Un harness de agentes para Python, con opiniones claras y todo incluido, que ejecuta tareas largas de varios pasos desde el primer momento sobre LangGraph.
30,4 mil4,3 milPythonMITActualizado hace 10 horas
bytedance/deer-flow
Entorno open source para agentes autónomos de larga duración que coordina subagentes, memoria y sandboxes para investigar, programar y crear durante minutos u horas.
- Estrellas
- 84,187
- Forks
- 11,760
- Issues abiertos
- 955
- Último commit
- hace 10 horas
¿Qué es?
DeerFlow (Deep Exploration and Efficient Research Flow) es un entorno para agentes autónomos escrito en Python y con frontend en TypeScript. Coordina subagentes, memoria a largo plazo, entornos de ejecución aislados y skills extensibles para que una sesión con un agente pueda gestionar tareas que duren desde varios minutos hasta varias horas.
El proyecto abarca investigación web con herramientas de búsqueda y rastreo, operaciones con el sistema de archivos dentro de sandboxes aislados y ejecución de código. Admite varios proveedores de LLM mediante configuración YAML, incluidos endpoints compatibles con OpenAI, Claude, Codex CLI, DeepSeek y vLLM. También ofrece un servidor MCP, integraciones con canales de mensajería instantánea y un cliente Python integrado.
Se puede desplegar con Docker Compose o trabajar en desarrollo local mediante objetivos de make. DeerFlow 2.0 es una reescritura completa que no comparte código con el framework original Deep Research 1.x, que se mantiene en una rama independiente.
Funciones clave
- 01Subagentes que dividen una tarea larga en partes y las ejecutan en paralelo.
- 02Sandboxes aislados para operaciones con archivos y ejecución de código.
- 03Memoria a largo plazo que persiste entre sesiones.
- 04Skills y herramientas extensibles, además de un servidor MCP.
- 05Proveedores de LLM configurables mediante config.yaml, incluidos endpoints compatibles con OpenAI y Claude.
- 06Integraciones de búsqueda y rastreo web con varios proveedores.
Casos de uso
- Realizar investigaciones web de varios pasos que generen un informe escrito.
- Delegar tareas de programación o refactorización a un agente que trabaja en un sandbox.
- Crear un espacio de trabajo de agentes autoalojado que se conecte a canales de chat.
- Experimentar con flujos de trabajo multiagente basados en LangGraph.
Inicio rápido
- 1
Clona el repositorio de DeerFlow
git clone https://github.com/bytedance/deer-flow.git - 2
Entra en el directorio del proyecto
cd deer-flow - 3
Ejecuta el asistente de configuración para elegir un proveedor de LLM y generar el archivo de configuración
make setup
Antes de usarlo
- Necesitas un proveedor de LLM y una clave de API; el asistente de configuración te pedirá que los configures.
- La configuración del entorno de desarrollo local requiere Python 3.12 o posterior y Node.js 22 o posterior.
- El README incluye un aviso de seguridad: una implementación incorrecta puede conllevar riesgos, y el acceso de administrador a la puerta de enlace equivale a poder ejecutar código.
Temas
Preguntas frecuentes
- ¿Qué es deer-flow?
- Entorno open source para agentes autónomos de larga duración que coordina subagentes, memoria y sandboxes para investigar, programar y crear durante minutos u horas. DeerFlow (Deep Exploration and Efficient Research Flow) es un entorno para agentes autónomos escrito en Python y con frontend en TypeScript. Coordina subagentes, memoria a largo plazo, entornos de ejecución aislados y skills extensibles para que una sesión con un agente pueda gestionar tareas que duren desde varios minutos hasta varias horas.
- ¿deer-flow es gratuito? ¿Qué licencia tiene?
- deer-flow es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿deer-flow sigue mantenido?
- Mantenimiento activo. El último commit de deer-flow fue el 20 oct 2026.
- ¿Para qué puedo usar deer-flow?
- Realizar investigaciones web de varios pasos que generen un informe escrito. Delegar tareas de programación o refactorización a un agente que trabaja en un sandbox. Crear un espacio de trabajo de agentes autoalojado que se conecte a canales de chat. Experimentar con flujos de trabajo multiagente basados en LangGraph.
- ¿Cómo se instala deer-flow?
- Clona el repositorio de DeerFlow: git clone https://github.com/bytedance/deer-flow.git Entra en el directorio del proyecto: cd deer-flow Ejecuta el asistente de configuración para elegir un proveedor de LLM y generar el archivo de configuración: make setup
- ¿Dónde consigo deer-flow?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/bytedance/deer-flow
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Agente de investigación autónomo y de código abierto que planifica preguntas, recopila fuentes web y locales, y redacta informes con citas usando cualquier proveedor de LLM.
30,2 mil4,3 milPythonApache-2.0Actualizado hace 10 días
Framework de Python de Google, centrado en el código, para crear, evaluar y desplegar agentes de IA; optimizado para Gemini, pero independiente del modelo.
21,9 mil4,4 milPythonApache-2.0Actualizado hace 10 horas
Plataforma sin código que genera agentes de IA listos para producción a partir de descripciones en lenguaje natural, con herramientas, memoria y orquestación integradas.
6 mil744PythonMITActualizado hace 9 horas
Una biblioteca mínima de Python para crear agentes de IA que escriben y ejecutan sus acciones como código Python.
29,9 mil3,1 milPythonApache-2.0Actualizado hace 14 días
Infraestructura de memoria nativa para agentes que convierte las conversaciones y ejecuciones de agentes LLM en memoria persistente y estructurada para aplicaciones Python y TypeScript.
17,1 mil3,9 milPythonOtherActualizado hace 18 días