대본 기획 도우미▸ 
AI 앱 
AI 뉴스 DeerFlow: LangChain 및 LangGraph 프레임워크 기반의 지능형 연구 어시스턴트
小编 ·
DeerFlow: LangChain 및 LangGraph 프레임워크 기반의 지능형 연구 어시스턴트
DeerFlow란 무엇인가요?
DeerFlow는 字节跳动(바이트댄스)에서 오픈소스로 공개한, LangChain 및 LangGraph 프레임워크 기반의 지능형 연구 어시스턴트입니다. 동적 작업 반복, MCP无缝 통합(원활한 통합), 자동 연구 계획 생성, 인적 협업은 물론 팟캐스트 및 ppt 생성까지 지원합니다. 언어 모델을 웹 검색, 크롤러, Python 코드 실행 등 도구와 결합하여 깊이 있고 포괄적인 보고서를 빠르게 제공합니다. 또한 바이트댄스 사내 MCP(모델 제어 플랫폼)와의无缝 통합(원활한 통합)을 실현하여 자동화 수준과 정확도를 향상시켰습니다. 그뿐만 아니라 DeerFlow는 인적 협업 경험을 개선하여, 사용자가 언제든지 개입해 연구 계획을 조정함으로써 결과가 기대에 부합하도록 할 수 있습니다.
DeerFlow 핵심 아키텍처
다중 에이전트 아키텍처: LangGraph 아키텍처를 기반으로 한 모듈형 다중 에이전트 시스템 설계입니다. 시스템은 코디네이터, 플래너, 리서치 팀, 리포트 생성기로 구성됩니다. 코디네이터는 연구 흐름의 라이프사이클을 관리하고, 플래너는 작업 분해 및 연구 계획 생성을 담당하며, 리서치 팀은 연구자, 코드 분석가 등으로 구성되어 구체적인 정보 수집 및 기술 작업을 수행하고, 리포트 생성기는 연구 결과를 정리해 보고서로 만듭니다.
LangStack 기반의 오픈소스 프레임워크: LangChain 및 LangGraph 오픈소스 프레임워크 위에 구축되어 코드 구조가 명확하고 로직이 간결하여 학습 장벽을 낮춥니다.
DeerFlow 주요 기능
동적 작업 반복: 연구 요구사항에 따라 작업 계획을 자동으로 생성하고 최적화하여 연구 과정을 효율적이고 유연하게 만듭니다.
다중 도구 통합: 웹 검색, Arxiv 학술 리소스 검색, 크롤러 및 Python 코드 실행을 지원하여 학술 문헌 수집 및 분석 분야에서 연구자에게 강력한 지원을 제공합니다.
멀티모달 콘텐츠 생성: 심층적인 연구 보고서를 생성할 뿐만 아니라 팟캐스트 스크립트, PPT 등 다양한 콘텐츠를 생성하는 것을 지원하여 여러 시나리오의 요구를 충족합니다.
MCP 원활한 통합: 바이트댄스 사내 MCP(모델 제어 플랫폼)와 결합하여 더 높은 수준의 자동화와 정확도를 실현합니다.
LLM 통합: litellm을 통해 대부분의 모델 통합을 지원하며, Qwen 등 오픈소스 모델과 OpenAI의 API 인터페이스 호환을 지원합니다. 다층 LLM 시스템은 다양한 복잡도의 작업에 적용됩니다.
인적 협업: 자연어를 사용해 대화형으로 연구 계획을 수정하는 것을 지원하며, 연구 계획을 자동으로 수락하는 것도 지원합니다. 또한 Notion과 유사한 블록 편집을 지원하여 AI 보조 다듬기, 문장 축소 및 확장이 가능합니다.
DeerFlow 활용 시나리오
학술 연구: 연구자에게 DeerFlow는 학술 문헌 수집 및 분석 분야에서 강력한 지원을 제공합니다. Arxiv 검색 기능은 고품질의 학술 리소스를 빠르게 찾아내어 연구자의 시간을 절약해 줍니다. 연구자는 이를 활용해 연구 계획 수립부터 콘텐츠 생성까지의 전 과정을 효율적으로 자동화하여 인력 비용을 크게 줄일 수 있습니다.
콘텐츠 제작: 콘텐츠 크리에이터는 DeerFlow를 활용해 팟캐스트 스크립트와 오디오를 생성하고, PowerPoint 프레젠테이션을 자동으로 만들 수 있으며, 사용자 정의 가능한 템플릿을 제공받아 콘텐츠 제작과 표현 과정을 크게 단순화할 수 있습니다.
기업 내부 지식 관리 및 연구: 바이트댄스 사내 MCP(모델 제어 플랫폼)와 결합하여 DeerFlow는 더 높은 수준의 자동화와 정확도를 실현했으며, 기업은 이를 활용해 내부 지식을 정리·분석·연구하여 지식 관리 효율을 높일 수 있습니다.
DeerFlow 설치 단계
환경 준비
시스템이 다음 최소 요구 사항을 충족하는지 확인하세요.
Python: 버전 3.12 이상이어야 합니다.
Node.js: 버전 22 이상이어야 합니다.
설치 단계
저장소 클론:
git clone https://github.com/bytedance/deer-flow.git cd deer-flow
의존성 설치:
uv sync
이 단계는 자동으로 가상 환경을 생성하고 필요한 모든 패키지를 설치합니다.
환경 변수 구성:
cp .env.example .env
필요에 따라 .env 파일에 Tavily, Brave SEARCH, 화산 엔진 TTS 등의 API 키를 추가하세요.
모델 및 API 키 구성:
cp conf.yaml.example conf.yaml
필요에 따라 conf.yaml 파일에서 LLM 모델과 API 키를 구성합니다. 구체적인 구성은 docs/configuration_guide.md를 참조하세요.
PPT 생성 도구 설치:
brew install marp-cli
다른 운영체제를 사용하는 경우 Marp CLI 공식 문서를 참조하여 설치할 수 있습니다.
Web UI 의존성 설치(선택 사항):
cd deer-flow/web pnpm install
pnpm이 설치되어 있지 않은 경우 npm install 또는 yarn install을 대신 사용할 수 있습니다.
프로젝트 시작
프로젝트 실행:
uv run main.py
이 명령은 콘솔 UI로 프로젝트를 실행합니다.
Web UI 시작(Web UI 의존성을 설치한 경우):
macOS/Linux에서:
./bootstrap.sh -d
Windows에서:
bootstrap.bat -d
그런 다음 브라우저에서 http://localhost:3000에 접속해 Web UI를 확인합니다.
개발 및 디버깅
개발이나 디버깅이 필요한 경우 LangGraph Studio를 사용할 수 있습니다.
로컬에서 LangGraph Studio 실행:
Mac에서:
curl -LsSf https://astral.sh/uv/install.sh | sh uvx --refresh --from "langgraph-cli[inmem]" --with-editable . --python 3.12 langgraph dev --allow-blocking
Windows/Linux에서:
pip install -e . pip install -U "langgraph-cli[inmem]" langgraph dev
시작 후 Studio UI 링크(예: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024)에 접속하여 디버깅을 진행합니다.
관련 링크
프로젝트 공식 사이트: https://deerflow.tech
GitHub 저장소: https://github.com/bytedance/deer
