LangChain เปิดตัว Open SWE Framework สำหรับ Enterprise AI Coding Agents

LangChain เปิดตัว Open SWE Framework สำหรับ Enterprise AI Coding Agents

Rongchai Wang 17 มี.ค. 2026 17:33

LangChain เปิดเผยซอร์สโค้ด Open SWE เฟรมเวิร์กที่สะท้อนสถาปัตยกรรมของ coding agent ที่ใช้งานที่ Stripe, Coinbase และ Ramp สร้างบน Deep Agents และ LangGraph

LangChain ได้เปิดตัว Open SWE เฟรมเวิร์กโอเพนซอร์สที่จับรูปแบบสถาปัตยกรรมที่ Stripe, Coinbase และ Ramp พัฒนาแยกกันเพื่อใช้กับ AI coding agents ภายในองค์กร โปรเจกต์ที่ใช้สิทธิ์ MIT สร้างบนแพลตฟอร์ม Deep Agents และ LangGraph ของ LangChain ให้พื้นฐานที่ปรับแต่งได้สำหรับองค์กรด้านวิศวกรรมที่ต้องการใช้งานผู้ช่วยเขียนโค้ดอัตโนมัติ

การบรรจบกันขององค์กรขับเคลื่อนการออกแบบ

เฟรมเวิร์กนี้เกิดจากการบรรจบกันที่สังเกตได้ของผู้เล่นหลักในอุตสาหกรรมฟินเทค Stripe สร้าง Minions, Ramp พัฒนา Inspect และ Coinbase สร้าง Cloudbot โดยแต่ละรายมาถึงการตัดสินใจด้านสถาปัตยกรรมที่คล้ายกันแม้จะทำงานแยกกัน

รูปแบบที่ใช้ร่วมกันเหล่านี้รวมถึง cloud sandboxes ที่แยกโดดเดี่ยวสำหรับการรันโค้ด, ชุดเครื่องมือที่คัดสรรมาแล้ว (Stripe รายงานว่ามีเครื่องมือที่คัดเลือกอย่างระมัดระวังประมาณ 500 รายการ), การเรียกใช้ผ่าน Slack เป็นหลัก, การฉีดบริบทที่สมบูรณ์จาก Linear issues หรือ GitHub PRs และการจัดการ subagent สำหรับงานที่ซับซ้อน

"ทางเลือกด้านสถาปัตยกรรมเหล่านี้ได้พิสูจน์ความมีประสิทธิภาพในการใช้งานจริงหลายครั้ง" LangChain กล่าวในประกาศ แม้ว่าพวกเขายอมรับว่าองค์กรจะต้องปรับส่วนประกอบให้เข้ากับสภาพแวดล้อมของตนเอง

สถาปัตยกรรมทางเทคนิค

Open SWE มาพร้อมกับเครื่องมือที่คัดสรรมาแล้วประมาณ 15 รายการครอบคลุม shell execution, web fetching, API calls, Git operations และการเชื่อมต่อกับ Linear และ Slack เฟรมเวิร์กรองรับผู้ให้บริการ sandbox แบบ pluggable รวมถึง Modal, Daytona, Runloop และ LangSmith

แต่ละงานทำงานในสภาพแวดล้อม Linux ที่แยกโดดเดี่ยวพร้อมการเข้าถึง shell แบบเต็มรูปแบบ repository ถูก clone เข้ามา agent ได้รับสิทธิ์แบบสมบูรณ์ภายในขอบเขตนั้น และข้อผิดพลาดยังคงถูกควบคุมไว้ หลายงานสามารถทำงานพร้อมกันได้ แต่ละงานอยู่ใน sandbox แยกกัน

การวิศวกรรมบริบทเกิดขึ้นผ่านสองช่องทาง: ไฟล์ AGENTS.md ที่รากของ repository ที่เข้ารหัสข้อตกลงของทีมและการตัดสินใจด้านสถาปัตยกรรม บวกกับประวัติ Linear issue หรือเธรด Slack ฉบับสมบูรณ์ที่รวบรวมก่อนที่ agent จะเริ่มทำงาน

ชั้น orchestration รวม model-driven subagent spawning เข้ากับ deterministic middleware hooks ส่วนประกอบ middleware หนึ่งฉีดข้อความติดตามผลที่มาถึงระหว่างการทำงาน อีกอันหนึ่งทำหน้าที่เป็นตาข่ายนิรภัย โดยจะ commit และเปิด PR โดยอัตโนมัติหาก agent ไม่ทำขั้นตอนนั้น

การจัดองค์ประกอบมากกว่าการ Fork

แทนที่จะ fork agent ที่มีอยู่ Open SWE จัดองค์ประกอบบนเฟรมเวิร์ก Deep Agents คล้ายกับวิธีที่ทีม Ramp สร้าง Inspect บน OpenCode แนวทางนี้ให้เส้นทางการอัพเกรด: เมื่อ Deep Agents ปรับปรุงการจัดการบริบทหรือประสิทธิภาพของ token การปรับปรุงเหล่านั้นสามารถไหลผ่านได้โดยไม่ต้องสร้างการปรับแต่งใหม่

Deep Agents จัดการหน่วยความจำแบบไฟล์เพื่อป้องกันบริบทล้นในฐานโค้ดขนาดใหญ่ ให้การวางแผนที่มีโครงสร้างผ่านเครื่องมือ write_todos และรองรับการ spawn subagent แบบแยกโดดเดี่ยวที่งานย่อยต่างกันไม่ทำให้ประวัติการสนทนาของกันและกันสกปรก

การเปรียบเทียบ

การเปรียบเทียบกับการใช้งานขององค์กรเผยให้เห็นความแตกต่างที่คาดหวังในรายละเอียดการดำเนินการ Stripe ใช้ Goose ที่ fork แล้วกับ AWS EC2 devboxes และการตรวจสอบสามชั้น Ramp จัดองค์ประกอบบน OpenCode ด้วย Modal containers และการตรวจสอบ DOM แบบภาพ Coinbase สร้างตั้งแต่เริ่มต้นด้วย agent councils และความสามารถในการ merge อัตโนมัติ

Open SWE ใช้ Claude Opus 4 เป็นค่าเริ่มต้นแต่รองรับผู้ให้บริการ LLM ใดก็ได้ องค์กรสามารถกำหนดค่าโมเดลที่แตกต่างกันสำหรับงานย่อยที่แตกต่างกัน

ความเป็นจริงของการใช้งาน

เฟรมเวิร์กแสดงถึงการเดิมพันของ LangChain ในเส้นทางเฉพาะสำหรับการพัฒนาด้วยความช่วยเหลือของ AI: agents อัตโนมัติที่ทำงานยาวนานที่บูรณาการกับเวิร์กโฟลว์นักพัฒนาที่มีอยู่แทนที่จะต้องการอินเตอร์เฟซใหม่ สิ่งนี้แตกต่างจากโมเดล copilot ใน IDE แบบสั้น แบบ synchronous ที่ครอบงำเครื่องมือเขียนโค้ด AI ก่อนหน้านี้

เอกสารประกอบรวมถึงคู่มือการติดตั้งที่ครอบคลุมการสร้าง GitHub App, การตั้งค่า LangSmith และการใช้งานจริง พร้อมคู่มือการปรับแต่งสำหรับการสลับผู้ให้บริการ sandbox, โมเดล, เครื่องมือ และ triggers

Open SWE พร้อมให้บริการแล้วที่ github.com/langchain-ai/open-swe องค์กรที่สนใจ LangSmith Sandboxes สามารถเข้าร่วมรายชื่อรอผ่านเว็บไซต์ของ LangChain

แหล่งที่มาของภาพ: Shutterstock

• ai coding agents
• langchain
• open swe
• การพัฒนาองค์กร
• โอเพนซอร์ส