DeerFlow는 연구, 코딩, 콘텐츠 생성, 파일 작업, 도구 호출 및 다단계 실행을 위해 장기적인 AI 에이전트를 실행할 수 있는 오픈 소스 방식을 개발자에게 제공합니다. 이는 유용하지만 모델 사용의 경제학도 변화시킵니다.
일반적인 챗봇은 하나의 프롬프트를 보내고 하나의 답변을 반환할 수 있습니다. 에이전트 하네스는 계획을 세우고, 하위 에이전트를 생성하며, 도구를 호출하고, 실패를 재시도하며, 컨텍스트를 압축하고, 몇 분 또는 몇 시간 동안 작업을 계속할 수 있습니다. 각 단계는 더 많은 모델 호출을 생성할 수 있습니다. DeerFlow를 기반으로 구축하는 팀에게는 라우팅 계층이 에이전트 런타임만큼 중요합니다.
ShareAI는 DeerFlow 애플리케이션을 구축하거나 호스팅하지 않습니다. 앱, 워크플로우 또는 에이전트 제품은 ShareAI 외부에 남아 있습니다. ShareAI는 AI 마켓플레이스 및 API 계층으로 적합하며, 150개 이상의 모델에 대한 하나의 API, 모델 라우팅, 장애 조치, 사용 가시성 및 에이전트 경험이 소유하거나 유지 관리하는 앱의 일부일 때 Builder 수익화를 제공합니다.
DeerFlow가 에이전트 워크로드에 대해 변경하는 것
디어플로우 는 오픈 소스 SuperAgent 하네스로 설계되었습니다. 공개 문서에는 하위 에이전트 오케스트레이션, 메모리, 샌드박스 실행, 사용자 정의 기술, MCP 통합 및 더 긴 작업을 실행할 수 있는 에이전트를 위한 다중 모델 지원이 설명되어 있습니다.
이 아키텍처는 단일 채팅 완료에 대한 얇은 래퍼와는 다릅니다. DeerFlow 스타일의 에이전트는 요청을 더 작은 작업으로 나누고, 해당 작업을 전문화된 에이전트에 할당하며, 외부 도구를 호출하고, 생성된 파일을 검사하며, 중간 결과가 반환된 후 작업을 계속할 수 있습니다.
장점은 더 강력한 에이전트 경험입니다. 단점은 운영 복잡성입니다: 더 많은 호출, 더 많은 컨텍스트, 더 많은 재시도, 더 많은 도구 출력, 그리고 한 제공자나 한 모델 선택이 병목 현상이 될 가능성이 더 많아집니다.
DeerFlow에 라우팅이 중요한 이유
에이전트가 실제 작업을 수행할 때 모델 선택은 더 세분화됩니다. 계획 단계는 더 강력한 추론이 필요할 수 있습니다. 코딩 단계는 코드 중심 모델이 필요할 수 있습니다. 요약 단계는 저비용과 높은 처리량이 필요할 수 있습니다. 대체 경로는 모델이 사용 불가능하거나 너무 느릴 때 제공자를 전환해야 할 수 있습니다.
라우팅 계층이 없으면 팀은 종종 앱 내부에 제공자 선택을 하드코딩하고, 여러 계정에 걸쳐 사용 추적을 분산시키며, 제공하는 애플리케이션 가치와 별도로 청구를 처리합니다. 이는 테스트 중에는 작동할 수 있습니다. 그러나 고객, 작업 공간 또는 배포가 매우 다른 볼륨으로 에이전트를 사용하기 시작하면 더 어려워집니다.
더 깔끔한 패턴은 DeerFlow를 오케스트레이션에 집중시키고 모델 트래픽을 전용 API 계층을 통해 라우팅하는 것입니다. 에이전트 하네스는 어떤 작업을 수행할지 결정합니다. 라우팅 계층은 각 요청 클래스에 어떤 모델 경로가 처리해야 하는지 결정하는 데 도움을 줍니다.
에이전트 스택 전반에 걸친 더 넓은 패턴에 대해서는 ShareAI의 AI 에이전트 프레임워크를 하나의 API에 연결하는 가이드.
DeerFlow 스택에서 ShareAI의 역할
ShareAI는 팀에게 마켓플레이스 전반에서 모델 액세스를 위한 단일 API 경로를 제공합니다. 개발자는 다음을 시작할 수 있습니다. API 참조, 사용 가능한 옵션을 비교하고 모델 마켓플레이스에서, 모든 모델 또는 제공자 변경을 애플리케이션 재작성으로 전환하지 않고 AI 사용을 라우팅할 수 있습니다.
DeerFlow 앱의 경우 몇 가지 실용적인 목표를 지원할 수 있습니다:
- 계획, 복잡한 추론 또는 코드 중심 단계에 더 강력한 모델을 사용합니다.
- 요약, 추출, 분류 및 정리 작업에 더 빠르거나 저비용 모델을 사용합니다.
- 트래픽을 생성한 앱, 고객, 작업 공간 또는 기능에 더 가까운 사용 가시성을 유지합니다.
- 하나의 제공자 계정을 중심으로 에이전트 제품을 재구축하지 않고 모델 경로를 전환합니다.
- 선호하는 모델 경로가 사용할 수 없는 경우에도 계속되어야 하는 에이전트 루프에 대한 장애 조치를 추가합니다.
이는 DeerFlow가 제품, 오픈 소스 프로젝트, 클라이언트 워크플로우 또는 사용자에 따라 AI 사용이 크게 달라지는 자체 호스팅 도구에 포함될 때 특히 관련이 있습니다.
DeerFlow 앱을 위한 빌더 수익화
많은 에이전트 프로젝트는 실험 또는 내부 도구로 시작됩니다. 비용 문제는 몇몇 헤비 유저가 긴 작업을 실행하거나 큰 컨텍스트 창을 생성하거나 반복적인 도구 호출을 트리거할 때 나중에 나타납니다. 고정 가격은 마진이 새기 시작할 때까지 이러한 비용을 숨길 수 있습니다.
ShareAI의 빌더 모델은 이미 ShareAI 외부에서 애플리케이션을 소유하거나 유지 관리하는 팀을 위해 설계되었습니다. 빌더는 해당 앱에서 ShareAI로 AI 추론 트래픽을 연결하고, 추가 요금 또는 마진을 구성하며, 최종 고객이 라우팅된 AI 사용에 대해 ShareAI에 직접 비용을 지불할 수 있도록 합니다. ShareAI는 생성된 트래픽 수익을 기준으로 빌더에게 매월 지급합니다.
DeerFlow 팀의 경우, 에이전트 사용을 실제 작업에 맞게 가격 책정하기가 더 쉬워질 수 있습니다. 예측할 수 없는 AI 활동에 대해 모든 고객에게 동일한 금액을 청구하는 대신, 빌더는 연구 실행, 코딩 작업, 문서 처리, 내부 자동화, 지원 조사 또는 콘텐츠 제작과 같은 비용과 가치를 생성하는 워크플로우에 라우팅된 사용을 연결할 수 있습니다.
중요한 차이점은 빌더 지급이 제공자 보상과 동일하지 않다는 것입니다. 빌더는 ShareAI를 통해 라우팅한 앱 트래픽에서 수익을 얻습니다. 제공자는 ShareAI 네트워크에 적격한 컴퓨팅 용량을 기여함으로써 수익을 얻습니다. DeerFlow 유지 관리자, SaaS 팀 또는 에이전시는 일반적으로 수익이 애플리케이션 사용에서 발생할 때 빌더로 활동합니다.
DeerFlow 팀을 위한 실용적인 라우팅 계획
실제 제품이나 워크플로우를 위해 DeerFlow를 평가 중이라면, 사용량이 증가하기 전에 라우팅 규칙부터 시작하세요. 목표는 첫 번째 버전을 과도하게 설계하지 않는 것입니다. 나중에 변경하기 어려운 비용, 신뢰성, 수익화 결정을 하드코딩하지 않도록 하는 것이 목표입니다.
- 에이전트 단계를 매핑하세요. 계획, 연구, 코딩, 요약, 추출, 검증, 최종 응답 생성 단계를 분리하세요.
- 모델 요구 사항을 할당하세요. 어떤 단계가 추론 품질, 코드 강도, 속도, 저비용, 또는 멀티모달 지원이 필요한지 결정하세요.
- 대체 경로를 설정하세요. 선호하는 모델이 느리거나, 사용 불가능하거나, 현재 작업에 너무 비싸다면 어떤 일이 발생할지 선택하세요.
- 고객 또는 작업 공간별로 사용량을 추적하세요. 장기 실행 에이전트는 제공자 계정 수준뿐만 아니라 비즈니스 가치가 창출되는 곳에서 측정되어야 합니다.
- 에이전트가 유료 앱, 오픈소스 프로젝트, 에이전시 제공물, 또는 자체 호스팅 제품의 일부가 될 때 Builder 수익화를 추가하세요.
DeerFlow의 문서 런타임, 구성, 에이전트 기능을 이해하기에 적합한 장소입니다. ShareAI는 해당 런타임 뒤의 모델 트래픽이 마켓플레이스 접근, 사용 제어, 라우팅 유연성, 또는 Builder 수익화가 필요할 때 관련성이 생깁니다.
이 설정을 고려해야 할 사람들
ShareAI 기반 라우팅 레이어는 프로젝트를 유지하면서 무거운 AI 사용을 별도로 가격 책정하려는 오픈소스 유지 관리자에게 적합할 수 있습니다. 또한 배포 간 추론 볼륨이 매우 다른 고객을 가진 자체 호스팅 팀에도 적합할 수 있습니다.
에이전시는 클라이언트를 위한 에이전트 워크플로우를 제공하고 출시 후 실제 AI 사용량에 연계된 지속적인 수익을 원할 때 유사한 모델을 사용할 수 있습니다. SaaS 팀은 DeerFlow가 프리미엄 에이전트 기능을 지원하고 비용이 고객 채택에 따라야 하며 고정 요금 계획에 흡수되지 않아야 할 때 사용할 수 있습니다.
공통된 주제는 제어입니다. DeerFlow는 작업을 조율하는 데 도움을 줍니다. ShareAI는 해당 작업 뒤의 모델 사용을 라우팅, 측정, 수익화하는 데 도움을 줄 수 있습니다.
자주 묻는 질문
DeerFlow AI 에이전트 프레임워크란 무엇인가요?
DeerFlow는 장기 AI 작업을 위한 오픈소스 에이전트 하네스입니다. 서브 에이전트, 메모리, 도구, 샌드박스 실행, 기술, 멀티모델 워크플로우와 같은 오케스트레이션 패턴에 중점을 둡니다.
ShareAI는 DeerFlow의 대안인가요?
아니요. DeerFlow는 에이전트 프레임워크 또는 하네스입니다. ShareAI는 AI 마켓플레이스 및 API 레이어입니다. 팀은 ShareAI 외부에서 DeerFlow 앱을 구축하거나 실행하고 앱의 모델 사용을 ShareAI를 통해 라우팅할 수 있습니다.
왜 DeerFlow 모델 호출을 하나의 API로 라우팅하나요?
하나의 API는 모델 액세스, 폴백, 사용 가시성, 제공자 전환을 앱 아키텍처에 더 가깝게 유지하는 데 도움이 됩니다. 이는 에이전트 루프가 계획, 도구, 재시도 및 최종 답변에 걸쳐 많은 호출을 생성할 때 중요합니다.
DeerFlow는 여러 모델을 사용할 수 있나요?
네. DeerFlow는 다중 모델 사용을 위해 설계되었으며, 문서에는 OpenAI 호환 모델 구성을 지원하는 내용이 설명되어 있습니다. 팀은 여전히 프로덕션 트래픽을 라우팅하기 전에 각 모델 경로를 자체 작업에 대해 테스트해야 합니다.
ShareAI는 DeerFlow 비용 제어에 어떻게 도움이 되나요?
ShareAI는 라우팅된 모델 사용을 더 신중하게 추적하고 제어할 수 있는 마켓플레이스/API 레이어를 팀에 제공함으로써 도움을 줍니다. 실질적인 이점은 에이전트 로직과 모델 액세스 결정 간의 더 강력한 분리를 제공하는 것입니다.
ShareAI는 DeerFlow 앱을 호스팅하거나 구축하나요?
아니요. ShareAI는 앱 빌더, 호스팅 플랫폼, 프레임워크, CMS 또는 워크플로 빌더가 아닙니다. DeerFlow 앱은 자체 팀에 의해 구축, 호스팅 및 유지 관리됩니다. ShareAI는 라우팅된 AI 사용, 청구, 추가 요금 및 지불 로직을 구성된 방식으로 처리합니다.
에이전트 앱에 Builder 수익화가 적합한 경우는 언제인가요?
앱 소유자가 AI 비용과 마진을 실제 사용량에 따라 조정하고 싶을 때 적합합니다. 장기 실행 연구 에이전트, 코딩 에이전트, 문서 에이전트 및 지원 에이전트는 사용자 또는 고객 간에 매우 불균형한 트래픽을 생성할 수 있습니다.
Builder의 수익과 Provider의 보상은 어떻게 다른가요?
Builder는 자신이 소유하거나 유지 관리하는 애플리케이션에서 전송된 AI 트래픽과 구성된 마진 또는 추가 요금으로 수익을 얻습니다. Provider는 ShareAI 네트워크에 적합한 컴퓨팅 용량을 제공함으로써 수익을 얻습니다. 이들은 관련된 역할이지만 동일하지는 않습니다.
이것이 오픈 소스 DeerFlow 프로젝트에 유용한가요?
네, 유지 관리자가 핵심 프로젝트를 오픈 상태로 유지하면서도 헤비 유저들에게 라우팅된 AI 추론에 대해 사용 기반으로 지불할 수 있는 방법을 제공하고 싶을 때 유용합니다. 이는 모든 모델 사용을 기부, 후원 또는 고정 구독을 통해 자금을 조달해야 하는 압박을 줄일 수 있습니다.
에이전시가 AI 에이전트를 구축하는 데 유용한가요?
네. 에이전시는 ShareAI 외부에서 DeerFlow 기반 경험을 클라이언트를 위해 구축한 다음, 클라이언트의 AI 사용을 ShareAI를 통해 라우팅하고 마진을 설정할 수 있습니다. 월별 지급액은 보장된 유지비가 아니라 실제 라우팅된 사용량에 따라 달라집니다.
DeerFlow를 확장하기 전에 팀이 무엇을 모니터링해야 하나요?
작업당 호출 수, 단계당 토큰 수, 재시도 비율, 모델 지연 시간, 도구 출력 크기, 대체 빈도, 고객 또는 작업 공간별 사용량을 모니터링하세요. 이러한 신호는 팀이 더 저렴하고, 더 빠르며, 더 강력한 모델이 어디에 적합한지 결정하는 데 도움을 줍니다.
DeerFlow 팀이 수익화 없이 ShareAI를 사용할 수 있나요?
네. 팀은 즉시 Builder 수익화를 추가하지 않고도 모델 액세스 및 라우팅을 위해 ShareAI를 사용할 수 있습니다. 에이전트 앱에 고객, 클라이언트 배포 또는 대규모 외부 사용이 있을 때 수익화 계층이 더 중요해집니다.