DeerFlow 2.0 の動かし方：ByteDance のオープンソース長期タスク SuperAgent をローカルで試す

bytedance/deer-flow は、ByteDance が公開している long-horizon SuperAgent harness です。短い Q&A 向けではなく、調査、コード作成、ツール呼び出し、sandbox、記憶、サブ Agent が必要な長期タスクを対象にしています。

プロジェクト：

https://github.com/bytedance/deer-flow

公式サイト：

https://deerflow.tech

プロジェクトを clone する

README の基本手順は次のとおりです。

1
2


git clone https://github.com/bytedance/deer-flow.git
cd deer-flow

ローカル開発では、まず次を実行できます。

1

make setup

モデルを設定する

DeerFlow は複数の model provider をサポートしています。README には OpenAI / OpenRouter 系の設定例があります。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


models:
  - name: gpt-4o
    display_name: GPT-4o
    use: langchain_openai:ChatOpenAI
    model: gpt-4o
    api_key: $OPENAI_API_KEY
  - name: openrouter-gemini-2.5-flash
    display_name: Gemini 2.5 Flash (OpenRouter)
    use: langchain_openai:ChatOpenAI
    model: google/gemini-2.5-flash-preview
    api_key: $OPENROUTER_API_KEY
    base_url: https://openrouter.ai/api/v1

Claude Code OAuth を使う場合は、先に環境を export します。

1

eval "$(python3 scripts/export_claude_code_oauth.py --print-export)"

よく使う API Key：

1
2


OPENAI_API_KEY=your-openai-api-key
TAVILY_API_KEY=your-tavily-api-key

Docker で起動する

README では Docker 方式が推奨されています。まず sandbox イメージを初期化します。

1

make docker-init

サービスを起動します。

1

make docker-start

本番デプロイでは、README の Docker production セクションに従って build/start/stop を実行します。

向いているタスク

DeerFlow は次のようなタスクに向いています。

検索、整理、資料引用が必要な調査タスク。
sandbox と複数ツールを組み合わせる長時間のコード作業。
調査、計画、生成、検証のような複数ステップのコンテンツ制作。
サブ Agent やスキルの組み合わせが必要なワークフロー。

使用時の提案

最初から「完全な製品を作る」のような大きなタスクを渡さないほうがよいです。まずは「あるオープンソースライブラリを調査し、使用例を生成する」のような検証しやすい小さなタスクを渡します。モデル、検索、sandbox、ツール呼び出しが正常に動くことを確認してから、タスク時間を伸ばしていくのが安全です。