LangChain lanceert Open SWE-framework voor enterprise AI-codeeringsagenten

Rongchai Wang 17 mrt 2026 17:33

LangChain maakt Open SWE open-source, een framework dat de architecturen van codeeringsagenten weerspiegelt die bij Stripe, Coinbase en Ramp zijn ingezet. Gebouwd op Deep Agents en LangGraph.

LangChain heeft Open SWE uitgebracht, een open-source framework dat de architectuurpatronen vastlegt die Stripe, Coinbase en Ramp onafhankelijk hebben ontwikkeld voor hun interne AI-codeeringsagenten. Het onder MIT-licentie uitgebrachte project, gebouwd op LangChain's Deep Agents en LangGraph-platforms, biedt een aanpasbare basis voor technische organisaties die autonome codeeringsassistenten willen inzetten.

Enterprise-convergentie stuurt het ontwerp

Het framework komt voort uit waarneembare convergentie tussen grote fintech-spelers. Stripe bouwde Minions, Ramp ontwikkelde Inspect en Coinbase creëerde Cloudbot—elk kwam tot vergelijkbare architectuurbeslissingen ondanks dat ze onafhankelijk werkten.

Die gedeelde patronen omvatten geïsoleerde cloudsandboxen voor code-uitvoering, samengestelde toolsets (Stripe onderhoudt naar verluidt ongeveer 500 zorgvuldig geselecteerde tools), Slack-first aanroep, uitgebreide contextinjectie van Linear-issues of GitHub PR's, en subagent-orkestratie voor complexe taken.

"Deze architectuurkeuzes hebben zich effectief bewezen in meerdere productie-implementaties," merkte LangChain op in de aankondiging, hoewel ze erkennen dat organisaties componenten zullen moeten aanpassen aan hun eigen omgevingen.

Technische architectuur

Open SWE wordt geleverd met ongeveer 15 samengestelde tools die shell-uitvoering, web-fetching, API-aanroepen, Git-operaties en integraties met Linear en Slack dekken. Het framework ondersteunt pluggable sandbox-providers, waaronder Modal, Daytona, Runloop en LangSmith.

Elke taak draait in een geïsoleerde Linux-omgeving met volledige shell-toegang. De repository wordt gekloond, de agent ontvangt volledige machtigingen binnen die grens en fouten blijven ingesloten. Meerdere taken kunnen parallel draaien, elk in afzonderlijke sandboxen.

Context-engineering gebeurt via twee kanalen: een AGENTS.md-bestand in de repository-root dat teamconventies en architectuurbeslissingen codeert, plus volledige Linear-issue of Slack-thread geschiedenis die wordt samengesteld voordat de agent aan het werk gaat.

De orkestratielaag combineert modelgestuurde subagent-spawning met deterministische middleware-hooks. Eén middleware-component injecteert vervolgberichten die tijdens de uitvoering arriveren. Een andere fungeert als vangnet en commit automatisch en opent een PR als de agent die stap niet voltooit.

Compositie boven forking

In plaats van een bestaande agent te forken, componeert Open SWE op het Deep Agents-framework—vergelijkbaar met hoe Ramp's team Inspect bovenop OpenCode bouwde. Deze aanpak biedt een upgradepath: wanneer Deep Agents contextbeheer of token-efficiëntie verbetert, kunnen die verbeteringen doorstromen zonder aanpassingen opnieuw op te bouwen.

Deep Agents verwerkt bestandsgebaseerd geheugen om contextoverloop bij grotere codebases te voorkomen, biedt gestructureerde planning via een write_todos-tool en ondersteunt geïsoleerde subagent-spawning waarbij verschillende subtaken elkaars gespreksgeschiedenis niet vervuilen.

Hoe het zich verhoudt

De vergelijking met enterprise-implementaties onthult verwachte verschillen in implementatiedetails. Stripe gebruikt geforkte Goose met AWS EC2-devboxes en drielaagse validatie. Ramp componeerde op OpenCode met Modal-containers en visuele DOM-verificatie. Coinbase bouwde vanaf nul met agentraden en auto-merge-mogelijkheden.

Open SWE gebruikt standaard Claude Opus 4, maar ondersteunt elke LLM-provider. Organisaties kunnen verschillende modellen configureren voor verschillende subtaken.

Deployment-realiteit

Het framework vertegenwoordigt LangChain's weddenschap op een specifiek traject voor AI-ondersteunde ontwikkeling: autonome, langlopende agenten die integreren met bestaande ontwikkelaarworkflows in plaats van nieuwe interfaces te vereisen. Dit verschilt van het korte, synchrone, in-IDE copilot-model dat eerdere AI-codeertools domineerde.

Documentatie omvat een installatiegids die GitHub App-creatie, LangSmith-setup en productie-implementatie behandelt, plus een aanpassingsgids voor het verwisselen van sandbox-providers, modellen, tools en triggers.

Open SWE is nu beschikbaar op github.com/langchain-ai/open-swe. Organisaties die geïnteresseerd zijn in de LangSmith Sandboxes kunnen zich aanmelden voor een wachtlijst via de website van LangChain.

• ai-codeeringsagenten
• langchain
• open swe
• enterprise-ontwikkeling
• open source