この記事では、以下の内容を学びます：

DeerFlowとは何か、また長期タスクのハーネスとして何を提供するか。
Bright Dataがウェブ検索とフェッチ機能に最適な理由。
Bright Data MCPを通じてBright DataをDeerFlowに統合する方法。

さっそく始めましょう！

DeerFlowとは？

DeerFlowは、ByteDanceが開発したオープンソースのAIエージェントハーネスです。サブエージェント、メモリ、スキル、ツール、サンドボックスを組み合わせて、AIによる複雑なタスクの処理を支援します。

DeerFlowは、ウェブアプリから直接操作するか、メッセージングゲートウェイを通じてTelegramやWeChatなどのメッセージングプラットフォームから利用できます。

DeerFlowは長期的なワークロードを専門としており、ディープリサーチ、コーディング、データパイプライン、レポート生成、コンテンツ作成などのユースケースをサポートしています。このプロジェクトは完全にオープンソースで、GitHubスターが79k以上あります。

主な機能

DeerFlowがサポートするコア機能は以下の通りです：

スキルとツール：リサーチ、レポート、スライド、ウェブページ、画像生成などのための拡張可能な機能。
サブエージェント：複雑なタスクに対して、独立したコンテキスト、ツール、終了条件を持つ専門エージェントを生成します。
サンドボックス実行：エージェントにファイルやコマンドの読み書き・編集・実行のための隔離された環境を提供します。
エージェントブラウザ：エージェントがウェブサイトのナビゲート、クリック、入力、フォーム送信、動的ページとのインタラクションを行えます。
ウェブアクセス：ウェブ検索、フェッチ、レンダリング済みページキャプチャツールを提供します。
長期メモリ：セッションをまたいでユーザーの設定、プロファイル、蓄積された知識を保存します。
コンテキストエンジニアリング：完了した作業を要約し、中間結果をオフロードしてコンテキストを効率的に維持します。
MCPサポート：外部MCPサーバーに接続してエージェントのツールと機能を拡張します。
スケジュールタスク：cronベースのスケジュールを使用して、定期的または一回限りのタスクを自動実行します。
メッセージングチャンネル：Telegram、Slack、Discord、Feishu、DingTalk、WeChat等を通じてエージェントと対話できます。
オブザーバビリティ：LangSmith、Langfuse、Monocleと統合して、エージェントの実行、ツール、LLM呼び出しをトレースします。
組み込みクライアント：DeerFlowをアプリケーションに直接統合するためのPythonクライアントを提供します。

詳細は公式ドキュメントをご覧ください。

DeerFlowのウェブ検索・フェッチエンジンとしてのBright Data

DeerFlowの多くの機能の中に、組み込みのウェブ検索・フェッチツールがあります。これらのツールにより、内部AIエージェントがオンラインの新しいソースを検索し、ウェブグラウンディングのためにそのコンテンツにアクセスできます。

これはLLMの知識カットオフを克服するために不可欠です。また、AIエージェントが最新のウェブデータを使用してタスクを実行し、より正確な回答を提供することも可能にします。ウェブ検索・フェッチツールを提供するために、DeerFlowはFirecrawl、Brave、DuckDuckGoなどのSERPおよびウェブ検索APIソリューションと統合されています。

しかし、これらのプロバイダーは必ずしもエンタープライズ用途に対応しているわけではありません。多言語検索、複数の検索エンジン、またはブロックされずにウェブサイトへ確実にアクセスするためのサポートが不足している場合があります。CAPTCHAの解決機能や大規模なIPプロキシネットワークが欠けているものもあります。

まさにそこでBright Dataが役立ちます！

Bright DataはDeerFlowの組み込みウェブプロバイダーと一線を画しており、4億以上のレジデンシャルIPを含むグローバルインフラを備えています。このアーキテクチャは、実際のウェブデータワークフローに必要なスケーラビリティ、アンチボット機能、パフォーマンスを提供します。無制限の同時実行をサポートし、99.99%のアップタイムと99.95%の成功率を達成しています。

解決策としてのBright Data MCP

DeerFlowをBright Dataのウェブツールに接続する最も簡単な方法は、Bright Data MCPを使用することです。

Bright Data MCPは70以上のツールを提供しており、それぞれBright DataのAPIベースの製品によって動作します。Rapidモード（月5,000リクエストの無料ティア）でも、ウェブ検索、スクレイピング、ソース発見に役立つツールが利用できます：

ツール	説明
`search_engine` + 並列リクエスト用特別バージョン（`search_engine`）	Google、Bing、Yandexなどの検索エンジンから結果を取得します。
`scrape_as_markdown` + 並列リクエスト用特別バージョン（`scrape_batch`）	ボット保護を処理しながら、ウェブページをクリーンなMarkdownに変換します。
`discover`	AIを活用した検索を実行し、ランク付けされた関連ウェブ結果を返します。

70以上のツールすべてにアクセスするには、Proモードを有効化する必要があります。これにより、Amazon、LinkedIn、Instagram、YouTube、Zillow、Google Mapsなどのプラットフォームの構造化データ抽出ツールや40以上の他のウェブサイト、さらにBright DataのブラウザAPIを活用したブラウザ自動化ツールが利用可能になります。

Bright Data MCPをDeerFlowに統合する方法

このステップバイステップのセクションでは、DeerFlowにBright Data MCPをセットアップする方法を学びます。

Bright Dataの統合により、DeerFlow AIエージェントはアンチボットのブロックを気にすることなく、ウェブを検索し、新しいソースを発見し、ウェブページをスクレイピングし、ウェブコンテンツと対話する能力を得ます。

以下の手順に従ってください！

前提条件

このチュートリアルセクションを進めるには、以下が必要です：

Linuxディストリビューション（例：Ubuntu）、macOS、またはWSLなど、makeが利用可能なUnixベースのシステム。
APIキーが設定されたBright Dataアカウント。Bright Data APIキーの生成については公式ガイドに従ってください。
サポートされているLLMプロバイダーのいずれかのAPIキー。（ここではOpenAI APIキーを使用します。）
Claude Code、OpenAI Codexなど、ローカルにセットアップされたAIコーディングエージェント。

厳密には必須ではありませんが、以下も推奨します：

MCPの仕組みについての基本的な理解。
Bright Data MCPが公開するツールへの習熟。

ステップ#1：DeerFlowをインストールする

DeerFlowのインストール用フォルダを作成し、その中でローカルコーディングエージェントセッションを起動して、以下のプロンプトを実行してください：

Help me clone DeerFlow if needed, then bootstrap it for local development by following https://raw.githubusercontent.com/bytedance/deer-flow/main/Install.md

これはDeerFlowをインストールする最も簡単な方法です。

コーディングAIエージェントは、DeerFlowリポジトリのインストール手順を含むMarkdownファイルをダウンロードします。その後、その手順に従ってDeerFlowをローカルにインストールおよび設定します。

前提条件が不足している場合、エージェントはそれらをインストールするために必要なコマンドを提供します。別のターミナルウィンドウでそれらのコマンドを実行し、AIエージェントとの会話を続けてください。

プロセスの終わりに、以下のような出力が表示されるはずです：

インストールフォルダには、以下のような構造のDeerFlowプロジェクトが含まれているはずです：

<your_deerflow_installation_folder>
├── backend/
├── contracts/
├── deploy/
├── docker/
├── docs/
├── frontend/
├── logs/
├── plans/
├── pr-build/
├── scripts/
├── skills/
├── temp/
├── tests/
├── AGENTS.md
├── CHANGELOG.md
├── CHANGELOG_zh.md
├── CLAUDE.md
├── CODE_OF_CONDUCT.md
├── CONTRIBUTING.md
├── Install.md
├── LICENSE
├── Makefile
├── README.md
├── README_fr.md
├── README_ja.md
├── README_ru.md
├── README_zh.md
├── RELEASING.md
├── SECURITY.md
├── config.example.yaml
├── deer-flow.code-workspace
└── extensions_config.example.json

特に重要なファイルが2つあります：

extensions_config.example.json：MCPサーバーまたはスキルを通じてDeerFlow拡張機能を設定するためのサンプルJSONファイル。
config.example.yaml：LLM統合、スキルディレクトリ、DeerFlowのAIエージェント動作をカスタマイズするための多くのオプションを設定するためのサンプル設定ファイル。

よくできました！DeerFlowがローカルにインストールされました。

ステップ#2：DeerFlowを設定する

次に、DeerFlowのインストールフォルダで以下のコマンドを実行してハーネスを設定します：

make setup

これにより、いくつかの設定ステップをガイドするインタラクティブなCLIセットアップウィザードが起動します。最初のステップはLLMプロバイダーの選択です。

注意：DeerFlowはDoubao-Seed-2.0-Code、DeepSeek V3.2、Kimi 2.5の使用を強く推奨しています。

ただし、ここではDeerFlowをOpenAIと統合する方法を説明します。まず、ターゲットLLMプロバイダーとして「OpenAI」を選択します：

次にモデルを選択し（例：gpt-5-mini）、OpenAI APIキーを入力します。DeerFlowは選択したOpenAIモデルを使用してAIエージェントを動作させます。

次に、組み込みのウェブ検索・フェッチツールのいずれかをオプションで設定するかどうか尋ねられます：

どちらの場合も「Skip for now」オプションを選択してください。Bright Data MCPがこの機能を提供します。

実行ポリシーと安全ポリシーを選択して続行します。オプションでIMチャンネルを統合することもできます。最終的に、セットアッププロセスによりDeerFlowを起動するための最小限のconfig.yamlファイルが生成され、APIキーが.envに保存されます。

素晴らしい！これでDeerFlowを起動する準備が整いました。

ステップ#3：DeerFlowフロントエンドを起動する

DeerFlowのインストールフォルダで、以下のコマンドを実行してフロントエンドとバックエンドの依存関係をインストールします：

make install

次に、以下のコマンドでローカル開発サーバーを起動します：

make dev

以下のような出力が表示されるはずです：

DeerFlowは以下の構成でローカルに実行されます：

ゲートウェイ：アプリケーションのバックエンドで、ポート8001で実行されます。
フロントエンド：ポート3000で実行され、Nginxがポート2026でリバースプロキシを処理します。

DeerFlowフロントエンドにアクセスするには、ブラウザで以下のURLを開いてください：

http://localhost:2026

以下が表示されるはずです：

ローカルフロントエンドは公式DeerFlowウェブサイトと同じUIを共有していることに注意してください。

「Get Started with 2.0」をクリックしてDeerFlowワークスペースにアクセスします。ワークスペースに初めてアクセスする際は、管理者アカウントの作成を求められます。

サインアップフォームに記入してローカルアカウントを作成します：

次に、ログインしてDeerFlowワークスペースにアクセスします：

ここから、DeerFlowエージェントと対話し、設定されたMCPサーバー、スキル、IMチャンネル、その他の設定を確認できます。すばらしい！

ステップ#4：Bright Data MCPに慣れる

Bright Data MCPをDeerFlowに接続する前に、MCPサーバーがマシンで動作することを確認してください。

まず、@brightdata/mcp npmパッケージを通じてBright Data MCPパッケージをグローバルにインストールします：

npm install -g @brightdata/mcp

MCPサーバーが正しく起動することを確認します：

API_TOKEN="<YOUR_BRIGHT_DATA_API>" npx -y @brightdata/mcp

<YOUR_BRIGHT_DATA_API>をBright Data APIキーに置き換えてください。これにより必要なAPI_TOKEN環境変数が設定され、Bright Data MCPサーバーがローカルで起動します。詳細については、Bright Data MCPドキュメントをご覧ください。

すべてが正しく設定されている場合、以下のような起動ログが表示されるはずです：

初回実行時に、@brightdata/mcpパッケージがBright Dataアカウントに2つのAPIを自動的に作成することに注意してください：

mcp_unlocker：Bright DataのWeb Unlocker API（およびSERP API）に接続します。
mcp_browser：Bright DataのブラウザAPIに接続します。

これらのAPIがBright Data MCPを通じて利用可能な70以上のツールを動作させます。公式リポジトリに記載されているように、カスタムAPIを設定することもできます。

デフォルトのAPIが正常に作成されたことを確認するには、Bright Dataコントロールパネルの「Web Access > Web Access API」を開いてください。両方のAPIが「My APIs」テーブルに表示されているはずです：

起動時にBright Data MCPが作成した「mcp_unlocker」と「mcp_browser」APIに注目

デフォルトでは、Bright Data MCPはRapidモード（無料ティア）で起動し、限られたツールのみにアクセスできます。70以上のツールすべてを有効にするには、PRO_MODE=true環境変数を設定してProモードに切り替えます：

API_TOKEN="<YOUR_BRIGHT_DATA_API>" PRO_MODE="true" npx -y @brightdata/mcp

注意：Proモードは[追加料金が発生します](https://github.com/brightdata/brightdata-mcp?tab=readme-ov-file#-pricing, modes)。

すばらしい！Bright Data MCPがローカルで動作することを確認できました。次はそれをDeerFlowに接続します。

ステップ#5：DeerFlowでBright Data MCPを設定する

extensions_config.jsonファイルを通じてDeerFlowでMCPサーバー接続を設定できます。

まず、インストールに含まれているサンプル設定ファイルのコピーを作成します：

cp extensions_config.example.json extensions_config.json

サンプルファイルにはGitHubとPostgreSQLのMCPサーバーの設定が含まれています。それらを削除し、mcpServersセクションに以下の内容が含まれていることを確認してください：

{
  // ...
  "mcpServers": {
    "bright-data-web-mcp": {
      "enabled": true,
      "command": "npx",
      "args": [
        "@brightdata/mcp"
      ],
      "env": {
        "API_TOKEN": "<YOUR_BRIGHT_DATA_API_KEY>",
        "PRO_MODE": "true"
      }
    }
  },
  // ...
}

これにより、DeerFlowにローカルのBright Data MCPサーバーインスタンス（bright-data-web-mcpと呼ばれる）への接続方法が指示されます。具体的には、以下の2つの環境変数とともにnpx -y @brightdata/mcpコマンドを使用するよう指示します：

API_TOKEN（必須）：Bright Data APIキーに設定します。
PRO_MODE（オプション）：Proモードを有効にするにはtrueに設定します。Rapidモードでのビルドデータ MCP接続をセットアップするにはfalseに設定するか、PRO_MODE=trueを削除します。

MCPサーバー接続を有効にする"enabled": trueの設定に注意してください。

extensions_config.jsonを保存します。DeerFlowはBright Data MCPサーバーをローカルで起動して接続するために必要なすべての情報を持っています。クール！