Was ist DeerFlow?
DeerFlow (Deep Exploration and Efficient Research Flow) ist ByteDances Open-Source-Agenten-Harness, gebaut auf LangGraph und LangChain. Es begann als Deep-Research-Framework; Version 2.0, im Februar 2026 vorgestellt und im Juni als v2.0.0 getaggt, ist eine komplette Neuentwicklung ohne gemeinsamen Code mit v1 (die weiter auf einem 1.x-Branch gepflegt wird) und positioniert es als allgemeinen Harness, der plant, Sub-Agenten startet, Code in Sandboxes ausführt und ein Langzeitgedächtnis führt.
Es läuft als Docker-Stack oder lokaler Dev-Server mit Web-Arbeitsbereich, einer Gateway API, einem eingebetteten Python-Client, einer Terminal-Werkbank und Messenger-Kanälen wie Telegram, Slack, Discord und Feishu. Es ist modellagnostisch über OpenAI-kompatible APIs, mit Presets für OpenAI, Anthropic, DeepSeek, Qwen, Doubao, Kimi, Zhipu und MiniMax.
Das Repo steht unter MIT-Lizenz, hat etwa 84.800 GitHub-Sterne und rund 990 offene Issues; das neueste Release ist v2.1.0 (24. September 2026), und Commits kommen täglich.
Lohnt sich DeerFlow?
DeerFlow 2.0 ist weniger ein Framework als ein Produkt, das du deployst: ein Server mit Sub-Agenten, einem Sandbox-Dateisystem, Gedächtnis, geplanten Aufgaben, Projekten und Chat-Kanälen, die schon miteinander verdrahtet sind. Das ist sein größter Vorteil gegenüber LangGraph oder CrewAI, wo du diese Teile selbst zusammensetzt, und zugleich sein größter Preis, denn die Fläche, die du nun betreibst, ist groß. Allein das README umfasst über 4.000 Zeilen Konfigurationshinweise.
Die Neuentwicklung folgt dem, was Nutzer mit v1 gemacht haben. Laut ByteDance haben Leute das Deep-Research-Tool in Datenpipelines, Foliensätze und Dashboards gedrängt, also gibt 2.0 dem Agenten einen Arbeitsbereich und lässt den Lead-Agenten Teile eines Auftrags an Sub-Agenten mit eigenem Kontext übergeben. Ausgeführt wird auf dem Host, in Docker-Containern oder über einen Provisioner in Kubernetes-Pods, und der Setup-Assistent fragt gleich zu Beginn, ob bash und Schreibzugriffe auf Dateien erlaubt sein sollen. Suche und Abruf docken an eine lange Liste von Anbietern an (Tavily, Brave, Jina, SearXNG, Firecrawl und andere), und ein claude-to-deerflow-Skill lässt Claude Code Aufträge an DeerFlow schicken.
Die Sicherheit ist der Teil, den du zweimal lesen solltest. Der Hinweis des Projekts selbst sagt, dass DeerFlow Systembefehle ausführen kann und für eine vertrauenswürdige Maschine auf 127.0.0.1 gedacht ist; der Docker-Stack bindet standardmäßig an Loopback, und es ohne IP-Allowlist und authentifizierenden Proxy für ein LAN oder das Internet zu öffnen, ist nach eigenen Worten ein Risiko unautorisierter Befehlsausführung. Gateway-Admins können stdio-MCP-Server registrieren, die laut Doku als Codeausführung auf dem Host zu behandeln sind.
Der Sizing-Leitfaden ist ehrlich, was das Gewicht angeht: 4 vCPU und 8 GB RAM zum Evaluieren, 8 vCPU und 16 GB für einen geteilten Server, vor jedem lokalen Modell. Gegenüber OpenHands, das enger ist und auf Software-Aufgaben abgestimmt, ist DeerFlow der breitere Generalist; gegenüber Hermes Agent ist es schwerer, aber eher ein Team-Dienst. Für eine Gruppe, die einen selbst gehosteten Agenten will, dem man aus Slack schreibt und den man eine Stunde laufen lässt, ist es die vollständigste offene Option, über die wir gelesen haben, und das tägliche Commit-Tempo bedeutet, dass sich die Konfiguration, die du diesen Monat lernst, ändern wird.
Wo es sich lohnt
Ein Marktforschungsteam mit fünf Personen
Über Nacht aus einer Frage einen Bericht mit Quellen und Diagrammen machen
Der Lead-Agent plant die Recherche, Sub-Agenten suchen und rufen über Tavily oder Brave ab, und Code in der Docker-Sandbox erstellt die Diagramme. Die Software ist kostenlos; Kosten sind Modell-Tokens plus ein Server mit 8 vCPU und 16 GB.
Ein Platform Engineer in einem Unternehmen mit 200 Mitarbeitenden
Der Belegschaft einen internen Agenten geben, dem sie aus Slack oder Feishu schreiben kann
Den Docker-Stack unter Linux betreiben, auf Loopback hinter einem authentifizierenden nginx-Proxy und einer IP-Allowlist halten und den Slack-Kanal im Socket Mode aktivieren. Zeit für das Sicherheits-Setup einplanen, auf dem das README besteht.
Ein Entwickler, der bereits Claude Code nutzt
Lange Rechercheaufträge abgeben, ohne das Terminal zu verlassen
Den claude-to-deerflow-Skill installieren, damit Claude Code Aufgaben an eine laufende DeerFlow-Instanz schickt und ihren Status prüft; die stundenlange Arbeit bleibt so aus der Coding-Sitzung heraus.
Bevor du dich festlegst
- Einrichtung
- Klone das Repo und führe make setup aus, einen Assistenten von etwa zwei Minuten, der Anbieter, Suche und Sandbox-Modus auswählt; dann make docker-start. Braucht Python 3.12+, Node 22+ und Docker Compose 2.24+.
- Integrationen
- OpenAI-kompatible Modelle mit Presets für OpenAI, Anthropic, DeepSeek, Qwen, Doubao, Kimi, Zhipu und MiniMax; MCP-Server; Telegram, Slack, Discord, Feishu, DingTalk und WeCom; Tracing mit LangSmith und Langfuse; RAGFlow für privates Wissen.
- Daten und Datenschutz
- Selbst gehostet; Prompts und Dateien gehen nur an die Modell- und Suchanbieter, die du konfigurierst. Bindet standardmäßig an 127.0.0.1. MIT-Lizenz; keine GitHub Security Advisories veröffentlicht, aber der Sicherheitshinweis im README warnt vor nicht vertrauenswürdigen Netzen.
- Kosten im großen Maßstab
- Eine kostenpflichtige Edition wird nicht beschrieben. Das README veranschlagt für einen geteilten Server 8 bis 16 vCPU und 16 bis 32 GB RAM; Modell-Tokens für stundenlange Multi-Agenten-Läufe sind die größere Rechnung.
- Grenzen
- Etwa 990 offene Issues; 2.0 hat die Kompatibilität mit v1 komplett gebrochen; die Konfiguration ändert sich oft; macOS und Windows eignen sich zum Evaluieren, Linux mit Docker für Server.
Was gut ist
- Sub-Agenten, Sandbox, Gedächtnis, Skills und Zeitplanung kommen zusammen
- Sandboxes in Docker, lokal oder Kubernetes; standardmäßig nur Loopback
- Modellagnostisch mit Presets für acht große Anbieter
- Messenger-Kanäle, Gateway API, Python-Client und TUI
Was nicht
- Führt Befehle aus; ohne Auth-Proxy und Allowlist nicht sicher erreichbar zu machen
- Ausufernde Konfiguration; das README hat über 4.000 Zeilen
- Braucht 8 vCPU und 16 GB RAM für einen geteilten Server
- Etwa 990 offene Issues und eine schnell wechselnde Codebasis
Am besten für
Teams, die einen selbst gehosteten, lang laufenden Agenten-Dienst für Recherche, Berichte und Code-Aufträge wollen und ihn hinter ordentlichen Netzwerkkontrollen betreiben können.
Alternativen zu DeerFlow
DeerFlow: häufige Fragen
- Lohnt sich DeerFlow?
- Ein ernsthafter Agenten-Server von ByteDance mit allem Nötigen an Bord, der inzwischen weit mehr kann als Recherche, sofern du ihn als den Code ausführenden Dienst behandelst, der er ist. Wir bewerten es mit 4.2 von 5.
- Was kostet DeerFlow?
- Kostenlos und Open Source (MIT); du zahlst die Modell-API und den Server, auf dem es läuft.
- Welche Nachteile hat DeerFlow?
- Führt Befehle aus; ohne Auth-Proxy und Allowlist nicht sicher erreichbar zu machen; Ausufernde Konfiguration; das README hat über 4.000 Zeilen; Braucht 8 vCPU und 16 GB RAM für einen geteilten Server; Etwa 990 offene Issues und eine schnell wechselnde Codebasis.
- Für wen eignet sich DeerFlow?
- Teams, die einen selbst gehosteten, lang laufenden Agenten-Dienst für Recherche, Berichte und Code-Aufträge wollen und ihn hinter ordentlichen Netzwerkkontrollen betreiben können.
- Was kostet DeerFlow für ein Team oder im Produktivbetrieb?
- Eine kostenpflichtige Edition wird nicht beschrieben. Das README veranschlagt für einen geteilten Server 8 bis 16 vCPU und 16 bis 32 GB RAM; Modell-Tokens für stundenlange Multi-Agenten-Läufe sind die größere Rechnung.
- Ist DeerFlow sicher für Firmendaten?
- Selbst gehostet; Prompts und Dateien gehen nur an die Modell- und Suchanbieter, die du konfigurierst. Bindet standardmäßig an 127.0.0.1. MIT-Lizenz; keine GitHub Security Advisories veröffentlicht, aber der Sicherheitshinweis im README warnt vor nicht vertrauenswürdigen Netzen.
- Was sind die besten Alternativen zu DeerFlow?
- Die nächsten Alternativen, die wir getestet haben, sind OpenHands, Hermes Agent, LangGraph, Magentic-UI (MagenticLite) und Agent Zero.
Antworten geprüft am 31. Okt. 2026.