LangChain publie le framework Open SWE pour les Agents d'IA de codage d'entreprise
Rongchai Wang 17 mars 2026 17:33
LangChain publie en open source Open SWE, un framework reproduisant les architectures d'agents de codage déployées chez Stripe, Coinbase et Ramp. Construit sur Deep Agents et LangGraph.
LangChain a publié Open SWE, un framework open source capturant les modèles architecturaux que Stripe, Coinbase et Ramp ont développés indépendamment pour leurs Agents d'IA de codage internes. Le projet sous licence MIT, construit sur les plateformes Deep Agents et LangGraph de LangChain, fournit une base personnalisable pour les organisations d'ingénierie souhaitant déployer des assistants de codage autonomes.
La convergence d'entreprise guide la conception
Le framework émerge d'une convergence observable parmi les principaux acteurs de la fintech. Stripe a construit Minions, Ramp a développé Inspect, et Coinbase a créé Cloudbot—chacun arrivant à des décisions architecturales similaires malgré un travail indépendant.
Ces modèles partagés incluent des sandboxes cloud isolés pour l'exécution de code, des ensembles d'outils sélectionnés (Stripe maintiendrait environ 500 outils soigneusement sélectionnés), une invocation Slack en priorité, une injection de contexte riche à partir de problèmes Linear ou de PR GitHub, et une orchestration de sous-agents pour les tâches complexes.
« Ces choix architecturaux se sont révélés efficaces à travers de multiples déploiements en production », a noté LangChain dans l'annonce, bien qu'ils reconnaissent que les organisations devront adapter les composants à leurs propres environnements.
Architecture technique
Open SWE est livré avec environ 15 outils sélectionnés couvrant l'exécution shell, la récupération web, les appels API, les opérations Git et les intégrations avec Linear et Slack. Le framework prend en charge des fournisseurs de sandbox enfichables, notamment Modal, Daytona, Runloop et LangSmith.
Chaque tâche s'exécute dans un environnement Linux isolé avec un accès shell complet. Le dépôt est cloné, l'agent reçoit des autorisations complètes dans cette limite, et les erreurs restent contenues. Plusieurs tâches peuvent s'exécuter en parallèle, chacune dans des sandboxes séparés.
L'ingénierie du contexte se fait par deux canaux : un fichier AGENTS.md à la racine du dépôt encodant les conventions d'équipe et les décisions architecturales, plus l'historique complet des problèmes Linear ou des fils de discussion Slack assemblé avant que l'agent ne commence son travail.
La couche d'orchestration combine la génération de sous-agents pilotée par modèle avec des hooks middleware déterministes. Un composant middleware injecte des messages de suivi qui arrivent en cours d'exécution. Un autre agit comme filet de sécurité, validant automatiquement et ouvrant une PR si l'agent ne complète pas cette étape.
Composition plutôt que forking
Plutôt que de forker un agent existant, Open SWE se compose sur le framework Deep Agents—similaire à la façon dont l'équipe de Ramp a construit Inspect sur OpenCode. Cette approche fournit un chemin de mise à niveau : lorsque Deep Agents améliore la gestion du contexte ou l'efficacité des jetons, ces améliorations peuvent se propager sans reconstruire les personnalisations.
Deep Agents gère la mémoire basée sur fichiers pour éviter le débordement de contexte sur les bases de code plus grandes, fournit une planification structurée via un outil write_todos, et prend en charge la génération de sous-agents isolés où différentes sous-tâches ne polluent pas l'historique de conversation de chacune.
Comparaison
La comparaison avec les implémentations d'entreprise révèle des différences attendues dans les détails d'implémentation. Stripe utilise Goose forké avec des devboxes AWS EC2 et une validation en trois couches. Ramp a composé sur OpenCode avec des conteneurs Modal et une vérification DOM visuelle. Coinbase a construit à partir de zéro avec des conseils d'agents et des capacités de fusion automatique.
Open SWE utilise par défaut Claude Opus 4 mais prend en charge tout fournisseur LLM. Les organisations peuvent configurer différents modèles pour différentes sous-tâches.
Réalité du déploiement
Le framework représente le pari de LangChain sur une trajectoire spécifique pour le développement assisté par IA : des agents autonomes et de longue durée qui s'intègrent aux flux de travail de développement existants plutôt que d'exiger de nouvelles interfaces. Cela diffère du modèle copilote court, synchrone et intégré à l'IDE qui dominait les premiers outils de codage IA.
La documentation comprend un guide d'installation couvrant la création d'application GitHub, la configuration de LangSmith et le déploiement en production, ainsi qu'un guide de personnalisation pour échanger les fournisseurs de sandbox, les modèles, les outils et les déclencheurs.
Open SWE est maintenant disponible sur github.com/langchain-ai/open-swe. Les organisations intéressées par les LangSmith Sandboxes peuvent rejoindre une liste d'attente via le site web de LangChain.
Source de l'image : Shutterstock- agents d'ia de codage
- langchain
- open swe
- développement d'entreprise
- open source
