LangChain Merilis Framework Open SWE untuk Agen Pengkodean AI Perusahaan

Rongchai Wang 17 Mar 2026 17:33

LangChain membuka sumber Open SWE, sebuah framework yang mencerminkan arsitektur agen pengkodean yang diterapkan di Stripe, Coinbase, dan Ramp. Dibangun di atas Deep Agents dan LangGraph.

LangChain telah merilis Open SWE, sebuah framework sumber terbuka yang menangkap pola arsitektur yang dikembangkan secara independen oleh Stripe, Coinbase, dan Ramp untuk agen pengkodean AI internal mereka. Proyek berlisensi MIT ini, dibangun di atas platform Deep Agents dan LangGraph milik LangChain, menyediakan fondasi yang dapat disesuaikan untuk organisasi teknik yang ingin menerapkan asisten pengkodean otonom.

Konvergensi Perusahaan Mendorong Desain

Framework ini muncul dari konvergensi yang dapat diamati di antara pemain fintech utama. Stripe membangun Minions, Ramp mengembangkan Inspect, dan Coinbase menciptakan Cloudbot—masing-masing sampai pada keputusan arsitektur yang serupa meskipun bekerja secara independen.

Pola-pola yang sama tersebut mencakup sandbox cloud terisolasi untuk eksekusi kode, toolset yang dikurasi (Stripe dilaporkan memelihara sekitar 500 alat yang dipilih dengan cermat), pemanggilan Slack-first, injeksi konteks yang kaya dari masalah Linear atau PR GitHub, dan orkestrasi subagen untuk tugas-tugas kompleks.

"Pilihan arsitektur ini telah terbukti efektif di berbagai implementasi produksi," catat LangChain dalam pengumuman tersebut, meskipun mereka mengakui organisasi perlu menyesuaikan komponen dengan lingkungan mereka sendiri.

Arsitektur Teknis

Open SWE dilengkapi dengan sekitar 15 alat yang dikurasi mencakup eksekusi shell, pengambilan web, panggilan API, operasi Git, dan integrasi dengan Linear dan Slack. Framework ini mendukung penyedia sandbox yang dapat dipasang termasuk Modal, Daytona, Runloop, dan LangSmith.

Setiap tugas berjalan dalam lingkungan Linux terisolasi dengan akses shell penuh. Repositori dikloning ke dalam, agen menerima izin lengkap dalam batas tersebut, dan kesalahan tetap terkandung. Beberapa tugas dapat berjalan secara paralel, masing-masing dalam sandbox terpisah.

Rekayasa konteks terjadi melalui dua saluran: file AGENTS.md di root repositori yang mengkodekan konvensi tim dan keputusan arsitektur, ditambah riwayat masalah Linear lengkap atau thread Slack yang dirakit sebelum agen mulai bekerja.

Lapisan orkestrasi menggabungkan pemunculan subagen yang digerakkan model dengan hook middleware deterministik. Satu komponen middleware menyuntikkan pesan tindak lanjut yang tiba di tengah-tengah eksekusi. Yang lain bertindak sebagai jaring pengaman, secara otomatis melakukan commit dan membuka PR jika agen tidak menyelesaikan langkah tersebut.

Komposisi Daripada Forking

Daripada melakukan forking pada agen yang ada, Open SWE disusun di atas framework Deep Agents—mirip dengan bagaimana tim Ramp membangun Inspect di atas OpenCode. Pendekatan ini menyediakan jalur peningkatan: ketika Deep Agents meningkatkan manajemen konteks atau efisiensi token, peningkatan tersebut dapat mengalir tanpa membangun kembali kustomisasi.

Deep Agents menangani memori berbasis file untuk mencegah overflow konteks pada basis kode yang lebih besar, menyediakan perencanaan terstruktur melalui alat write_todos, dan mendukung pemunculan subagen terisolasi di mana subtugas yang berbeda tidak mencemari riwayat percakapan satu sama lain.

Perbandingan

Perbandingan dengan implementasi perusahaan mengungkapkan perbedaan yang diharapkan dalam detail implementasi. Stripe menggunakan Goose yang di-fork dengan AWS EC2 devboxes dan validasi tiga lapisan. Ramp disusun di atas OpenCode dengan kontainer Modal dan verifikasi DOM visual. Coinbase dibangun dari awal dengan dewan agen dan kemampuan penggabungan otomatis.

Open SWE secara default menggunakan Claude Opus 4 tetapi mendukung penyedia LLM apa pun. Organisasi dapat mengonfigurasi model yang berbeda untuk subtugas yang berbeda.

Realitas Implementasi

Framework ini merepresentasikan taruhan LangChain pada lintasan spesifik untuk pengembangan yang dibantu AI: agen otonom yang berjalan lama yang terintegrasi dengan alur kerja pengembang yang ada daripada memerlukan antarmuka baru. Ini berbeda dari model copilot in-IDE yang singkat, sinkron, yang mendominasi alat pengkodean AI sebelumnya.

Dokumentasi mencakup panduan instalasi yang mencakup pembuatan Aplikasi GitHub, pengaturan LangSmith, dan implementasi produksi, ditambah panduan kustomisasi untuk menukar penyedia sandbox, model, alat, dan pemicu.

Open SWE sekarang tersedia di github.com/langchain-ai/open-swe. Organisasi yang tertarik dengan LangSmith Sandboxes dapat bergabung dengan daftar tunggu melalui situs web LangChain.

• agen pengkodean ai
• langchain
• open swe
• pengembangan perusahaan
• sumber terbuka