LangChain چارچوب Open SWE را برای AI Agent های کدنویسی سازمانی منتشر میکند
Rongchai Wang 1404/12/26 17:33
LangChain چارچوب Open SWE را به صورت متنباز منتشر میکند، چارچوبی که معماری Agent های کدنویسی مستقر شده در Stripe، Coinbase و Ramp را منعکس میکند. بر اساس Deep Agents و LangGraph ساخته شده است.
LangChain چارچوب متنباز Open SWE را منتشر کرده است، چارچوبی که الگوهای معماری را که Stripe، Coinbase و Ramp به طور مستقل برای AI Agent های کدنویسی داخلی خود توسعه دادهاند، دربرمیگیرد. این پروژه دارای مجوز MIT که بر پلتفرمهای Deep Agents و LangGraph شرکت LangChain ساخته شده، پایهای قابل تنظیم برای سازمانهای مهندسی که به دنبال استقرار دستیارهای کدنویسی خودمختار هستند، فراهم میکند.
همگرایی سازمانی طراحی را هدایت میکند
این چارچوب از همگرایی قابل مشاهده میان بازیگران اصلی فینتک پدیدار شده است. Stripe سیستم Minions را ساخت، Ramp سیستم Inspect را توسعه داد و Coinbase سیستم Cloudbot را ایجاد کرد - هر کدام با وجود کار مستقل به تصمیمات معماری مشابهی رسیدند.
این الگوهای مشترک شامل محیطهای ایزوله ابری برای اجرای کد، مجموعه ابزارهای منتخب (گزارش شده که Stripe حدود 500 ابزار به دقت انتخاب شده را نگهداری میکند)، فراخوانی Slack-first، تزریق زمینه غنی از مسائل Linear یا PRهای GitHub، و هماهنگی subagent برای وظایف پیچیده است.
"این انتخابهای معماری در چندین استقرار تولیدی مؤثر بودهاند"، LangChain در اعلامیه اشاره کرد، اگرچه آنها اذعان دارند که سازمانها باید اجزا را با محیطهای خود تطبیق دهند.
معماری فنی
Open SWE با تقریباً 15 ابزار منتخب که اجرای shell، دریافت وب، فراخوانیهای API، عملیات Git و یکپارچگیها با Linear و Slack را پوشش میدهد، ارائه میشود. این چارچوب از ارائهدهندگان sandbox قابل اتصال از جمله Modal، Daytona، Runloop و LangSmith پشتیبانی میکند.
هر وظیفه در یک محیط Linux ایزوله با دسترسی کامل shell اجرا میشود. مخزن کلون میشود، Agent مجوزهای کامل را در آن محدوده دریافت میکند و خطاها محدود میمانند. چندین وظیفه میتوانند به صورت موازی اجرا شوند، هر کدام در sandbox های جداگانه.
مهندسی زمینه از طریق دو کانال اتفاق میافتد: یک فایل AGENTS.md در ریشه مخزن که کنوانسیونهای تیم و تصمیمات معماری را رمزگذاری میکند، به علاوه تاریخچه کامل مسئله Linear یا thread Slack که قبل از شروع کار Agent جمعآوری میشود.
لایه هماهنگی، spawning مبتنی بر مدل subagent را با هوکهای میانافزار قطعی ترکیب میکند. یک مؤلفه میانافزار پیامهای پیگیری را که در میانه اجرا میرسند، تزریق میکند. دیگری به عنوان شبکه ایمنی عمل میکند و به طور خودکار commit کرده و یک PR را باز میکند اگر Agent آن مرحله را تکمیل نکند.
ترکیب به جای فورک
به جای فورک کردن یک Agent موجود، Open SWE بر چارچوب Deep Agents ترکیب میشود - مشابه نحوه ساخت Inspect توسط تیم Ramp بر روی OpenCode. این رویکرد مسیر ارتقا را فراهم میکند: زمانی که Deep Agents مدیریت زمینه یا کارایی توکن را بهبود میبخشد، این بهبودها میتوانند بدون بازسازی سفارشیسازیها جریان یابند.
Deep Agents حافظه مبتنی بر فایل را برای جلوگیری از سرریز زمینه در پایگاههای کد بزرگتر مدیریت میکند، برنامهریزی ساختاریافته از طریق ابزار write_todos ارائه میدهد، و از spawning subagent ایزوله پشتیبانی میکند که در آن زیروظایف مختلف تاریخچه مکالمه یکدیگر را آلوده نمیکنند.
چگونه مقایسه میشود
مقایسه با پیادهسازیهای سازمانی تفاوتهای مورد انتظار در جزئیات پیادهسازی را نشان میدهد. Stripe از Goose فورک شده با AWS EC2 devboxes و اعتبارسنجی سه لایه استفاده میکند. Ramp بر OpenCode با کانتینرهای Modal و تأیید بصری DOM ترکیب شد. Coinbase از ابتدا با شوراهای Agent و قابلیتهای ادغام خودکار ساخته شد.
Open SWE به طور پیشفرض از Claude Opus 4 استفاده میکند اما از هر ارائهدهنده LLM پشتیبانی میکند. سازمانها میتوانند مدلهای مختلف را برای زیروظایف مختلف پیکربندی کنند.
واقعیت استقرار
این چارچوب نشاندهنده شرطبندی LangChain بر مسیر خاصی برای توسعه مبتنی بر هوش مصنوعی است: Agent های خودمختار و طولانیمدت که با گردشهای کاری موجود توسعهدهنده یکپارچه میشوند به جای نیاز به رابطهای جدید. این با مدل copilot کوتاه، همزمان و درون-IDE که بر ابزارهای کدنویسی هوش مصنوعی اولیه غالب بود، متفاوت است.
مستندات شامل راهنمای نصب که ایجاد GitHub App، راهاندازی LangSmith و استقرار تولید را پوشش میدهد، به علاوه راهنمای سفارشیسازی برای تعویض ارائهدهندگان sandbox، مدلها، ابزارها و تریگرها است.
Open SWE اکنون در github.com/langchain-ai/open-swe موجود است. سازمانهایی که به LangSmith Sandboxes علاقهمند هستند میتوانند از طریق وبسایت LangChain به لیست انتظار بپیوندند.
منبع تصویر: Shutterstock- AI Agent های کدنویسی
- langchain
- open swe
- توسعه سازمانی
- متنباز
