ByteDanceがオープンソースで出してきたAIエージェント基盤が、GitHub4.5万スターを集めている

TikTokの親会社ByteDanceが、社内で使っていたAIエージェント基盤をオープンソースとして公開した。名前はDeerFlow。2月末のリリースからわずか数週間でGitHub Trending 1位を獲得し、4月22日時点でスター数は45,600を超えている。

MITライセンスで完全無料。

「またエージェントフレームワークか」と思うかもしれない。LangChain、CrewAI、AutoGenなど、似たようなものは山ほどある。ただDeerFlowには、既存のフレームワークにはあまり見られない特徴がいくつかある。

「計画するだけ」ではなく「実行する」

多くのエージェントフレームワークは、タスクを分解して計画を立てるところまでは得意だ。問題は、実際の実行環境を持たないものが多いこと。計画は立てるが、ファイルは書けない。コードは生成するが、動かしてみることはできない。

DeerFlowはDocker上にサンドボックス環境を持っている。エージェントはコンテナ内でコードを実行し、ファイルを書き、パッケージをインストールし、bashスクリプトを回す。ここが他との一番大きな違いだ。

アーキテクチャは「SuperAgent」パターン。上位のスーパーバイザーが大きな目標を受け取り、タスクに分解して、専門のサブエージェントに振り分ける。デフォルトで用意されているのは3種類——リサーチャー（Web検索とドキュメント分析）、コーダー（Pythonコード実行）、レポーター（結果の統合とフォーマット）。スーパーバイザーがサブエージェント間のコンテキストを管理し、誰がどのタスクを担当するか決める。

具体的に何ができるのか

公式ドキュメントに載っている使い方を見ると、雰囲気がつかめる。

「GPT-5のベンチマーク結果を調査して、比較表付きのレポートをMarkdownで出して」と頼むと、リサーチャーがWeb検索でデータを集め、コーダーが表を整形し、レポーターがMarkdownファイルにまとめる。この一連の流れが自律的に動く。

「今月の売上データをCSVで渡すから、分析してグラフ付きレポートを作って」ならコーダーがPandasとmatplotlibでデータを処理し、画像ファイルとレポートを生成する。Docker内で実行されるので、ローカル環境を汚さない。

プレゼン資料の生成もサポートしている。調査→構成→スライド作成を一連の流れで自動化できる。

モデルは自由に選べる

DeerFlowはモデルに依存しない設計で、OpenAI互換のAPIなら何でも動く。GPT-5.4でもClaude Opus 4.7でもDeepSeekでもいい。ローカルモデルもOllamaやvLLM経由で接続できる。

ByteDance自身のDoubaoモデルとの統合も用意されているが、必須ではない。この「ベンダーロックインなし」の姿勢は、エンタープライズ採用を見据えたものだろう。

MCP（Model Context Protocol）にも対応しているため、既存のMCPサーバーを接続してツール拡張が可能だ。

デプロイの選択肢

ローカル開発、Docker単体サーバー、Kubernetes複数サーバーの3モードをサポート。REST APIを公開できるため、既存のシステムへの組み込みも想定されている。SlackやTelegramといったメッセージングプラットフォームへの接続も可能だ。

率直に言って、どうなのか

良い点は明確だ。Docker実行環境を標準装備しているフレームワークはまだ少なく、「計画だけでなく実行もできる」のは実用上の大きなアドバンテージになる。MITライセンスで制約がない。モデル非依存で、好きなLLMを接続できる。

一方で、気になる点もある。

まず、セットアップの手間。Docker必須なので、コンテナに慣れていない人にはハードルがある。ローカル開発モードでも、最低限のDocker知識は必要だ。

次に、ByteDanceという出自。TikTokの親会社が出したOSSという点で、企業のセキュリティ部門が導入を渋る可能性はある。コードはMITライセンスで公開されており、外部監査は可能だが、「中国企業のOSS」への心理的抵抗が完全になくなるわけではない。

そして、エージェントフレームワークの宿命だが、LLMの性能にかなり依存する。スーパーバイザーのタスク分解が的外れだと、以降のサブエージェントの作業すべてが無駄になる。モデルの選択が結果を大きく左右する。

誰に向いているか

DeerFlowがハマるのは、社内のリサーチ業務やレポート作成を自動化したいチームだ。「調べて、まとめて、ファイルに書き出す」というワークフローが頻繁にあるなら、試す価値がある。

逆に、単純なチャットボットを作りたいだけなら、DeerFlowは明らかにオーバースペックだ。LangChainの基本機能で十分足りる。

GitHub 45,000スターという数字は、LangChain（約105,000）やAutoGen（約42,000）と比べても遜色ない。ByteDanceの内部で実際に使われている基盤をOSS化したという背景が、ただの実験的プロジェクトとの違いを生んでいる。