LangChain выпускает фреймворк Open SWE для корпоративных ИИ-агентов кодирования
Rongchai Wang 17:33, 17 марта 2026
LangChain открывает исходный код Open SWE, фреймворка, отражающего архитектуры ИИ-агентов кодирования, развернутых в Stripe, Coinbase и Ramp. Построен на основе Deep Agents и LangGraph.
LangChain выпустила Open SWE, фреймворк с открытым исходным кодом, фиксирующий архитектурные паттерны, которые Stripe, Coinbase и Ramp независимо разработали для своих внутренних ИИ-агентов кодирования. Проект с лицензией MIT, построенный на платформах Deep Agents и LangGraph от LangChain, обеспечивает настраиваемую основу для инженерных организаций, желающих развернуть автономных помощников по кодированию.
Корпоративная конвергенция определяет дизайн
Фреймворк возник из наблюдаемой конвергенции среди крупных игроков финтех-индустрии. Stripe создал Minions, Ramp разработал Inspect, а Coinbase создал Cloudbot — каждый пришел к аналогичным архитектурным решениям, несмотря на независимую работу.
Эти общие паттерны включают изолированные облачные песочницы для выполнения кода, кураторские наборы инструментов (Stripe, как сообщается, поддерживает около 500 тщательно отобранных инструментов), вызов через Slack, внедрение богатого контекста из задач Linear или GitHub PR и оркестрацию субагентов для сложных задач.
«Эти архитектурные решения доказали свою эффективность в нескольких производственных развертываниях», — отметила LangChain в объявлении, хотя признали, что организациям потребуется адаптировать компоненты к своей среде.
Техническая архитектура
Open SWE поставляется примерно с 15 кураторскими инструментами, охватывающими выполнение оболочки, веб-получение, API-вызовы, операции Git и интеграции с Linear и Slack. Фреймворк поддерживает подключаемых провайдеров песочниц, включая Modal, Daytona, Runloop и LangSmith.
Каждая задача выполняется в изолированной среде Linux с полным доступом к оболочке. Репозиторий клонируется, агент получает полные разрешения в пределах этой границы, а ошибки остаются изолированными. Несколько задач могут выполняться параллельно, каждая в отдельных песочницах.
Инжиниринг контекста происходит через два канала: файл AGENTS.md в корне репозитория, кодирующий соглашения команды и архитектурные решения, плюс полная история задач Linear или потоков Slack, собранная до того, как агент начинает работу.
Оркестровочный слой объединяет модельное порождение субагентов с детерминированными хуками middleware. Один компонент middleware внедряет последующие сообщения, поступающие в середине выполнения. Другой действует как подстраховка, автоматически фиксируя и открывая PR, если агент не завершит этот шаг.
Композиция вместо форкинга
Вместо форкинга существующего агента Open SWE компонуется на фреймворке Deep Agents — подобно тому, как команда Ramp построила Inspect поверх OpenCode. Этот подход обеспечивает путь обновления: когда Deep Agents улучшает управление контекстом или эффективность токенов, эти улучшения могут проходить без перестройки кастомизаций.
Deep Agents обрабатывает файловую память для предотвращения переполнения контекста на больших кодовых базах, обеспечивает структурированное планирование через инструмент write_todos и поддерживает изолированное порождение субагентов, где разные подзадачи не загрязняют историю разговоров друг друга.
Сравнение
Сравнение с корпоративными реализациями выявляет ожидаемые различия в деталях реализации. Stripe использует форкнутый Goose с AWS EC2 devboxes и трехслойной валидацией. Ramp скомпоновал на OpenCode с контейнерами Modal и визуальной DOM-верификацией. Coinbase построил с нуля с советами агентов и возможностями автослияния.
Open SWE по умолчанию использует Claude Opus 4, но поддерживает любого LLM-провайдера. Организации могут настраивать разные модели для разных подзадач.
Реальность развертывания
Фреймворк представляет ставку LangChain на конкретную траекторию для разработки с помощью ИИ: автономные, долгоработающие агенты, интегрирующиеся с существующими рабочими процессами разработчиков, а не требующие новых интерфейсов. Это отличается от короткой, синхронной модели копилота в IDE, доминировавшей в ранних инструментах кодирования с ИИ.
Документация включает руководство по установке, охватывающее создание GitHub App, настройку LangSmith и производственное развертывание, плюс руководство по кастомизации для замены провайдеров песочниц, моделей, инструментов и триггеров.
Open SWE доступен сейчас на github.com/langchain-ai/open-swe. Организации, заинтересованные в LangSmith Sandboxes, могут присоединиться к листу ожидания через сайт LangChain.
Источник изображения: Shutterstock- ИИ-агенты кодирования
- langchain
- open swe
- корпоративная разработка
- открытый исходный код
