LangChain开源了Open SWE，这是一个镜像编码代理架构的框架，部署在Stripe、Coinbase和Ramp上。基于深度代理和 LangGraph 构建。
LangChain 发布了 Open SWE，这是一个开源框架，捕获了 Stripe、Coinbase 和 Ramp 为其内部 AI 编码代理独立开发的架构模式。这个获得麻省理工学院许可的项目建立在 LangChain 的 Deep Agents 和 LangGraph 平台之上，为希望部署自主编码助手的工程组织提供了可定制的基础。
企业融合推动设计
该框架源于主要金融科技参与者之间明显的融合。 Stripe 构建了 Minions，Ramp 开发了 Inspect，Coinbase 创建了 Cloudbot——尽管各自独立工作，但都达成了相似的架构决策。
这些共享模式包括用于代码执行的隔离云沙箱、精选工具集（据报道，Stripe 维护着大约 500 个精心挑选的工具）、Slack 优先调用、来自 Linear issues 或 GitHub PR 的丰富上下文注入，以及用于复杂任务的子代理编排。
“事实证明，这些架构选择在多个生产部署中都是有效的”，LangChain 在公告中指出，尽管他们承认组织需要根据自己的环境调整组件。
技术架构
Open SWE 附带大约 15 个精选工具，涵盖 shell 执行、Web 获取、API 调用、Git 操作以及与 Linear 和 Slack 的集成。该框架支持可插入的沙箱提供程序，包括 Modal、Daytona、Runloop 和 LangSmith。
每个任务都在具有完全 shell 访问权限的隔离 Linux 环境中运行。存储库被克隆，代理在该边界内获得完整的权限，并且错误仍然受到控制。多个任务可以并行运行，每个任务都在单独的沙箱中。
上下文工程通过两个渠道进行：存储库根目录中的 AGENTS.md 文件，编码团队约定和架构决策，以及代理开始工作之前组装的完整线性问题或 Slack 线程历史记录。
编排层将模型驱动的子代理生成与确定性中间件挂钩相结合。一个中间件组件注入在运行中到达的后续消息。另一个充当安全网，如果代理未完成该步骤，则会自动提交并打开 PR。
组合优于分叉
Open SWE 不是分叉现有代理，而是在 Deep Agents 框架上进行组合，类似于 Ramp 团队在 OpenCode 之上构建 Inspect 的方式。这种方法提供了一条升级路径：当深度代理改进上下文管理或令牌效率时，这些改进可以在无需重建自定义的情况下实现。
Deep Agents 处理基于文件的内存，以防止较大代码库上的上下文溢出，通过 write_todos 工具提供结构化规划，并支持独立的子代理生成，其中不同的子任务不会污染彼此的对话历史记录。
比较如何
与企业实施的比较揭示了实施细节的预期差异。 Stripe 使用带有 AWS EC2 devbox 和三层验证的分叉 Goose。 Ramp 由具有 Modal 容器和可视 DOM 验证的 OpenCode 组成。 Coinbase 从头开始构建，具有代理委员会和自动合并功能。
Open SWE 默认为 Claude Opus 4，但支持任何 LLM 提供商。组织可以为不同的子任务配置不同的模型。
部署现实
该框架代表了LangChain对人工智能辅助开发特定轨迹的押注：自主、长期运行的代理与现有开发人员工作流程集成，而不需要新的接口。这与主导早期人工智能编码工具的简短、同步、IDE 内副驾驶模型不同。
文档包括涵盖 GitHub 应用程序创建、LangSmith 设置和生产部署的安装指南，以及用于交换沙箱提供程序、模型、工具和触发器的自定义指南。
Open SWE 现已在 github.com/langchain-ai/open-swe 提供。对 LangSmith 沙箱感兴趣的组织可以通过 LangChain 网站加入候补名单。