En LangChain, interactuamos con agentes de ingeniería de software desde la terminal, Slack, Linear, GitHub y CI.
Diferentes flujos de trabajo necesitan diferentes agentes. La codificación local debe ser interactiva. La codificación en la nube debe ejecutarse en segundo plano y abrir PRs. La revisión de código debe ser cuidadosa y estar vinculada a GitHub. La documentación del repositorio debe mantenerse cerca del código y dar a los agentes un contexto útil.
Hemos construido ese sistema como un conjunto de herramientas de código abierto:
- dcode para la codificación local
- OpenSWE para agentes de codificación en la nube
- OpenSWE Review para revisión de código automatizada
- OpenWiki para documentación del repositorio y memoria del agente
Juntos, forman nuestra fábrica de agentes de ingeniería de software. Esta es la forma que usamos internamente: agentes locales, agentes en la nube, agentes de revisión, memoria del repositorio, modelos abiertos y rastreos de LangSmith en todo el sistema.
Por qué el código abierto es importante
Los agentes de ingeniería de software leen código, editan código, revisan PRs y participan en flujos de trabajo de ingeniería. Los equipos necesitan entender y controlar cómo se comportan esos agentes.
Eso es difícil si el agente es un sistema cerrado. Estás limitado a los modelos compatibles del proveedor, el comportamiento de revisión, las integraciones y la observabilidad.
Queremos agentes que los equipos puedan inspeccionar, modificar y adaptar a sus propios flujos de trabajo, incluyendo sus propios estándares de revisión, convenciones del repositorio, elecciones de modelos y herramientas internas. Por eso estos proyectos son de código abierto.
Las piezas
dcode
dcode es el agente de codificación local que usamos desde la terminal.
La CLI y el tiempo de ejecución del agente se ejecutan localmente en tu máquina, mientras que el modelo aún puede estar alojado. Eso permite a los desarrolladores trabajar directamente contra un repositorio local mientras usan modelos de codificación grandes que pueden no ejecutarse en una laptop.
Usamos dcode para trabajos de codificación interactiva: explorar un repositorio, hacer ediciones y ejecutar tareas de implementación desde la terminal.
OpenSWE
OpenSWE es el agente de codificación en la nube que usamos cuando el trabajo debe realizarse en segundo plano.
Mucho trabajo de ingeniería comienza fuera de la terminal. Aparece un error en Slack. Una solicitud de función vive en Linear. Una tarea de mantenimiento del repositorio necesita ejecutarse según un horario.
OpenSWE puede activarse desde Slack, Linear, GitHub o la interfaz web. Se ejecuta en la nube, trabaja en el código y puede abrir una solicitud de extracción cuando termina.
Internamente, este se ha convertido en uno de nuestros flujos de trabajo de agentes más utilizados. Solo en la última semana, activamos OpenSWE casi 1,000 veces solo desde Slack, sin incluir el uso de Linear o la interfaz.
Debido a que OpenSWE se ejecuta en un entorno aislado en la nube, podemos ejecutar muchos agentes de codificación en paralelo sin ocupar el entorno local de nadie.
OpenSWE también incluye una interfaz para inspeccionar el trabajo del agente, chatear con el agente de codificación en la nube, configurar modelos y indicaciones, ver análisis y configurar automatizaciones programadas.
OpenSWE Review
OpenSWE Review se conecta a GitHub y revisa automáticamente las solicitudes de extracción. Identifica errores y regresiones antes de que se fusionen los cambios.
También tiene un rendimiento excelente en benchmarks externos. En el Offline Code Review Benchmark, OpenSWE Review obtiene un 47% cuando ejecuta GPT-5.5 con razonamiento medio. Eso lo coloca en el #6 en general y #1 entre los agentes de revisión de código de código abierto.
La revisión de código es muy específica de cada organización. Los equipos difieren en qué problemas les importan, cómo redactan los comentarios y cuándo quieren que un agente bloquee, sugiera o se mantenga en silencio.
OpenSWE Review nos brinda un valor predeterminado sólido que podemos adaptar cambiando indicaciones, flujos de trabajo, elecciones de modelos y comportamiento específico del repositorio.
OpenWiki
OpenWiki genera y mantiene la documentación de la base de código utilizando el Open Knowledge Format de Google.
Los documentos viven con el código y se mantienen actualizados automáticamente mediante una acción de GitHub. Eso brinda tanto a humanos como a agentes una capa de conocimiento mantenida para el repositorio, sin necesidad de preocuparse por mantener los documentos (¡OpenWiki lo hace por ti!).
Si un agente tiene que redescubrir la arquitectura de un repositorio cada vez que se ejecuta, desperdicia tokens y se pierde convenciones importantes. OpenWiki brinda a los agentes de codificación y revisión un mejor punto de partida, al mismo tiempo que admite un flujo de actualización automática para que nunca más tengas que pensar en mantener la documentación de tus agentes.
El stack
Deep Agents
dcode, OpenSWE, OpenSWE Review y OpenWiki están construidos sobre Deep Agents.
Los flujos de trabajo son diferentes, pero comparten la misma base de agente subyacente. Eso nos brinda una forma consistente de construir, personalizar y mejorar agentes en codificación local, codificación en la nube, revisión y documentación. Compartir código, recursos y conocimientos de ingeniería se vuelve aún más fácil cuando todos están construidos en el mismo marco.
Modelos abiertos
Hemos optimizado el stack para modelos abiertos.
Los agentes SWE se vuelven costosos rápidamente cuando se ejecutan en toda una organización. La codificación local, la codificación en la nube, la revisión de código, la documentación, el mantenimiento programado y el análisis repetido del repositorio utilizan tokens.
Los modelos abiertos nos brindan más control sobre el costo (la razón principal), la latencia y las opciones de implementación. También permiten que los equipos enruten diferentes tareas a diferentes modelos, experimenten con modelos de codificación abiertos, o incluso ajusten modelos para sus propios repositorios y flujos de trabajo.
LangSmith
Rastreamos estos agentes con LangSmith.
Cuando un agente abre un PR, deja un comentario de revisión o falla en una tarea, los rastreos muestran los archivos que inspeccionó, el contexto que cargó, las llamadas a herramientas que hizo y dónde se quedó atascado.
Esos rastreos nos ayudan a depurar ejecuciones individuales y mejorar el sistema con el tiempo. Los usamos para identificar modos de falla, mejorar indicaciones, comparar modelos y alimentar ejemplos de mayor calidad en flujos de trabajo de mejora continua con LangSmith Engine.
Engine para agentes de codificación es un nuevo flujo de trabajo con el que hemos estado experimentando, donde hacemos que Engine ejecute sobre los rastreos de los agentes de codificación, identifique deficiencias y proponga optimizaciones. Dado que cada ejecución de agente de codificación de cada empleado en LangChain es rastreada, Engine puede identificar y realizar estas optimizaciones desde una vista general, en lugar de individualmente en los rastreos de ingenieros específicos.
Construye tu propia fábrica de agentes de ingeniería de software
Este stack refleja cómo usamos los agentes de ingeniería de software en LangChain, pero las piezas son de código abierto para que otros equipos puedan adaptarlas y mantener el control total sobre su propia fábrica de software.
Puedes empezar con algo pequeño:
- Usa dcode para la codificación local.
- Agrega OpenSWE para ejecutar agentes de codificación desde Slack, Linear, GitHub o la interfaz web.
- Activa OpenSWE Review para la revisión automatizada de PRs.
- Usa OpenWiki para mantener el conocimiento del repositorio para humanos y agentes.
- Conecta los rastreos a LangSmith si deseas observabilidad y ciclos de mejora en todo el sistema.
El objetivo no es mover cada flujo de trabajo de ingeniería a una sola interfaz de agente. Es poner los agentes adecuados en los lugares donde ya ocurre el trabajo de ingeniería, con suficiente control para que se ajusten a tus repositorios, modelos y convenciones de equipo.
