ByteDance перезапустила DeerFlow – теперь это полноценный рантайм для агентов, а не просто фреймворк. Основа – LangGraph + LangChain. Главный агент получает задачу, разбивает её на подзадачи и порождает суб-агентов на лету. Каждый суб-агент работает в изолированном контексте: не видит данные других агентов или главного процесса. Суб-агенты выполняются параллельно, возвращают структурированные результаты – главный агент собирает их в финальный ответ. Сессия запускается в отдельном Docker-контейнере с полноценной файловой системой. Агенты читают/пишут файлы, выполняют bash-команды, работают с изображениями. Между сессиями полная изоляция. 🔹 Навыки (Skills) Из коробки: исследование, генерация отчётов, слайдов, веб-страниц, изображений и видео. Загружаются только при необходимости – снижает нагрузку на контекст. 🔹 Инструменты Базовый набор: веб-поиск, fetch, работа с файлами, bash. Плюс поддержка MCP-серверов и произвольных Python-функций. Можно заменять или расширять. 🔹 Память и контекст Профиля пользователей хранятся локально: стиль общения, техстек, повторяющиеся сценарии. Внутри сессии система автоматически управляет контекстом: завершённые подзадачи сохраняются на диск, промежуточные результаты не раздувают окно. 🔹 Интеграции Telegram, Feishu и будут еще. Возможность взаимодействия с Claude Code через специальный skill – отправлять задачи, управлять тредами, выбирать режим выполнения. 🔹 Модели и деплой Работает с любой моделью через OpenAI API – включая локальные через Ollama. Рекомендуются модели с длинным контекстом (100k+), ризонингом, мультимодальностью и надёжным tool-use. Можно встроить как Python-библиотеку без HTTP-сервиса: from src.client import DeerFlowClient client = DeerFlowClient() response = client.chat("Analyze this paper", thread_id="my-thread") 🔹 Демо 🔹 Статья на GitHub #MCP #AIagents #DeerFlow #AutonomousAI #LangGraph