# DeerFlow: 웹 브라우징, 검색 엔진, MCP 등을 통합한 멀티 에이전트 리서치 어시스턴트 (feat. ByteDance)

**URL:** https://discuss.pytorch.kr/t/deerflow-mcp-feat-bytedance/6956
**Category:** 읽을거리&정보공유
**Tags:** bytedance, llm-researcher, deep-research, ai-research-agent, deerflow, opensource, multi-agent
**Created:** [5월 16, 2025, 3:30오전 UTC](https://discuss.pytorch.kr/t/deerflow-mcp-feat-bytedance/6956 "2025-05-16T03:30:34Z")
**Posts on this page:** 1
**Page:** 1

<div class="post-metadata">

### Author: ![9bow](https://discuss.pytorch.kr/user_avatar/discuss.pytorch.kr/9bow/32/16301_2.png) [@9bow](https://discuss.pytorch.kr/u/9bow)
#### Post date: [5월 16, 2025, 3:30오전 UTC](https://discuss.pytorch.kr/t/deerflow-mcp-feat-bytedance/6956/1 "2025-05-16T03:30:34Z")

</div>

![DeerFlow: 웹 브라우징, 검색 엔진, MCP 등을 통합한 멀티 에이전트 리서치 어시스턴트 (feat. ByteDance)](https://discuss.pytorch.kr/uploads/default/original/2X/5/5207a478bc72ba2e252e80235946e7e4d4b4c8ab.png)

## DeerFlow

ByteDance가 공개한 DeerFlow는 웹 크롤러, 검색 엔진, Python 실행 환경, MCP 서비스 등을 하나의 시스템으로 통합해 다양한 방식으로 리서치를 자동화할 수 있는 오픈소스 프로젝트입니다. 요즘 화제가 되고 있는 “멀티 에이전트 프레임워크”의 구체적인 구현 사례로서도 매우 흥미로운 프로젝트입니다.

DeerFlow는 “ **D** eep **E** xploration and **E** fficient **R** esearch **Flow** ”의 줄임말로, 이름 그대로 복잡한 정보 탐색과 리서치 업무를 효율적으로 처리하는 멀티 에이전트 기반 도구입니다. 단순히 검색 결과를 나열하는 수준이 아니라, 특정 주제에 대해 자동으로 조사하고, 분석하며, 심지어 결과를 보고서나 팟캐스트 형식으로 정리해주는 등 꽤 다양한 작업을 수행할 수 있는 기능을 포함하고 있습니다. 특히 Python 스크립트를 직접 실행해 데이터를 처리할 수 있다는 점에서 일반적인 LLM 기반 도구와도 차별화됩니다.

 ![image](https://discuss.pytorch.kr/uploads/default/original/2X/9/99e70dfffa5a4ffd5105b3e3e5114e8cecc226af.png)

LangChain이나 Autogen과 같은 기존 멀티 에이전트 프레임워크들과 비교했을 때, DeerFlow는 “Supervisor + Handoffs”라는 명확한 디자인 패턴을 중심으로 구성되어 있어, 에이전트 간 협업 구조가 직관적입니다. 또한 보고서 생성, 웹 크롤링 등 실무에 밀접한 기능들이 기본 내장되어 있어서 실질적인 활용성 측면에서도 강점을 보입니다.

## DeerFlow의 주요 기능

 ![image](https://discuss.pytorch.kr/uploads/default/original/2X/b/b503b1051aba6b3603d0fa68853501833a9ba9bc.png)

- **멀티 에이전트 아키텍처** : Supervisor와 여러 Worker 에이전트들이 협업하는 구조
- **웹 크롤러 내장** : 실시간 웹 탐색 및 정보 수집 가능
- **Python 실행 환경 지원** : 분석 및 데이터 처리 스크립트를 직접 실행 가능
- **MCP 서비스 통합** : 다양한 플러그인과 연계한 작업 자동화
- **보고서 및 팟캐스트 생성** : 수집된 정보를 다양한 형태로 정리

## **사용하는 방법**

DeerFlow는 GitHub 저장소를 통해 소스코드와 함께 배포되고 있습니다. 다음은 간단한 사용 예시입니다:

```auto
git clone https://github.com/bytedance/deer-flow
cd deer-flow
pip install -r requirements.txt
python main.py

```

이후 설정 파일을 통해 어떤 주제에 대해 어떤 방식으로 정보를 수집할지 지정할 수 있으며, 결과는 Markdown이나 HTML, 음성 파일 등 다양한 형식으로 출력 가능합니다.

## **라이선스**

DeerFlow 프로젝트는 [MIT License](https://github.com/bytedance/deer-flow/blob/main/LICENSE)로 공개 및 배포되고 있습니다. 상업적 사용에도 제약이 없습니다.

## 🏠 DeerFlow 홈페이지

> **[🦌 DeerFlow](https://deerflow.tech/)**
>
> Deep Exploration and Efficient Research, an AI tool that combines language models with specialized tools for research tasks.

## :github: DeerFlow GitHub 저장소

[https://github.com/bytedance/deer-flow](https://github.com/bytedance/deer-flow)

## 더 읽어보기

- [OpenAI, 웹 검색 및 여러 단계의 연구 수행 후 보고서를 생성하는 Deep Research 공개](https://discuss.pytorch.kr/t/openai-deep-research/6034)

- [Local Deep Research: 로컬 환경에서 실행되는 인공지능 연구 도우미 개발 프로젝트](https://discuss.pytorch.kr/t/local-deep-research/6476)

- [OpenAI의 Deep Research를 오픈소스로 재현한 3가지 프로젝트 소개 (feat. Hugging Face, Jina AI, Firecrawl)](https://discuss.pytorch.kr/t/openai-deep-research-3-feat-hugging-face-jina-ai-firecrawl/6050)

- [Perplexity, Deep Research 기능 출시](https://discuss.pytorch.kr/t/perplexity-deep-research/6138)

- [DeepSearcher, 기업용 데이터 검색과 AI 기반 정보 검색 도구](https://discuss.pytorch.kr/t/deepsearcher-ai/6129)

- [SurveyX, LLM을 활용한 학술 조사 자동화(Academic Survey Automation via Large Language Models)](https://discuss.pytorch.kr/t/surveyx-llm-academic-survey-automation-via-large-language-models/6220)

- [Ollama Deep Researcher: Local LLM을 활용한 Web Research Assistant (feat. LangChain)](https://discuss.pytorch.kr/t/ollama-deep-researcher-local-llm-web-research-assistant-feat-langchain/5991)

- [Google, 과학 연구 과정에서 연구자를 돕는 'AI 공동연구자(AI Co-Scientist)' 공개 (feat. Gemini 2.0)](https://discuss.pytorch.kr/t/google-ai-ai-co-scientist-feat-gemini-2-0/6194)

* * *

_이 글은 GPT 모델로 정리한 글을 바탕으로 한 것으로, 원문의 내용 또는 의도와 다르게 정리된 내용이 있을 수 있습니다. 관심있는 내용이시라면 원문도 함께 참고해주세요! 읽으시면서 어색하거나 잘못된 내용을 발견하시면 덧글로 알려주시기를 부탁드립니다._ 🤗

[:pytorch:파이토치 한국 사용자 모임🇰🇷](https://pytorch.kr/)이 정리한 이 글이 유용하셨나요? [회원으로 가입](https://discuss.pytorch.kr/signup)하시면 주요 글들을 이메일💌로 보내드립니다! (기본은 Weekly지만 [Daily로 변경도 가능](https://discuss.pytorch.kr/my/preferences/emails)합니다.)

🎁 아래↘쪽에 좋아요👍를 눌러주시면 새로운 소식들을 정리하고 공유하는데 힘이 됩니다~ 🤩