DeerFlow 2.0은 대화를 잘하는 프레임워크라기보다, 에이전트가 실제 산출물을 만들도록 설계된 "실행 환경(하네스)"입니다. 서브에이전트로 일을 쪼개 병렬 처리하고, 샌드박스에서 코드를 돌리고 파일을 만들며, 스킬과 MCP로 기능을 계속 확장합니다. 이 글에서는 왜 DeerFlow 2.0이 요즘 '에이전트 런타임'으로 주목받는지, 그리고 팀에 도입할 때 어디부터 잡아야 하는지 핵심만 정리합니다.
DeerFlow 2.0이 '프레임워크'보다 '하네스'에 가까운 이유
많은 에이전트 프로젝트가 "어떻게 더 똑똑하게 답하게 만들까"에 집중했다면, DeerFlow 2.0은 "답변을 작업으로 바꾸는 마지막 1마일"에 집중합니다. 1.x 기반을 이어가는 수준이 아니라 아예 다시 쓴 이유도 이 지점입니다. 연구용 흐름을 넘어서, 작업 계획·도구 실행·파일 생성·격리 실행·장기 메모리를 한 덩어리로 묶어 '실제로 끝나는 작업'에 맞춘 런타임을 만들었다는 쪽에 가깝습니다.1
이 관점이 중요합니다. "좋은 프롬프트"는 결과를 설명하지만, "좋은 하네스"는 결과물을 남깁니다. DeerFlow는 에이전트에게 손과 책상과 창고를 같이 주는 방식입니다.
샌드박스 + 파일시스템: 대화가 아니라 '제작'이 되는 구조
DeerFlow의 차별점은 에이전트가 격리된 실행환경에서 파일을 읽고 쓰고, bash를 돌리고, 결과물을 폴더로 남긴다는 점입니다. 일반 챗봇의 툴콜은 한두 번의 호출로 끝나는 경우가 많은데, DeerFlow는 "프로젝트 디렉터리를 굴려서 산출물을 만든다"는 느낌이 더 강합니다.
폴더 구조도 명확합니다. 업로드, 작업공간, 최종 산출물이 분리되어 있어 검토와 추적이 쉽고, 세션 간 오염도 줄입니다. 특히 보안 관점에서 "코드 실행"이 포함되는 순간부터는 격리 모델이 기본값이어야 하는데, DeerFlow는 그 방향을 전제로 설계돼 있습니다.2
서브에이전트 오케스트레이션과 컨텍스트 엔지니어링
큰 작업이 한 번에 끝나는 경우는 드뭅니다. DeerFlow는 리드 에이전트가 필요할 때 서브에이전트를 생성해 역할을 나누고, 가능하면 병렬로 돌린 뒤, 결과를 요약해 합치는 흐름을 기본으로 둡니다. 여기서 중요한 포인트는 "서브에이전트가 서로의 맥락을 직접 공유하지 않는다"는 점입니다. 각자 좁은 시야로 집중하게 하고, 최종 합성은 리드가 담당합니다.
또 하나는 컨텍스트 관리입니다. 오래 가는 작업일수록 토큰은 금방 포화되는데, DeerFlow는 중간 결과를 파일로 빼고 요약을 남기는 식으로 컨텍스트를 다이어트합니다. 결과적으로 '길게 일하는 에이전트'를 만들 때 흔히 마주치는 컨텍스트 폭발을 구조로 완화합니다.1
스킬·MCP 확장, 그리고 Docker로 시작하는 현실적인 온보딩
DeerFlow에서 스킬은 "워크플로 모듈"에 가깝습니다. 조사, 보고서, 슬라이드, 웹페이지 같은 반복 업무를 문서화된 단위로 쪼개 두고, 필요할 때만 로드해 컨텍스트를 아낍니다. 여기에 MCP 서버를 붙이면 조직 내 도구나 사내 시스템을 '에이전트 툴'로 끼워 넣는 확장도 가능합니다.2
온보딩은 Docker가 가장 안전합니다. 설정 파일을 만들고(make config), config.yaml에 최소 1개 모델을 정의한 뒤, 키는 .env로 주입하고, make docker-init / make docker-start로 올리면 웹 UI는 기본적으로 http://localhost:2026에서 접근합니다. 로컬 개발 모드는 디버깅과 기여에는 좋지만, 팀 운영 기준의 일관성을 생각하면 우선 Docker로 고정하는 편이 시행착오가 적습니다.1
시사점
DeerFlow 2.0을 평가할 때는 "채팅이 얼마나 그럴듯한가"보다 "우리 작업이 어떤 산출물로 끝나야 하는가"를 먼저 잡는 게 맞습니다. 출력 폴더 규격과 결과물 템플릿을 정하고, 반복 업무를 스킬로 굳히면 도입 속도가 빨라집니다.
또한 이 플랫폼은 실행 능력이 강한 만큼, 거버넌스와 보안 질문도 함께 커집니다. 컨테이너 격리, 네트워크 이그레스 제어, 시크릿 주입 방식, 메모리/워크스페이스 보존 정책을 초기부터 정하지 않으면 PoC가 곧바로 운영 리스크가 됩니다.3
마지막으로, 채널 연동(슬랙/텔레그램 등)이나 터미널 연동은 '접근 경로'일 뿐 핵심은 아닙니다. 처음엔 경로를 하나로 단순화하고, 샌드박스에서 산출물이 제대로 떨어지는 작업 한두 개만 확실히 성공시키는 것--그게 DeerFlow를 "데모"에서 "팀의 작업대"로 바꾸는 가장 빠른 길입니다.
참고
1DeerFlow 2.0 Super Agent: Orchestrating AI Sub-Agents to Execute Complex Tasks | Efficient Coder
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.