LangChain Wydaje Framework Open SWE dla Korporacyjnych Agentów AI do Kodowania

Rongchai Wang 17 mar 2026 17:33

LangChain udostępnia jako open source Open SWE, framework odzwierciedlający architektury agentów kodujących wdrożonych w Stripe, Coinbase i Ramp. Zbudowany na Deep Agents i LangGraph.

LangChain udostępnił Open SWE, framework open-source przechwytujący wzorce architektoniczne, które Stripe, Coinbase i Ramp niezależnie opracowały dla swoich wewnętrznych agentów AI do kodowania. Projekt na licencji MIT, zbudowany na platformach Deep Agents i LangGraph firmy LangChain, zapewnia konfigurowalną podstawę dla organizacji inżynieryjnych, które chcą wdrożyć autonomicznych asystentów kodowania.

Konwergencja Korporacyjna Napędza Projekt

Framework wyłania się z obserwowalnej konwergencji wśród głównych graczy fintech. Stripe zbudował Minions, Ramp opracował Inspect, a Coinbase stworzył Cloudbot—każdy doszedł do podobnych decyzji architektonicznych pomimo niezależnej pracy.

Te wspólne wzorce obejmują izolowane piaskownice w chmurze do wykonywania kodu, wyselekcjonowane zestawy narzędzi (Stripe podobno utrzymuje około 500 starannie wybranych narzędzi), wywoływanie przez Slack, wstrzykiwanie bogatego kontekstu z zagadnień Linear lub GitHub PR oraz orkiestrację podagentów dla złożonych zadań.

"Te wybory architektoniczne okazały się skuteczne w wielu wdrożeniach produkcyjnych" - zauważył LangChain w ogłoszeniu, choć przyznają, że organizacje będą musiały dostosować komponenty do swoich środowisk.

Architektura Techniczna

Open SWE jest dostarczany z około 15 wyselekcjonowanymi narzędziami obejmującymi wykonywanie poleceń shell, pobieranie stron web, wywołania API, operacje Git oraz integracje z Linear i Slack. Framework obsługuje wymienne dostawców piaskownicy, w tym Modal, Daytona, Runloop i LangSmith.

Każde zadanie działa w izolowanym środowisku Linux z pełnym dostępem do shella. Repozytorium zostaje sklonowane, agent otrzymuje pełne uprawnienia w ramach tej granicy, a błędy pozostają ograniczone. Wiele zadań może działać równolegle, każde w osobnych piaskownicach.

Inżynieria kontekstu odbywa się przez dwa kanały: plik AGENTS.md w katalogu głównym repozytorium kodujący konwencje zespołu i decyzje architektoniczne, oraz pełną historię zagadnień Linear lub wątków Slack zebraną przed rozpoczęciem pracy przez agenta.

Warstwa orkiestracji łączy spawning podagentów sterowany modelem z deterministycznymi hakami middleware. Jeden komponent middleware wstrzykuje komunikaty uzupełniające, które pojawiają się w trakcie działania. Inny działa jako siatka bezpieczeństwa, automatycznie commitując i otwierając PR, jeśli agent nie ukończy tego kroku.

Kompozycja Zamiast Forkowania

Zamiast forkować istniejącego agenta, Open SWE komponuje się na frameworku Deep Agents—podobnie jak zespół Ramp zbudował Inspect na bazie OpenCode. To podejście zapewnia ścieżkę aktualizacji: gdy Deep Agents poprawia zarządzanie kontekstem lub efektywność tokenów, te ulepszenia mogą przepłynąć bez przebudowy dostosowań.

Deep Agents obsługuje pamięć opartą na plikach, aby zapobiec przepełnieniu kontekstu w większych bazach kodu, zapewnia strukturalne planowanie przez narzędzie write_todos i obsługuje izolowany spawning podagentów, gdzie różne podzadania nie zanieczyszczają nawzajem swojej historii konwersacji.

Jak To Się Porównuje

Porównanie z implementacjami korporacyjnymi ujawnia oczekiwane różnice w szczegółach implementacji. Stripe używa sforkowanego Goose z devboxami AWS EC2 i trójwarstwową walidacją. Ramp skomponował na OpenCode z kontenerami Modal i weryfikacją wizualną DOM. Coinbase zbudował od podstaw z radami agentów i możliwościami auto-merge.

Open SWE domyślnie używa Claude Opus 4, ale obsługuje dowolnego dostawcę LLM. Organizacje mogą konfigurować różne modele dla różnych podzadań.

Rzeczywistość Wdrożenia

Framework reprezentuje zakład LangChain na określoną trajektorię dla rozwoju wspomaganego AI: autonomiczne, długo działające agenty, które integrują się z istniejącymi przepływami pracy programistów, zamiast wymagać nowych interfejsów. Różni się to od krótkiego, synchronicznego modelu copilota w IDE, który dominował we wcześniejszych narzędziach AI do kodowania.

Dokumentacja zawiera przewodnik instalacji obejmujący tworzenie aplikacji GitHub, konfigurację LangSmith i wdrożenie produkcyjne, plus przewodnik dostosowywania do zamiany dostawców piaskownicy, modeli, narzędzi i wyzwalaczy.

Open SWE jest już dostępny pod adresem github.com/langchain-ai/open-swe. Organizacje zainteresowane LangSmith Sandboxes mogą dołączyć do listy oczekujących przez stronę internetową LangChain.

• agenci ai do kodowania
• langchain
• open swe
• rozwój korporacyjny
• open source