DeerFlow через RouterAI: super agent harness ByteDance на Claude, GPT и DeepSeek
DeerFlow 2.2.0 — open-source super agent harness от ByteDance: он оркестрирует субагентов, память, песочницы и навыки, превращая одиночный запрос в многоэтапный исследовательский или кодовый пайплайн. В феврале 2026 года вышла версия 2.0 — полная переработка с нуля; в октябре 2026 года выпущена версия 2.2.0 с поддержкой web-интерфейса для управления моделями и расширенными настройками субагентов. Исходный фреймворк Deep Research живёт на ветке 1.x и не разделяет кода с новой версией.
Подключение к RouterAI даёт DeerFlow доступ к Claude, GPT, DeepSeek, GLM, Qwen и Kimi через единый OpenAI-совместимый API — без VPN, с оплатой в рублях и каталогом моделей, который можно выбрать прямо в конфиге.
Требования
- Python 3.12+
- Node.js 22+
-
uv(пакетный менеджер Python) - API-ключ RouterAI из личного кабинета
Поддерживаются macOS, Linux и Windows (WSL). Docker рекомендуется, но не обязателен.
Установка
Склонируйте репозиторий и запустите мастер настройки:
git clone https://github.com/bytedance/deer-flow.git
cd deer-flow
make setup
Мастер задаст несколько вопросов: LLM-провайдер, поисковый инструмент и настройки sandbox. Он создаст config.yaml и запишет ключи в .env. Если вы хотите настроить конфиг вручную, запустите make config — он скопирует полный шаблон config.example.yaml.
После настройки запустите приложение:
# Docker (рекомендуется)
make docker-init # однократная загрузка образа sandbox
make docker-start # старт сервисов
# Локально
make install
make dev
Интерфейс откроется по адресу http://localhost:2026. При первом открытии DeerFlow попросит создать учётную запись администратора (email и пароль), после входа появится стартовая страница чата с полем ввода задачи и выбором модели:

Подключение к RouterAI
DeerFlow описывает каждую LLM в блоке models: файла config.yaml. Для OpenAI-совместимого API RouterAI используется класс langchain_openai:ChatOpenAI.
Шаг 1: добавьте ключ в .env
Откройте .env в корне проекта и пропишите переменную:
ROUTERAI_API_KEY=sk-xxxxxxxxxxxxxxxx
Ключ не следует хранить прямо в config.yaml, если файл попадёт в git.
Шаг 2: добавьте записи моделей в config.yaml
Откройте config.yaml и добавьте записи в блок models:. Для langchain_openai:ChatOpenAI поле называется base_url (не api_base; DeerFlow принимает оба варианта, но логирует предупреждение при api_base):
models:
- name: routerai-sonnet
display_name: Claude Sonnet 5.5 via RouterAI
use: langchain_openai:ChatOpenAI
model: anthropic/claude-sonnet-5.5
api_key: $ROUTERAI_API_KEY
base_url: https://routerai.ru/api/v1
context_window: 1000000
max_tokens: 32000
supports_thinking: false
supports_vision: true
- name: routerai-opus
display_name: Claude Opus 5.5 via RouterAI
use: langchain_openai:ChatOpenAI
model: anthropic/claude-opus-5.5
api_key: $ROUTERAI_API_KEY
base_url: https://routerai.ru/api/v1
context_window: 1000000
max_tokens: 32000
supports_thinking: false
supports_vision: true
- name: routerai-deepseek-flash
display_name: DeepSeek V4.1 Flash via RouterAI
use: langchain_openai:ChatOpenAI
model: deepseek/deepseek-v4.1-flash
api_key: $ROUTERAI_API_KEY
base_url: https://routerai.ru/api/v1
context_window: 1048576
max_tokens: 32000
supports_thinking: false
supports_vision: false
Так выглядит начало блока models в config.yaml:

Шаг 3: выберите модель и модель для сжатия истории
После перезапуска все записи из блока models появятся в селекторе моделей чата — выберите нужную там. Длинную историю DeerFlow сжимает автоматически; по умолчанию это делает та же модель, что ведёт задачу. Чтобы не тратить на сжатие дорогую модель, назначьте для него быструю в разделе summarization:
summarization:
enabled: true
model_name: routerai-deepseek-flash
Альтернатива: мастер make setup
Если вы ещё не запускали мастер, make setup позволит выбрать провайдер и ввести ключ в интерактивном режиме — он сам запишет нужные строки в config.yaml и .env.
Модели можно добавить и через веб-интерфейс, в настройках моделей: для RouterAI выберите вариант Custom OpenAI-compatible, укажите Base URL https://routerai.ru/api/v1, ключ и model ID. Перезапуск не нужен, а записи из config.yaml в интерфейсе остаются только для чтения. Это удобно для быстрой проверки, но для командного использования предпочтительнее config.yaml под контролем версий.
Флаги reasoning и vision
Три опциональных флага на каждую модель управляют тем, как DeerFlow взаимодействует с провайдером:
| Флаг | Значение | Когда ставить |
|---|---|---|
supports_thinking: true |
модель принимает параметр для включения/выключения thinking | провайдер явно поддерживает этот параметр |
supports_vision: true |
модель принимает изображения в сообщениях | модель мультимодальная |
supports_reasoning_effort: true |
модель принимает reasoning_effort (low/medium/high) |
модели серии o* и совместимые |
Для начала оставьте supports_thinking: false: так DeerFlow не отправляет переключатель рассуждений, и запрос гарантированно уходит в стандартном формате OpenAI. Флаг с блоком when_thinking_enabled имеет смысл включать, только если вы знаете, какой параметр рассуждений принимает выбранная модель, и проверили его коротким запросом.
Пример конфига для модели с reasoning effort (например, GPT-6.2 Astra):
- name: routerai-gpt62-astra
display_name: GPT-6.2 Astra via RouterAI
use: langchain_openai:ChatOpenAI
model: openai/gpt-6.2-astra
api_key: $ROUTERAI_API_KEY
base_url: https://routerai.ru/api/v1
context_window: 1050000
max_tokens: 32000
supports_thinking: false
supports_reasoning_effort: true
Выбор модели
Идентификаторы проверены по каталогу RouterAI; актуальный список и цены смотрите там.
| Модель | id в каталоге | Для чего |
|---|---|---|
| Claude Sonnet 5.5 | anthropic/claude-sonnet-5.5 |
Основная: длинные исследования, сложные задачи кода |
| Claude Opus 5.5 | anthropic/claude-opus-5.5 |
Самые сложные аналитические пайплайны |
| GPT-6.2 Astra | openai/gpt-6.2-astra |
Альтернатива Claude, поддержка reasoning effort |
| DeepSeek V4.1 Flash | deepseek/deepseek-v4.1-flash |
Быстрые фоновые шаги, суммаризация |
| GLM-5.3 | z-ai/glm-5.3 |
Длинный контекст (1M токенов), исследования |
| Qwen4-Max | qwen/qwen4-max |
Мультимодальные задачи с большим контекстом |
| Kimi K3.1 Pro | moonshotai/kimi-k3.1-pro |
Флагманская open-weight модель с 1M контекстом |
DeerFlow хорошо работает с любой моделью с поддержкой tool calling. Без tool calling субагенты не смогут вызывать инструменты — агент вернёт пустой результат или завершится с ошибкой.
Проверка подключения
После старта (make dev или make docker-start) откройте http://localhost:2026 и дайте агенту короткую задачу, например:
Кратко (в 3 пунктах) объясни, чем super agent harness отличается от обычного чат-бота.
В интерфейсе будет виден прогресс и итоговый ответ; выбранная модель (Claude Sonnet 5.5 via RouterAI) отображается в поле ввода:

Расход токенов DeerFlow показывает в рабочем пространстве, если включён token_usage.enabled: true в config.yaml (по умолчанию true). Фактический расход всегда можно сверить в разделе Биллинг личного кабинета RouterAI.
Решение проблем
401 Unauthorized
Ключ не подхватился. Проверьте, что в .env есть строка ROUTERAI_API_KEY=... и что файл находится в корне репозитория (deer-flow/.env, не в backend/.env). После правки перезапустите сервис.
404 Not Found
Неверный base_url. Для RouterAI должен быть https://routerai.ru/api/v1 — с /v1 в конце. Без него запрос уходит на несуществующий путь.
Модель не найдена / Provider does not exist
Имя модели не совпадает с каталогом RouterAI. Скопируйте id точно из каталога — с префиксом провайдера, например anthropic/claude-sonnet-5.5, а не просто claude-sonnet-5.5.
Пустой ответ инструментов
Модель не поддерживает tool calling. DeerFlow требует function calling для работы субагентов; выберите из каталога модель с поддержкой инструментов.
После изменения config.yaml изменения не применяются
Нужен перезапуск: Ctrl+C и снова make dev, или make docker-start для Docker-режима. Мастер make setup можно запускать повторно — он предложит обновить конфиг.
Что дальше
- Каталог моделей — подберите модель под задачу
- Аутентификация — управление API-ключами
- AionUi через RouterAI — ещё один агентный фронтенд
- Вайб-кодинг в Claude Code — coding-агент CLI через RouterAI
- Документация DeerFlow — полный справочник по конфигурации