디어플로우 2.0: 바이트댄스가 장기 실행 에이전트를 파일시스템 위에 설계한 이유

완전 재작성판이 트렌딩 1위에 오른 이유

ByteDance가 2026년 2월 공개한 DeerFlow 2.0은 복잡한 멀티스텝 에이전트 작업을 수 분에서 수 시간 동안 자율 실행하는 오픈소스 SuperAgent 하네스다. 공개 직후 GitHub 트렌딩 1위에 올랐고, LangGraph 1.0 기반으로 완전히 다시 짠 코드는 v1과 한 줄도 공유하지 않는다. MIT 라이선스로 자체 호스팅이 가능하며 웹 UI·샌드박스·메모리·Slack 통합을 기본으로 탑재했다. 중국 빅테크가 장기 실행 에이전트 오케스트레이션 분야에 본격 참전했다는 신호로 읽히는 이유다.

DeerFlow(Deep Exploration and Efficient Research Flow) 2.0의 설계는 세 가지 축으로 요약된다.

프로그레시브 스킬 로딩: 필요한 시점에만 도구·스킬을 메모리에 올리는 지연 로딩
파일시스템 퍼스트 상태 관리: 중간 결과를 디스크에 저장해 RAM 소비를 최소화
미들웨어 파이프라인: 에이전트 실행 전후에 훅을 삽입하는 관찰 가능성 레이어

동작 환경은 Docker 기반 격리 샌드박스다. 에이전트는 실제 파일시스템과 bash 터미널에 접근해 코드 실행, 데이터 분석, 웹 스크래핑을 직접 수행한다.

체크포인트로 몇 시간짜리 작업을 버티는 구조

장기 실행 에이전트에서 가장 까다로운 문제는 중간 상태의 영속화다. DeerFlow 2.0은 태스크 진행 중 주기적으로 상태 스냅샷을 디스크에 기록하고, 프로세스가 중단되면 마지막 체크포인트부터 재개한다.

⤢✕

상태 저장 형식은 JSON 직렬화 기반이며, 각 체크포인트에는 실행된 서브태스크 목록, 중간 결과 경로, 다음 실행 예정 노드 정보가 담긴다.

메모리는 세 종류를 유지한다. 에피소딕 메모리(과거 태스크 실행 이력과 결과), 시맨틱 메모리(도메인 지식과 학습된 사실), 절차적 메모리(반복 태스크에서 추출된 실행 패턴)다. 각 항목에는 신뢰도 점수(0~1)가 부여되고, 상위 15개 항목이 프롬프트에 자동 주입되어 에이전트의 맥락 인식을 강화한다.

타임아웃은 설정 파일에서 태스크별로 명시적으로 정의한다. 초과 시 에이전트는 현재 상태를 체크포인트에 저장하고 슈퍼바이저에게 실패를 보고하며, 슈퍼바이저는 재시도·대체 에이전트 할당·태스크 축소 중 하나를 선택해 복구를 시도한다.

리드 에이전트가 서브에이전트를 나누고 거두는 방식

DeerFlow 2.0의 오케스트레이션은 프로젝트 매니저 역할의 리드 에이전트가 복잡한 요청을 논리적 서브태스크로 분해하고, 각각을 전문 서브에이전트에게 위임하는 구조다. 리드 에이전트는 태스크 분해, 에이전트 생성·삭제(태스크 특성에 따른 동적 스폰·종료), 도구 할당(웹 검색·코드 실행·파일 I/O 배정), 결과 집계를 담당한다.

서브에이전트는 태스크 유형에 따라 특화된 도구셋을 받는다. 예를 들어 "AI 스타트업 Top 10 리서치 후 프레젠테이션 생성" 요청이 들어오면 웹 스크래핑 에이전트, 경쟁사 분석 에이전트, 이미지 생성 에이전트가 병렬로 스폰된다.

배포는 세 갈래로 나뉜다. 로컬 머신에서는 단일 Docker 컨테이너로, 엔터프라이즈 규모에서는 Kubernetes 클러스터로 분산 배포하며, Slack·Telegram 같은 메시징 플랫폼과 연결하면 공개 IP 없이도 운용할 수 있다.

LangGraph·CrewAI·AutoGen과 나란히 놓으면

항목	DeerFlow 2.0	LangGraph	CrewAI	AutoGen
기반 기술	LangGraph 1.0 + LangChain	자체 그래프 엔진	CrewAI Core	AutoGen Runtime
라이선스	MIT	MIT	MIT	MIT
장기 실행 지원	기본 내장 (체크포인팅)	네이티브 (그래프 퍼시스턴스)	미지원 (별도 구현 필요)	제한적
상태 관리	파일시스템 퍼스트	그래프 노드 상태	에이전트 메모리	대화 이력 기반
샌드박스 실행	Docker 기본 탑재	별도 구성	별도 구성	별도 구성
웹 UI	기본 탑재	없음 (LangSmith 별도)	없음	AutoGen Studio
멀티에이전트	SuperAgent 하네스	그래프 노드 기반	Role 기반 팀	GroupChat
엔터프라이즈 채택	초기 단계	높음	중간	중간

2026년 기준 LangGraph는 GitHub 스타 수에서 CrewAI를 추월하며 프로덕션 환경의 선택지로 가장 많이 채택되고 있다. 그래프 추상화가 감사 추적과 롤백 포인트를 자연스럽게 지원해 정밀한 상태 관리가 필요한 장기 실행 워크플로우에 강점을 보이기 때문이다.

DeerFlow 2.0은 "이미 조립된 상태로 가져다 쓰라"는 철학을 가장 충실히 구현한 축에 속한다. LangGraph가 정밀 제어를 원하는 팀에게, CrewAI가 역할 기반 팀 모델을 원하는 팀에게 맞는다면, DeerFlow 2.0은 빠른 배포와 풀스택 기능을 원하는 팀에게 가장 낮은 진입 장벽을 제공한다. 다만 ByteDance라는 출처가 일부 규제 산업에서 보안 우려로 이어질 수 있다는 점과, LangGraph 대비 세밀한 제어가 어렵다는 점은 채택 전에 따져볼 지점이다.

완전 재작성판이 트렌딩 1위에 오른 이유

체크포인트로 몇 시간짜리 작업을 버티는 구조

리드 에이전트가 서브에이전트를 나누고 거두는 방식

LangGraph·CrewAI·AutoGen과 나란히 놓으면

Sources

함께 읽기