DeerFlow 2.0은 ByteDance가 2026년 2월 공개한 오픈소스 장기 수행(long-horizon) AI 에이전트 프레임워크다. 영화 촬영 현장의 감독이 카메라, 조명, 음향, 배우를 동시에 지휘하듯, DeerFlow의 SuperAgent는 리서치, 코딩, 웹사이트 생성, 프레젠테이션 제작 등 이질적인 작업을 서브에이전트(sub-agent)로 분해한 뒤 병렬 오케스트레이션으로 동시에 수행한다. LangGraph와 LangChain 위에 구축되어 있으며, 각 서브에이전트는 격리된 Docker 컨테이너 안에서 전용 파일시스템, Bash 터미널, 브라우저 접근 권한을 가진 채 독립적으로 실행된다. v1.x와 코드를 전혀 공유하지 않는 완전 재작성판으로, 공개 24시간 만에 GitHub Trending 1위를 기록했고 현재 71.4k stars를 달성하며 오픈소스 에이전트 프레임워크 중 최상위권 채택률을 보이고 있다. 기존 에이전트 프레임워크들은 각각 뚜렷한 한계를 가지고 있었다. LangChain은 채팅 수준의 정밀 제어에 강하지만 프로덕션 인프라를 직접 구축해야 했고, AutoGPT는 실험용으로는 매력적이나 장시간 실행 시 안정성이 떨어졌으며, CrewAI는 역할 기반 에이전트 협업에 특화되었으나 역할 정의가 정적이었다. DeerFlow 2.0은 이 세 가지 한계를 동시에 돌파한다. 샌드박스 실행 환경은 각 작업을 완전히 격리하여 호스트 시스템 오염을 방지하고, 세션 간 영속 메모리(persistent memory)는 사용자 선호와 축적된 지식을 장기 보존한다. 스킬 시스템(Skills Framework)은 마크다운 기반 스킬 정의와 슬래시 커맨드 활성화(/data-analysis analyze file.csv 같은)를 지원하며, 작업 요구에 따라 점진적으로 스킬을 로딩(progressive skill loading)하여 토큰 사용량을 최적화한다. MCP(Model Context Protocol) 서버를 네이티브로 지원하고, OpenAI, Anthropic Claude, DeepSeek, Google Gemini, Qwen 등 100k+ 컨텍스트 윈도를 가진 모든 OpenAI 호환 모델과 연동 가능하다. 생명과학 연구자 관점에서 DeerFlow 2.0은 장시간에 걸친 자율 리서치 워크플로우에 특히 유용하다. 예를 들어 특정 타깃 단백질에 대한 최신 논문 수십 편을 병렬로 수집하고, 각 서브에이전트가 독립적으로 요약과 인용 추출을 수행한 뒤, SuperAgent가 이를 종합 보고서로 합성하는 작업이 하나의 대화 세션 안에서 완결된다. 코딩 에이전트를 통해 수집 데이터의 통계 분석 스크립트를 자동 생성하고 샌드박스 안에서 즉시 실행·검증할 수 있으며, 결과를 프레젠테이션 슬라이드나 웹 대시보드로 변환하는 것까지 단일 프레임워크 내에서 처리할 수 있다. Telegram, Slack, Feishu(Lark), WeChat, DingTalk 등 6개 메시징 플랫폼과 연동하여 연구 팀 채널에서 직접 에이전트를 호출하는 것도 가능하며, LangSmith와 Langfuse 연동을 통해 모든 LLM 호출과 도구 실행을 추적하는 엔터프라이즈급 관측성(observability)도 내장되어 있다.