터 분석 파이프라인 자동화
CSV 파일을 업로드하고 “이 데이터에서 월별 매출 추세를 분석하고, 이상치를 찾아서 시각화된 보고서를 만들어줘”라고 하면 Python 스크립트를 직접 작성·실행해 완성된 차트와 분석 보고서를 돌려줍니다. 코딩 지식이 없어도 데이터 분석이 가능해지는 시나리오입니다.
📱 시나리오 3 — 텔레그램으로 AI 자동화 봇 구성
텔레그램과 연동하면 모바일에서 메시지 하나로 DeerFlow에 작업을 지시할 수 있습니다. “오늘 AI 뉴스 요약해서 정리해줘”를 아침마다 보내면, DeerFlow가 뉴스 크롤링부터 정리까지 처리해 텔레그램으로 답장을 보냅니다. 나만의 AI 리서치 비서를 만드는 셈입니다.
🖥️ 시나리오 4 — 프로토타입 웹 앱 자동 생성
DeerFlow는 웹 페이지 생성 스킬을 내장하고 있어, “사용자 리뷰를 표시하는 간단한 랜딩 페이지를 만들어줘”라고 하면 HTML/CSS/JavaScript 코드를 생성하고 결과물로 실제 파일을 넘겨줍니다. 프론트엔드 개발자라면 반복적인 프로토타입 작업을 대폭 단축할 수 있습니다.
💡 개인 의견: DeerFlow 2.0이 가장 빛나는 순간은 “결과물이 파일로 나와야 하는 반복 업무”를 자동화할 때입니다. 단순 대화나 검색은 ChatGPT로도 충분하지만, 실제 작업물(보고서·코드·슬라이드·웹페이지)을 납품받아야 하는 상황이라면 DeerFlow가 압도적입니다. 다만 비개발자라면 진입장벽을 솔직히 인정하고 준비해야 합니다.
❓ Q&A — 가장 많이 묻는 5가지
Q1 DeerFlow 2.0은 무료인가요? API 비용이 별도로 드나요?
DeerFlow 2.0 소프트웨어 자체는 MIT 라이선스로 완전 무료입니다. 단, 사용하는 LLM(GPT, Claude, Gemini 등)의 API 비용은 별도로 발생합니다. 가성비를 원한다면 DeepSeek이나 Gemini 2.5 Flash 같은 저렴한 모델로 시작하면 비용을 크게 줄일 수 있습니다. Tavily(검색 API)와 InfoQuest(크롤링 API)도 무료 티어가 있어 초기 테스트는 거의 무료로 가능합니다.
Q2 바이트댄스(틱톡 모회사) 제품이라 데이터 보안이 걱정됩니다.
DeerFlow 2.0은 오픈소스(MIT 라이선스)이며 완전히 로컬에서 실행됩니다. 바이트댄스 서버로 데이터가 전송되지 않습니다. 단, 사용하는 LLM API(OpenAI·Anthropic 등)와 검색 API(Tavily·InfoQuest)에는 쿼리가 전송되므로 각 서비스의 개인정보 처리방침을 확인하는 것이 좋습니다. 민감한 기업 데이터라면 DeepSeek·Ollama 같은 로컬 모델과 조합해 완전 오프라인 환경을 구성할 수 있습니다.
Q3 비개발자도 설치해서 쓸 수 있나요?
솔직히 말해 현재는 어렵습니다. Docker 설치와 터미널 명령어 기본기가 없으면 설치 단계에서 막힐 가능성이 높습니다. 비개발자라면 공식 웹사이트(deerflow.tech)의 온라인 데모를 먼저 체험해보거나, Docker Desktop이 설치된 Windows/Mac에서 단계별 가이드를 따라 설치해볼 수 있습니다. 앞으로 GUI 설치 프로그램이 제공될 가능성이 높으나, 현재 v2.0 기준으로는 기술적 배경이 필요합니다.
Q4 OpenClaw(오픈클로)와 비교하면 어느 것이 더 낫나요?
개발자 커뮤니티에서 실제로 “Deerflow 2.0: The OpenClaw Killer”라는 말이 나올 정도로 직접 비교되고 있습니다. OpenClaw가 특정 워크플로우에 특화된 반면, DeerFlow 2.0은 더 범용적인 슈퍼에이전트 하네스를 지향합니다. 두 프로젝트 모두 활발히 개발 중이므로, 어느 쪽이 낫다고 단정하기보다 각 프로젝트의 GitHub 이슈와 최신 업데이트를 모니터링하면서 선택하는 것을 권장합니다.
Q5 추천 모델 조합이 있나요?
공식 문서에 따르면 100k+ 컨텍스트 창, 강력한 추론 능력, 멀티모달 입력, 도구 사용(Tool Use)을 잘 지원하는 모델이 최적입니다. 고성능 우선: GPT-5.4 Thinking, Claude Opus 4.6 / 가성비 우선: Gemini 2.5 Flash, DeepSeek-R2 / 완전 오프라인: Ollama + Qwen3-32B 또는 Llama 4. 처음 테스트라면 비용이 저렴한 Gemini 2.5 Flash + OpenRouter 조합을 추천합니다.
✍️ 마치며 — 총평
DeerFlow 2.0은 2026년 초 오픈소스 AI 생태계에서 가장 주목할 만한 프로젝트 중 하나입니다. GitHub 3만 스타는 단순한 화제성이 아니라, 개발자들이 실제로 “이게 쓸 만하다”고 느꼈기 때문에 나온 숫자입니다.
핵심 가치는 명확합니다. AI가 텍스트로 “이렇게 하면 돼요”를 알려주는 수준을 넘어, Docker 샌드박스에서 직접 코드를 실행하고 파일을 생성해 결과물을 납품하는 실행 환경을 오픈소스로 제공합니다. 이것은 ChatGPT나 Perplexity가 현재 할 수 없는 영역입니다.
다만 현실적인 한계도 분명합니다. 비개발자에게는 진입장벽이 높고, LLM API 비용은 별도 발생하며, v1과 완전히 단절된 구조라 기존 사용자의 학습 부담이 있습니다. “오픈소스니까 무료”라는 기대로 접근하면 실망할 수 있습니다.
개인적으로 이 프로젝트를 보면서 느낀 것은, AI 에이전트의 경쟁이 “얼마나 똑똑한가”에서 “실제로 작업을 완료하고 파일을 넘겨줄 수 있는가”로 빠르게 이동하고 있다는 점입니다. DeerFlow 2.0은 그 방향의 선두 주자 중 하나입니다. 개발자라면 지금 바로 시도해볼 가치가 있고, 비개발자라면 공식 데모 사이트에서 먼저 기능을 체험해보면서 진화를 지켜보는 것을 권장합니다.
⭐ 최종 평점 (개인 기준): 개발자 실용성 ★★★★★ / 비개발자 접근성 ★★☆☆☆ / 기능 혁신성 ★★★★★ / 비용 효율 ★★★★☆ / 종합 ★★★★☆
본 글은 2026년 3월 15일 기준으로 작성된 정보입니다. DeerFlow 2.0은 활발히 개발 중인 오픈소스 프로젝트로, 기능 및 설치 방법이 변경될 수 있습니다. 최신 정보는 공식 GitHub에서 확인하시기 바랍니다.
댓글 남기기