2026年版 ByteDance DeerFlow 2.0 の使い方：セットアップ、機能、セキュリティ、API連携

TL;DR / 要約

DeerFlow 2.0は、ByteDanceが開発したオープンソースのスーパーエージェントハーネスです。長期間タスク、マルチエージェント委譲、サンドボックス実行、スキルベース拡張性を重視しており、単なるコーディングコパイロットではなく、複雑なワークフローの実行ランタイムです。

もしエンドツーエンドの自律タスク処理が必要な場合、DeerFlowは強力です。APIも出荷しているなら、API品質レイヤーとしてApidogを追加し、コントラクト設計、テストガバナンス、モック環境、ドキュメント管理まで網羅しましょう。

今すぐApidogを試す

なぜDeerFlowが注目されているのか

従来のAIツールは、コード生成やチャット自動化、リサーチ支援など特定の1ステップを支援するものがほとんどです。DeerFlowは、ステップ間のオーケストレーションと長期運用にフォーカスしています。

公式プロジェクト説明による主な機能コンポーネントは下記の通りです。

• サブエージェント
• メモリ
• サンドボックス実行
• ツールとスキル
• メッセージゲートウェイチャネル

ワークフローが単一プロンプトで完結することは稀であり、通常は分解、ファイル操作、コマンド実行、反復レビューが必要です。DeerFlowはこれをエンジニアリングチーム向けに実現します。

DeerFlow 2.0で実際に何が変わったのか

DeerFlow 2.0は完全な書き直しです。1.xとはコードを共有していません。

実践ポイント:

• 最新のスーパーエージェントハーネスアーキテクチャにはmainブランチを利用。
• レガシー動作が必要な場合のみmain-1.xを選択。

DeerFlowを新規評価・導入する場合、2.0をベースラインにしてください。

主要機能の内訳

1. スキルとツール

DeerFlowはスキルを段階的にロードし、すべての機能を一度に注入しません。トークンフローや長時間セッションで有利です。

• 組み込み・カスタムツール両方をサポート
• MCPサーバー統合対応（MCPベースの統合を活用中のチームは導入コストを抑えられます）

2. サブエージェント

リードエージェントは分離コンテキストのサブエージェントにタスク委譲可能。これにより、次のような多段階タスクのスループットが向上します。

• リポジトリ分析 → テスト計画 → リファクタ提案
• リサーチ → 実装 → ドキュメント納品
• 検証ステップを含むコンテンツパイプライン

3. サンドボックスとファイルシステム

DeerFlowは監査可能なファイル操作・コマンド実行を、サンドボックス環境で実現します。これは成果物生成や実タスク実行型エージェントランタイムに不可欠です。

4. コンテキストエンジニアリングと要約

コンテキスト圧縮や分離されたサブエージェントコンテキストを重視し、ワークフロー肥大化や長時間実行時の品質低下を防ぎます。

5. 長期記憶

メモリはセッション間で永続化され、ユーザー制御下でローカル保存。重複メモリ処理の最適化もドキュメント化されています。

6. チャネル接続

Telegram、Slack、Feishu/Larkなど、メッセージングチャネル経由タスク取り込み対応。config.yamlでチャネル設定します。

これにより、ターミナル以外のワークフローにも適用可能です。

セットアップチュートリアル：最速で安全なパス

公式ドキュメント通り、まずはDocker導入が推奨されます。

ステップ1：設定のクローンと初期化

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

ステップ2：モデルプロバイダーの設定

config.yamlを編集し、少なくとも1つのモデルを設定します。

例：

models:
  - name: gpt-5-responses
    display_name: GPT-5 (Responses API)
    use: langchain_openai:ChatOpenAI
    model: gpt-5
    api_key: $OPENAI_API_KEY
    use_responses_api: true
    output_version: responses/v1

ステップ3：環境変数の設定

OPENAI_API_KEY=your-key
TAVILY_API_KEY=your-key

ステップ4：Dockerで開始（推奨）

make docker-init
make docker-start

アクセスURL:

http://localhost:2026

ステップ5：必要な場合のみローカルモードを使用

make check
make install
make dev

セキュリティ：ほとんどのチームが見過ごす部分

DeerFlowは高特権機能（コマンド実行、ファイル操作、ビジネスロジック呼び出し）を持つため、制御なし公開は危険です。

安全なベースライン

• デフォルトはローカル/信頼できる環境で運用
• ネットワーク越しアクセスはIP許可リスト必須
• 強力な認証リバースプロキシを前面に
• 可能な限りネットワーク分離
• 常に最新版へアップデート

よくある間違い

通常のWebアプリ同様に公開し、厳格な制御なしで運用してしまう点。

公式もこの運用パターンに強い警告をしています。

DeerFlowと一般的なコーディングエージェントの比較

「コーディングエージェントをDeerFlowに置き換えるべきか？」ではなく、「各ツールの強みを活かす」視点が重要です。

PRコーディングループ中心ならコーディングエージェントで十分。

オーケストレーション・チャネル・パイプライン・自動化が多いならDeerFlowが最適です。

DeerFlowスタックにおけるApidogの役割

DeerFlowはオーケストレーションと実行に特化していますが、APIライフサイクル品質管理は専用のシステム（Apidog等）が必要です。

APIチーム向けDeerFlowの得意領域

• サービス/スクリプトのスキャフォールディング
• 反復的な実装ループの自動化
• 多段階エンジニアリング自動化
• サブタスク実行調整

APIチームがDeerFlow以外に必要なこと

• APIコントラクトファースト設計とレビュー
• エンドポイントごとの安定したリグレッションテスト
• 再利用可能なモック環境
• チームフレンドリーなAPIデバッグ
• 公開可能なAPIドキュメント管理

これらはApidogが担います。

実用的なアーキテクチャ

• DeerFlowでエンジニアリング自動化
• ApidogでAPI定義・ガバナンス
• ワークフロー境界で両者を連携 DeerFlowは実装とテスト候補生成、ApidogはコントラクトとAPI検証の信頼情報源

導入ブループリントの例（1週目〜4週目）

1週目：ローカルパイロット

• DeerFlowをDockerでローカル実行
• モデルプロバイダー1つ設定
• ワークフロー（例：API実装＋ドキュメントスタブ生成）をE2Eテスト

2週目：タスク分解追加

• サブエージェントワークフローを有効化
• プロンプトテンプレート・ツール権限でエラー監視

3週目：APIガバナンス導入

• ApidogでOpenAPIコントラクト・テストコレクション定義
• DeerFlow生成の変更ゲートとしてAPIテスト活用

4週目：制御されたスケーリング

• 必要時のみメッセージチャネル追加
• 厳格なネットワーク/セキュリティ維持
• 承認・再試行・ロールバック手順を文書化

強みとトレードオフ

DeerFlowの強み

• 長期間オーケストレーション
• 実用的なサブエージェント分解
• サンドボックス/ファイルシステム実行
• 拡張性（スキル＋MCP）
• 活発なOSS開発

DeerFlowのトレードオフ

• 単純なコーディングアシスタントより運用が複雑
• ローカル外運用時のセキュリティ責任増
• 本番利用には厳格な設定・ガバナンス必須

ハンズオンワークフロー：APIデリバリーループのためのDeerFlow + Apidog

以下はAPIエンドポイント開発における実践パターンです。

シナリオ

• 厳格なリクエスト/レスポンスコントラクト
• 自動回帰テスト
• デプロイ安全性検証
• アイデア→実装の高速イテレーション

ステップA：最初にApidogでAPIコントラクトを定義

• エンドポイントパス/メソッド
• リクエスト/レスポンススキーマ
• エラー/ステータスコード
• 認証要件

APIの信頼情報源としてOpenAPIを作成。

ステップB：DeerFlowで実装候補生成

• ルートハンドラのスキャフォールディング
• サービス層の実装
• マイグレーションスクリプト生成
• 単体・結合テストテンプレート作成

ポイント: コントラクト制約をDeerFlowに明示伝達。

ステップC：Apidogでコントラクト・回帰テスト実行

• コントラクト準拠
• ネガティブパス検証
• 認証境界条件
• 後方互換性

テスト失敗時は失敗トレースをDeerFlowに返却、ピンポイント修正。

ステップD：ガバナンス境界を明確に

• DeerFlowは実行速度担当
• ApidogはAPI正確性・コラボレーションガバナンス担当

これで「エージェントドリフト（意図からの逸脱）」を防止。

効果的な設定パターン

プロファイル1：ローカル信頼開発

• DeerFlowはループバック限定
• サンドボックスはローカル or Dockerのみ
• ランブック準備まで外部チャネル無効

プロファイル2：内部チーム環境

• 認証付きリバースプロキシ配下で運用
• IP許可リスト適用
• ツールアクションの監査ロギング義務化

プロファイル3：制御された自動化セル

• 専用ネットワークセグメント利用
• エージェントロールごとに機能制限
• 認証情報のローテーション＆監視

これらはDeerFlow公式のセキュリティ推奨事項に直結します。

一般的な失敗モードとその修正

失敗モード1：「巨大なプロンプト」アーキテクチャ

修正：

• サブエージェントで段階分割
• 各段階で完了基準設定
• 中間結果はファイル要約

失敗モード2：不明確なモデルルーティング

修正：

• config.yamlでタスク-モデルマッピング明示
• 高推論モデルは計画/分解向け
• 決定的変換は高速モデルへ

失敗モード3：セキュリティ追加が遅い

修正：

• デフォルトはローカルファースト
• 外部公開前にリバースプロキシ認証導入
• チャネル有効化前にコマンド/ファイル権限精査

失敗モード4：API品質ゲートがない

修正：

• CIでApidogコントラクトテスト強制
• マージ前にグリーンAPIテスト必須
• ドキュメント/モックもコントラクト同期

導入後に測定すべきこと

• タスク受付〜検証済み出力までのサイクルタイム
• エージェント支援変更の欠陥率
• APIコントラクト検証後の再作業率
• 権限/サンドボックス誤設定インシデント件数

導入前後でベースライン比較し、ガバナンスリスクや速度低下があれば設定を最適化しましょう。

よくある質問

DeerFlowはオープンソースですか？

はい、MITライセンスです。

DeerFlow 2.0はDeerFlow 1.xと同じですか？

いいえ。2.0はゼロから書き直され、1.xとは完全に別ブランチです。

ランタイム要件は？

Python 3.12+、Node.js 22+、セットアップはDocker推奨です。

ターミナル/UIのみ利用ですか？

いいえ。メッセージングチャネル統合・Pythonクライアントもサポート。

DeerFlowはAPIチームにとってApidogの代替になる？

なりません。DeerFlowは実装自動化、ApidogはAPI設計・テスト・モック・ドキュメントに特化。

最終評価

DeerFlow 2.0は、チャットボット以上のエージェント支援を求めるチームにとって、2026年時点で最も実用的なオープンソースエージェントハーネスの1つです。

推奨アーキテクチャ:

• オーケストレーション/実行にDeerFlow
• API品質ガバナンスにApidog
• 初日からセキュリティ境界を厳格に

この分離で、速度と信頼性を両立できます。