ByteDanceが2026年2月下旬、自律的に調べ・書き・コードを動かすオープンソースのAIエージェント基盤「DeerFlow 2.0」を公開し、公開24時間でGitHub人気急上昇ランキング1位を獲得した。
ByteDanceが2026年2月27〜28日にオープンソースの自律型AIエージェント基盤DeerFlow 2.0を公開した。公開から24時間以内にGitHub人気急上昇ランキングで1位を獲得し、4万5千超のスターを集めた。本日時点でも+415★/日のペースで伸び、総スターは7万を超えている。
DeerFlow 2.0は子エージェント・記憶・隔離実行環境・拡張可能なスキル機構を束ねるスーパーエージェント基盤で、旧版とコードを共有しないゼロからの書き直しである。対話設定ウィザード(`make setup`)で約2分にモデル提供元や安全設定を構成でき、GPT-5・Claude Sonnet・DeepSeek・Qwenなど多様なモデルを設定ファイルで切り替えられる。
ライセンスはMITで商用利用しやすく、推奨運用環境はLinux＋Dockerと明示されている。特定の大規模言語モデルに縛られず自社環境で動かせる点が、モデルベンダーへの囲い込みを避けたい企業の導入判断材料になっている。
この変化で何が要点か。図解と出典つきで一目で。
構造化された事実を最初に。誰が何をいつどこでなぜどのように。
DeerFlowは元々「深い探索と効率的な調査の流れ（Deep Exploration and Efficient Research Flow）」を意味する深層リサーチ向けの枠組みとして始まった。2.0は単なる調査ツールから、複数の子エージェント（sub-agents）・記憶（memory）・隔離実行環境（sandbox）を束ねて幅広い作業をこなす「スーパーエージェント基盤」へと位置づけを拡張した。AIエージェントの実行をつなぐ仕組みとして広く使われるLangGraph／LangChainを土台に構築されている。旧版（1.x系）は別ブランチで維持されるが、開発の中心は2.0へ移った。ライセンスはMITで商用利用しやすい。
自律的に調べ・書き・コードを動かすAIエージェントを、特定の大規模言語モデルに縛られず自前で組める基盤として注目されている。OpenAIのGPT系、AnthropicのClaude、中国製のDeepSeekやQwenなど多様なモデルを設定で切り替えられ、自社環境で動かせる点が企業にとって導入判断の材料になる。MITライセンスのオープンソースであり、評価から本番運用までの構成規模も明示されているため、検証を始めやすい。
ByteDanceが2026年2月27〜28日に公開したオープンソースのAIエージェント基盤「DeerFlow 2.0」は、公開から24時間以内にGitHubの人気急上昇ランキングで1位を獲得し、4万5千を超えるスターを集めた。本日時点でも+415★/日のペースで伸び続け、リポジトリの総スターは7万を超えている。
これは旧版とコードを共有しないゼロからの書き直しで、自律的に調べ・書き・コードを動かすエージェントを、特定の大規模言語モデルに縛られず自前で組める基盤として注目されている。
An open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.
上の説明文にあるとおり、DeerFlow 2.0は隔離実行環境(sandbox=外部から切り離した安全な作業スペース)、記憶、ツール、スキル、子エージェント(役割を分けた複数のAIワーカー)、メッセージ受け渡しの窓口をまとめ、数分から数時間かかる長尺タスクを1つの基盤で扱う。
DeerFlow 2.0の核心は、AIの頭脳にあたる大規模言語モデルを設定ファイルで差し替えられる点にある。OpenAIのGPT-5、AnthropicのClaude Sonnet、中国製のDeepSeekやQwenなど、価格帯も提供元も異なるモデルを切り替えられる。
導入の入り口も整理されている。対話設定ウィザード(`make setup`)を使えば、モデル提供元や安全設定を約2分で構成できる。最初に高度なコマンド知識が要らないため、評価を素早く始められる。
ライセンスはMITで商用利用の制約が小さく、推奨運用環境はLinux＋Dockerと明示されている。外部サービスに丸ごと預けるのではなく、自社環境に閉じて動かせるため、データの扱いを社内に留めたい事業者が検証を始めやすい。
もともとDeerFlowは「深い探索と効率的な調査の流れ」を意味する深層リサーチ向けの枠組みとして始まったが、2.0では調査ツールから幅広い作業をこなすスーパーエージェント基盤へと位置づけを拡張した。
得をするのは、エージェント基盤を自前で組みたい国内の開発チームだ。MITライセンスで商用利用の制約が小さく、Linux＋Dockerで自社環境に閉じて動かせる。モデルを後から差し替えられるため、最初の選定ミスが致命傷になりにくい。
コストとデータ管理を重視する事業者にも追い風になる。用途ごとに高価なモデルと安価なモデルを使い分けられるので、すべてを最上位モデルで動かす必要がない。
一方、子エージェント・記憶・隔離実行環境といった機能を有償でまとめて提供するクローズドなエージェントSaaSは、同等機能が無償公開されたことで比較対象に並びやすくなる。読者がどちら側に立つかは、自社でDocker運用を回せる体制があるかどうかが分かれ目になる。
一次ソースに沿った検証の入り口は次のとおり。手順はGitHubリポジトリと公開情報に基づく。
An open-source long-horizon SuperAgent harness that researches, codes, and creates.
上記の説明文が示すとおり、これは調査・コーディング・制作を1つの基盤で扱うエージェントの土台であり、まず1つの定型タスクで完遂率と介入回数を測ると、自社用途への適合を判断しやすい。
立場別、明日から動ける一手。
DeerFlow 2.0のGitHubリポジトリで子エージェント・隔離実行環境の構成と必要なリソース規模を確認する。
自社が使う想定モデル(GPT-5/Claude/DeepSeek/Qwen)の単価差を、切り替え前提のユースケースで比較する。
対話設定ウィザードでモデル提供元を構成し、定型タスク1件で完遂率と介入回数を試す。
「特定の大規模言語モデルに縛られず、設定ファイルでGPT-5・Claude・DeepSeek・Qwenを切り替えられる」点と「MITライセンスで自社環境(Linux＋Docker)に閉じて動かせる」点が、開発者の導入判断の材料として語られている。
公式発表と各所の反応から編集部が要約した主な論点です。個別のX投稿そのものは下部のセクションに表示されます。
「特定の大規模言語モデルに縛られず、設定ファイルでGPT-5・Claude・DeepSeek・Qwenを切り替えられる」
「MITライセンスで自社環境(Linux＋Docker)に閉じて動かせる」
『調査からコーディングまで1つの土台で回せる』
子エージェント・記憶・隔離実行環境を束ねたスーパーエージェント基盤として『調査からコーディングまで1つの土台で回せる』という期待が中心。一方で、推奨環境がLinux＋Dockerである運用負荷や、長尺タスクでの実用水準を実際に検証したいという声もある。
※トレンド検出時刻付近の人気投稿を表示
