Open SWE

Übersicht

Open SWE (Open Software Engineering) ist ein Open-Source-, Cloud-nativer, asynchroner KI-Coding-Agent, der von LangChain entwickelt wurde. Er fungiert als autonomer Teammitarbeiter, der GitHub-Issues (oder Aufgaben aus einer Web-UI, Slack oder Linear) übernimmt, den Codebase erforscht, Ausführungspläne erstellt, Code schreibt, Tests ausführt, Selbst-Reviews durchführt und polierte Pull-Requests öffnet.

Auf LangGraph und Deep Agents aufbauend, macht Open SWE die interne Architektur von Coding-Agents, wie sie von Unternehmen wie Stripe, Coinbase und Ramp verwendet wird, für alle unter der MIT-Lizenz verfügbar.

Hauptmerkmale

• Asynchron & Langlaufend: Verarbeitet komplexe, mehrstündige oder mehrtägige Aufgaben ohne Blockierung.
• Multi-Agent-Architektur: Enthält Manager-, Planner-, Programmierer- und Reviewer-Sub-Agents für robuste Ausführung.
• Cloud-Sandbox-Ausführung: Sichere, isolierte Umgebungen für Code-Ausführung und -Tests (unterstützt Daytona und ähnliche Anbieter).
• Native Integrationen: Auslösung via GitHub-Issues/Labels, Slack-Erwähnungen, Linear-Kommentare oder benutzerdefinierte Web-UI.
• Automatische PR-Erstellung: Generiert gut dokumentierte Pull-Requests mit Änderungen, Tests und Review-Notizen.
• Selbst-Review & Iteration: Der Agent überprüft seine eigene Arbeit und iteriert, bis Qualitätsstandards erfüllt sind.
• Vollständig anpassbar: Einfach zu forken, Prompts zu modifizieren, interne Tools hinzuzufügen oder an den eigenen Tech-Stack anzupassen.
• Gehostete Demo: Ausprobieren unter swe.langchain.com mit eigenem Model-Key.

Funktionsweise

1. Auslösung: Erstelle ein GitHub-Issue und füge das Label open-swe oder open-swe-auto hinzu, oder reiche es über die Web-UI ein.
2. Planung: Der Agent erkundet das Repository, versteht den Kontext und erstellt einen detaillierten Schritt-für-Schritt-Plan.
3. Ausführung: Nutzt Cloud-Sandboxes, um Code zu schreiben, zu testen und zu debuggen.
4. Review: Ein spezieller Reviewer-Agent prüft auf Fehler und schlägt Verbesserungen vor.
5. Ausgabe: Öffnet einen PR mit vollständigem Kontext oder aktualisiert das Issue mit dem Status.

Anwendungsfälle

• Autonomes Lösen komplexer GitHub-Issues.
• Implementieren neuer Features oder Bugfixes in großen Codebases.
• Interne Tool-Entwicklung und -Wartung für Engineering-Teams.
• Beschleunigung von Open-Source-Beiträgen oder Modernisierung von Enterprise-Codebases.
• Erstellung benutzerdefinierter, interner Coding-Agents, die auf unternehmensspezifische Workflows und Sicherheitsanforderungen zugeschnitten sind.

Erste Schritte

• Repository klonen: git clone https://github.com/langchain-ai/open-swe.git

• Folge dem detaillierten Installationsleitfaden für lokales Setup, GitHub-App-Erstellung, LangSmith-Tracing und Produktions-Deployment.

• Probiere die gehostete Version unter swe.langchain.com aus (benötigt einen Anthropic- oder OpenAI-API-Schlüssel).

• Dokumentation ist im Repo unter /apps/docs verfügbar.

Warum Open SWE?

Im Gegensatz zu Echtzeit-Copiloten (Copilot, Cursor, etc.) ist Open SWE für autonome, langlaufende Workflows konzipiert. Es verschiebt das Paradigma von "assistiere mich beim Programmieren" zu "hier ist eine Aufgabe – erledige sie wie ein Senior Engineer."

Es ist produktionsreif, aber vollständig erweiterbar, was es ideal für Teams macht, die ihre eigenen sicheren, internen KI-Softwareentwickler einsetzen möchten.

Technischer Stack

• Kern: LangGraph + Deep Agents
• Sprache: Python
• Integrationen: GitHub, Slack, Linear, Cloud Sandboxes
• Tracing & Beobachtbarkeit: LangSmith
• Lizenz: MIT

Open SWE repräsentiert die nächste Evolution von KI-Agenten in der Softwareentwicklung – vollständig offen, anpassbar und bereit für den produktiven Einsatz in der realen Welt.