ByteDance がオープンソースで公開した AI エージェント基盤「DeerFlow」（Deep Exploration and Efficient Research Flow）が注目を集めている。サブエージェントの自動振り分け、サンドボックスでのコード実行、長期メモリ、Claude Code 連携など、プロダクション運用を見据えた機能が揃っている。

DeerFlow とは

DeerFlow は、LangGraph / LangChain をベースに構築されたオープンソースの「SuperAgent ハーネス」。複雑なタスクをサブエージェントに分解し、メモリとサンドボックスを活用しながら自律的に処理する。

2026年2月27日に v2.0 がリリースされ、GitHub Trending で #1 を獲得。v2.0 は v1 とコードを共有しない完全な書き直しで、プロダクション環境でのデプロイに焦点を当てている。

主な機能

サブエージェントの自動振り分け

複雑なタスクを並列のサブエージェントワークフローに分解する。各サブエージェントは隔離されたコンテキストで動作し、スコープされたツールと終了条件を持つ。

サンドボックス実行

タスクはコンテナ化された Docker 環境で実行される。専用のファイルシステムが用意され、入力・作業・出力のディレクトリが分離されている。

/mnt/user-data/uploads/   ← 入力ファイル
/mnt/user-data/workspace/  ← 作業ディレクトリ
/mnt/user-data/outputs/    ← 最終成果物

3つの実行モードをサポート:

  • ローカル実行 — 開発用
  • Docker 実行 — 単一サーバーでのプロダクション
  • Kubernetes 実行 — マルチサーバー環境

スキルシステム

機能モジュールは Markdown ファイルとして提供される。リサーチ、レポート生成、スライド作成、Web ページ、画像/動画生成のスキルが組み込まれており、タスクの必要に応じてプログレッシブにロードされる。

長期メモリ

セッションをまたいだ永続的なプロファイルを構築できる。ユーザーの好み、ライティングスタイル、蓄積された知識をローカルに保存する。

コンテキスト管理

タスクの要約、中間結果のファイルシステムへのオフロード、長時間セッションでの圧縮された状態管理によって、コンテキストウィンドウを効率的に利用する。

セットアップ

Docker での起動（推奨）

1
2
3
4
5

git clone https://github.com/bytedance/deer-flow.git
cd deer-flow
make config        # config.yaml を設定
make docker-init
make docker-start

http://localhost:2026 でアクセスできる。

ローカル開発

1
2
3
4

make check
make install
make setup-sandbox
make dev

API キーの設定

config.yaml で OpenAI 互換 API のモデル定義を行い、.env ファイルで API キーを設定する。

Claude Code との連携

DeerFlow は Claude Code との連携スキルを提供している。

1

npx skills add https://github.com/bytedance/deer-flow --skill claude-to-deerflow

これにより、Claude Code のターミナルからタスクの送信、ステータス確認、スレッド管理が可能になる。

Python クライアント

1
2
3
4

from src.client import DeerFlowClient

client = DeerFlowClient()
response = client.chat("リサーチタスクを実行", thread_id="my-thread")

メッセージングチャネル連携

DeerFlow は複数のメッセージングプラットフォームと連携できる:

  • Telegram — Bot API（ロングポーリング）
  • Slack — Socket Mode
  • Feishu/Lark — WebSocket

MCP サーバー（HTTP/SSE）もサポートしており、OAuth トークンフローに対応する。

推奨されるモデル要件

DeerFlow を効果的に使うには、以下の能力を持つ LLM が推奨される:

  • 100K+ トークンのロングコンテキスト
  • 適応的プランニングのための推論能力
  • マルチモーダル入力
  • ツール使用・関数呼び出し

既存のエージェントフレームワークとの違い

DeerFlow の特徴は「SuperAgent ハーネス」というコンセプトにある。単なるエージェントフレームワークではなく、エージェントが実際に動作するランタイム環境を提供する点が異なる。実際のファイルシステム、bash ターミナル、コード実行環境を持ち、コマンドの提案ではなく実行ができる。

OpenClaw との比較

DeerFlow と同時期に注目を集めている OpenClaw は、自律型のコーディングエージェントである。両者はマルチエージェント構成や Markdown ベースのスキル定義など表面的に似た要素を持つが、レイヤーが異なる。

観点DeerFlowOpenClaw
位置づけエージェント実行基盤（ランタイム）コーディングエージェント
主な役割サブエージェントの振り分け・管理・実行環境の提供コード生成・開発タスクの自律実行
基盤技術LangGraph / LangChain独自実装
サンドボックスDocker / Kubernetes による隔離実行ホスト環境で直接実行
ターゲットユーザーエージェントシステムを構築・運用するエンジニア開発タスクを AI に委譲したい個人・チーム
スケーリングK8s によるマルチサーバー対応単一サーバー運用が基本

比喩的に言えば、DeerFlow はオフィス環境とマネジメント基盤、OpenClaw はそこで働く社員に相当する。DeerFlow はエージェントが安全に動作する場所と仕組みを提供し、OpenClaw は具体的なタスクを実行する。理論的には DeerFlow の基盤上で OpenClaw 的なエージェントを動かす構成も可能であり、競合というよりは補完的な関係にある。

まとめ

DeerFlow は、AI エージェントの自律運用に必要な要素——サブエージェント分割、サンドボックス実行、永続メモリ、スキルシステム——を一つのフレームワークにまとめた意欲的なプロジェクト。v2.0 で Docker / Kubernetes デプロイに対応し、プロダクション利用も視野に入る。Claude Code との連携や MCP サポートにより、既存のワークフローに組み込みやすい設計になっている。

OpenClaw のようなコーディングエージェントとはレイヤーが異なり、DeerFlow は「エージェントを動かす基盤」として位置づけられる。どちらか一方ではなく、用途に応じて使い分け、あるいは組み合わせるのが現実的なアプローチだ。