Chez LangChain, nous interagissons avec des agents d'ingénierie logicielle depuis le terminal, Slack, Linear, GitHub et CI.
Différents workflows nécessitent différents agents. Le codage local doit être interactif. Le codage dans le cloud doit s'exécuter en arrière-plan et ouvrir des PR. La revue de code doit être minutieuse et liée à GitHub. La documentation du dépôt doit rester proche du code et fournir aux agents un contexte utile.
Nous avons construit ce système comme un ensemble d'outils open source :
- dcode pour le codage local
- OpenSWE pour les agents de codage dans le cloud
- OpenSWE Review pour la revue de code automatisée
- OpenWiki pour la documentation du dépôt et la mémoire des agents
Ensemble, ils forment notre usine d'agents d'ingénierie logicielle. C'est la forme que nous utilisons en interne : agents locaux, agents cloud, agents de revue, mémoire du dépôt, modèles ouverts et traces LangSmith à travers le système.
Pourquoi l'open source est important
Les agents d'ingénierie logicielle lisent le code, modifient le code, examinent les PR et participent aux workflows d'ingénierie. Les équipes doivent comprendre et contrôler le comportement de ces agents.
C'est difficile si l'agent est un système fermé. Vous êtes limité aux modèles pris en charge par le fournisseur, au comportement de revue, aux intégrations et à l'observabilité.
Nous voulons des agents que les équipes peuvent inspecter, modifier et adapter à leurs propres workflows, y compris leurs propres standards de revue, conventions de dépôt, choix de modèles et outils internes. C'est pourquoi ces projets sont open source.
Les composants
dcode
dcode est l'agent de codage local que nous utilisons depuis le terminal.
Le CLI et l'exécution de l'agent s'exécutent localement sur votre machine, tandis que le modèle peut toujours être hébergé. Cela permet aux développeurs de travailler directement sur un dépôt local tout en utilisant de grands modèles de codage qui peuvent ne pas fonctionner sur un ordinateur portable.
Nous utilisons dcode pour le travail de codage interactif : explorer un dépôt, faire des modifications et exécuter des tâches d'implémentation depuis le terminal.
OpenSWE
OpenSWE est l'agent de codage cloud que nous utilisons lorsque le travail doit se faire en arrière-plan.
Beaucoup de travail d'ingénierie commence en dehors du terminal. Un bug apparaît dans Slack. Une demande de fonctionnalité vit dans Linear. Une tâche de maintenance du dépôt doit s'exécuter selon un calendrier.
OpenSWE peut être déclenché depuis Slack, Linear, GitHub ou l'interface Web. Il s'exécute dans le cloud, travaille sur le code et peut ouvrir une pull request une fois terminé.
En interne, cela est devenu l'un de nos workflows d'agents les plus utilisés. Rien que la semaine dernière, nous avons déclenché OpenSWE près de 1 000 fois depuis Slack seulement, sans compter l'utilisation de Linear ou de l'interface.
Comme OpenSWE s'exécute dans un bac à sable dans le cloud, nous pouvons exécuter plusieurs agents de codage en parallèle sans monopoliser l'environnement local de quiconque.
OpenSWE inclut également une interface pour inspecter le travail des agents, discuter avec l'agent de codage cloud, configurer les modèles et les prompts, voir les analyses et configurer des automatisations planifiées.
OpenSWE Review
OpenSWE Review se connecte à GitHub et examine automatiquement les pull requests. Il identifie les bugs et les régressions avant la fusion du code.
Il fonctionne également extrêmement bien sur les benchmarks externes. Sur le Offline Code Review Benchmark, OpenSWE Review obtient un score de 47% lorsqu'il exécute GPT-5.5 avec un raisonnement moyen. Cela le place #6 au classement général et #1 parmi les agents de revue de code open source.
La revue de code est très spécifique à chaque organisation. Les équipes diffèrent sur les problèmes qui les préoccupent, la façon dont elles formulent leurs commentaires et le moment où elles veulent qu'un agent bloque, suggère ou reste silencieux.
OpenSWE Review nous offre une base solide que nous pouvons adapter en modifiant les prompts, les workflows, les choix de modèles et le comportement spécifique au dépôt.
OpenWiki
OpenWiki génère et maintient la documentation du codebase en utilisant le Open Knowledge Format de Google.
Les documents vivent avec le code et sont tenus à jour automatiquement via une action GitHub. Cela donne aux humains comme aux agents une couche de connaissances maintenue pour le dépôt, sans avoir à se soucier de la maintenance des documents (OpenWiki le fait pour vous !).
Si un agent doit redécouvrir l'architecture d'un dépôt à chaque exécution, il gaspille des tokens et manque des conventions importantes. OpenWiki donne aux agents de codage et de revue un meilleur point de départ, tout en prenant en charge un flux de mise à jour automatique pour que vous n'ayez plus jamais à penser à la maintenance de vos documents d'agent.
La pile technologique
Deep Agents
dcode, OpenSWE, OpenSWE Review et OpenWiki sont tous construits sur Deep Agents.
Les workflows sont différents, mais ils partagent la même base d'agents sous-jacente. Cela nous donne une manière cohérente de construire, personnaliser et améliorer les agents à travers le codage local, le codage cloud, la revue et la documentation. Le partage de code, de ressources et de savoir-faire technique est encore plus facile lorsqu'ils sont tous construits dans le même framework.
Modèles ouverts
Nous avons optimisé la pile pour les modèles ouverts.
Les agents SWE deviennent rapidement coûteux lorsqu'ils sont déployés dans une organisation. Le codage local, le codage cloud, la revue de code, la documentation, la maintenance planifiée et l'analyse répétée du dépôt utilisent tous des tokens.
Les modèles ouverts nous donnent plus de contrôle sur les coûts (la raison principale), la latence et les choix de déploiement. Ils permettent également aux équipes d'acheminer différentes tâches vers différents modèles, d'expérimenter avec des modèles de codage ouverts, ou même d'affiner des modèles pour leurs propres dépôts et workflows.
LangSmith
Nous traçons ces agents avec LangSmith.
Lorsqu'un agent ouvre une PR, laisse un commentaire de revue ou échoue sur une tâche, les traces montrent les fichiers qu'il a inspectés, le contexte qu'il a chargé, les appels d'outils qu'il a effectués et où il s'est bloqué.
Ces traces nous aident à déboguer les exécutions individuelles et à améliorer le système au fil du temps. Nous les utilisons pour identifier les modes de défaillance, améliorer les prompts, comparer les modèles et introduire des exemples de meilleure qualité dans les workflows d'amélioration continue avec LangSmith Engine.
Engine for coding agents est un nouveau workflow avec lequel nous expérimentons, où nous faisons exécuter Engine sur les traces des agents de codage, identifier les lacunes et proposer des optimisations. Comme chaque exécution d'agent de codage de chaque employé chez LangChain est tracée, Engine est capable d'identifier et d'effectuer ces optimisations d'un point de vue global, plutôt que individuellement sur les traces d'ingénieurs spécifiques.
Construisez votre propre usine d'agents d'ingénierie logicielle
Cette pile reflète la façon dont nous utilisons les agents d'ingénierie logicielle chez LangChain, mais les composants sont open source afin que d'autres équipes puissent les adapter et conserver un contrôle total sur leur propre usine logicielle.
Vous pouvez commencer petit :
- Utilisez dcode pour le codage local.
- Ajoutez OpenSWE pour exécuter des agents de codage depuis Slack, Linear, GitHub ou l'interface Web.
- Activez OpenSWE Review pour la revue automatisée des PR.
- Utilisez OpenWiki pour maintenir la connaissance du dépôt pour les humains et les agents.
- Connectez les traces à LangSmith si vous voulez de l'observabilité et des boucles d'amélioration à travers le système.
L'objectif n'est pas de déplacer chaque workflow d'ingénierie dans une seule interface d'agent. Il s'agit de placer les bons agents aux endroits où le travail d'ingénierie a déjà lieu, avec suffisamment de contrôle pour les adapter à vos dépôts, modèles et conventions d'équipe.
