Um harness de agentes para Python, com escolhas opinativas e tudo incluído, que executa tarefas longas e com várias etapas desde o início no LangGraph.
30,4 mil4,3 milPythonMITAtualizado ontem
bytedance/deer-flow
Harness open source para superagentes de longa duração, que coordena subagentes, memória e sandboxes para pesquisar, programar e criar em tarefas que levam de minutos a horas.
- Estrelas
- 84,187
- Forks
- 11,760
- Issues abertas
- 955
- Último commit
- ontem
O que é?
DeerFlow (Deep Exploration and Efficient Research Flow) é um harness para superagentes, desenvolvido em Python e com frontend em TypeScript. Ele coordena subagentes, memória de longo prazo, ambientes de execução isolados e skills extensíveis para que uma sessão do agente possa lidar com tarefas que levam de vários minutos a várias horas.
O projeto abrange pesquisa na web com ferramentas de busca e crawling, operações no sistema de arquivos dentro de sandboxes isoladas e execução de código. Ele oferece suporte a vários provedores de LLM por meio de configuração YAML, incluindo endpoints compatíveis com OpenAI, Claude, Codex CLI, DeepSeek e vLLM, além de disponibilizar um servidor MCP, integrações com canais de mensagens instantâneas e um cliente Python integrado.
A implantação pode ser feita com Docker Compose ou em ambiente de desenvolvimento local usando os targets do make. DeerFlow 2.0 é uma reescrita completa e não compartilha código com o framework original Deep Research 1.x, mantido em uma branch separada.
Recursos principais
- 01Subagentes que dividem partes de uma tarefa longa e as executam em paralelo.
- 02Sandboxes isoladas para operações com arquivos e execução de código.
- 03Memória de longo prazo que persiste entre sessões.
- 04Skills e ferramentas extensíveis, além de um servidor MCP.
- 05Provedores de LLM configuráveis via config.yaml, incluindo endpoints compatíveis com OpenAI e Claude.
- 06Integrações de busca e crawling na web com vários provedores.
Casos de uso
- Realizar pesquisas na web com várias etapas e gerar um relatório escrito.
- Delegar tarefas de programação ou refatoração a um agente que trabalha em uma sandbox.
- Criar um ambiente de trabalho autohospedado para agentes, conectado a canais de chat.
- Experimentar fluxos de trabalho multiagente com base no LangGraph.
Início rápido
- 1
Clone o repositório do DeerFlow
git clone https://github.com/bytedance/deer-flow.git - 2
Acesse o diretório do projeto
cd deer-flow - 3
Execute o assistente de configuração para escolher um provedor de LLM e gerar o arquivo de configuração
make setup
Antes de usar
- É necessário ter um provedor de LLM e uma chave de API, que o assistente de configuração solicitará que você configure.
- A configuração do ambiente de desenvolvimento local requer Python 3.12 ou superior e Node.js 22 ou superior.
- O README inclui um aviso de segurança: uma implantação inadequada pode trazer riscos, e o acesso de administrador ao gateway equivale à execução de código.
Tópicos
Perguntas frequentes
- O que é deer-flow?
- Harness open source para superagentes de longa duração, que coordena subagentes, memória e sandboxes para pesquisar, programar e criar em tarefas que levam de minutos a horas. DeerFlow (Deep Exploration and Efficient Research Flow) é um harness para superagentes, desenvolvido em Python e com frontend em TypeScript. Ele coordena subagentes, memória de longo prazo, ambientes de execução isolados e skills extensíveis para que uma sessão do agente possa lidar com tarefas que levam de vários minutos a várias horas.
- deer-flow é gratuito? Qual é a licença?
- deer-flow é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- deer-flow ainda é mantido?
- Manutenção ativa. O último commit de deer-flow foi em 20 de out. de 2026.
- Para que posso usar deer-flow?
- Realizar pesquisas na web com várias etapas e gerar um relatório escrito. Delegar tarefas de programação ou refatoração a um agente que trabalha em uma sandbox. Criar um ambiente de trabalho autohospedado para agentes, conectado a canais de chat. Experimentar fluxos de trabalho multiagente com base no LangGraph.
- Como instalar deer-flow?
- Clone o repositório do DeerFlow: git clone https://github.com/bytedance/deer-flow.git Acesse o diretório do projeto: cd deer-flow Execute o assistente de configuração para escolher um provedor de LLM e gerar o arquivo de configuração: make setup
- Onde consigo deer-flow?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/bytedance/deer-flow
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Agente autônomo de pesquisa open source que planeja perguntas, coleta fontes da web e locais e escreve relatórios com citações usando qualquer provedor de LLM.
30,2 mil4,3 milPythonApache-2.0Atualizado há 11 dias
Framework Python code-first do Google para criar, avaliar e implantar agentes de IA, otimizado para Gemini, mas independente de modelo.
21,9 mil4,4 milPythonApache-2.0Atualizado ontem
Framework Java para criar aplicações de IA com agentes, workflows e múltiplos agentes sobre o Spring AI.
11 mil2,5 milJavaApache-2.0Atualizado há 14 dias
Plataforma sem código que gera agentes de IA prontos para produção a partir de descrições em linguagem natural, com ferramentas, memória e orquestração integradas.
6 mil744PythonMITAtualizado ontem
Infraestrutura de memória nativa para agentes, que transforma conversas e execuções de agentes LLM em memória persistente e estruturada para apps em Python e TypeScript.
17,1 mil3,9 milPythonOtherAtualizado há 19 dias