LangChain Lança Framework Open SWE para Agentes de IA de Codificação Empresarial

Rongchai Wang 17 de mar. de 2026 17:33

A LangChain disponibiliza em código aberto o Open SWE, um framework que espelha arquiteturas de agentes de codificação implementadas na Stripe, Coinbase e Ramp. Construído sobre Deep Agents e LangGraph.

A LangChain lançou o Open SWE, um framework de código aberto que captura os padrões arquiteturais que a Stripe, Coinbase e Ramp desenvolveram independentemente para os seus Agentes de IA de codificação internos. O projeto com licença MIT, construído sobre as plataformas Deep Agents e LangGraph da LangChain, fornece uma base personalizável para organizações de engenharia que pretendem implementar assistentes de codificação autónomos.

Convergência Empresarial Impulsiona o Design

O framework emerge da convergência observável entre os principais players de fintech. A Stripe construiu Minions, a Ramp desenvolveu Inspect e a Coinbase criou Cloudbot—cada um chegando a decisões arquiteturais semelhantes apesar de trabalharem independentemente.

Esses padrões partilhados incluem sandboxes de nuvem isoladas para execução de código, conjuntos de ferramentas selecionadas (a Stripe supostamente mantém cerca de 500 ferramentas cuidadosamente selecionadas), invocação prioritária via Slack, injeção de contexto rico de issues do Linear ou PRs do GitHub, e orquestração de subagentes para tarefas complexas.

"Estas escolhas arquiteturais provaram ser eficazes em múltiplas implementações de produção", observou a LangChain no anúncio, embora reconheçam que as organizações precisarão adaptar componentes aos seus próprios ambientes.

Arquitetura Técnica

O Open SWE inclui aproximadamente 15 ferramentas selecionadas que cobrem execução de shell, obtenção web, chamadas de Nova API, operações Git e integrações com Linear e Slack. O framework suporta fornecedores de sandbox conectáveis incluindo Modal, Daytona, Runloop e LangSmith.

Cada tarefa é executada num ambiente Linux isolado com acesso total à shell. O repositório é clonado, o agente recebe permissões completas dentro desse limite e os erros permanecem contidos. Múltiplas tarefas podem ser executadas em paralelo, cada uma em sandboxes separadas.

A engenharia de contexto acontece através de dois canais: um ficheiro AGENTS.md na raiz do repositório que codifica as convenções da equipa e decisões arquiteturais, mais o histórico completo de issues do Linear ou threads do Slack montado antes do agente começar a trabalhar.

A camada de orquestração combina geração de subagentes impulsionada por modelo com hooks de middleware determinísticos. Um componente de middleware injeta mensagens de acompanhamento que chegam a meio da execução. Outro atua como rede de segurança, fazendo commit automaticamente e abrindo um PR se o agente não concluir esse passo.

Composição em Vez de Forking

Em vez de fazer fork de um agente existente, o Open SWE compõe sobre o framework Deep Agents—semelhante à forma como a equipa da Ramp construiu o Inspect sobre o OpenCode. Esta abordagem fornece um caminho de atualização: quando o Deep Agents melhora a gestão de contexto ou eficiência de tokens, essas melhorias podem fluir sem reconstruir personalizações.

O Deep Agents gere memória baseada em ficheiros para prevenir sobrecarga de contexto em bases de código maiores, fornece planeamento estruturado através de uma ferramenta write_todos e suporta geração isolada de subagentes onde diferentes subtarefas não poluem o histórico de conversação umas das outras.

Como se Compara

A comparação com implementações empresariais revela diferenças esperadas nos detalhes de implementação. A Stripe usa Goose com fork com devboxes AWS EC2 e validação de três camadas. A Ramp compôs sobre OpenCode com contentores Modal e verificação visual DOM. A Coinbase construiu do zero com conselhos de agentes e capacidades de auto-merge.

O Open SWE usa Claude Opus 4 por predefinição mas suporta qualquer fornecedor LLM. As organizações podem configurar diferentes modelos para diferentes subtarefas.

Realidade de Implementação

O framework representa a aposta da LangChain numa trajetória específica para desenvolvimento assistido por IA: agentes autónomos de longa duração que se integram com fluxos de trabalho de programadores existentes em vez de exigirem novas interfaces. Isto difere do modelo de copiloto curto, síncrono e integrado no IDE que dominou ferramentas de codificação de IA anteriores.

A documentação inclui um guia de instalação que cobre criação de Aplicação GitHub, configuração do LangSmith e implementação em produção, além de um guia de personalização para trocar fornecedores de sandbox, modelos, ferramentas e triggers.

O Open SWE está disponível agora em github.com/langchain-ai/open-swe. As organizações interessadas nas LangSmith Sandboxes podem aderir a uma lista de espera através do site da LangChain.

• agentes de ia de codificação
• langchain
• open swe
• desenvolvimento empresarial
• código aberto