Code Review MCP Server

コードレビューサーバー

Repomix と LLM を使用してコードレビューを実行するカスタム MCP サーバー。

特徴

• Repomix を使用してコードベースをフラット化する
• 大規模言語モデルでコードを分析する
• 具体的な問題と推奨事項を含む構造化されたコードレビューを取得します
• 複数の LLM プロバイダー (OpenAI、Anthropic、Gemini) のサポート
• 大規模なコードベースのチャンク化を処理

インストール

構成

.env.exampleテンプレートに基づいて、ルート ディレクトリに.envファイルを作成します。

.envファイルを編集して、優先する LLM プロバイダーと API キーを設定します。

使用法

MCPサーバーとして

コード レビュー サーバーはモデル コンテキスト プロトコル (MCP) を実装しており、任意の MCP クライアントで使用できます。

サーバーは 2 つの主要なツールを公開します。

1. analyze_repo : Repomix を使用してコードベースをフラット化する
2. code_review : LLMを使用してコードレビューを実行します

MCPツールを使用する場合

このサーバーは、異なるコード分析ニーズに対応する 2 つの異なるツールを提供します。

分析リポジトリ

次の場合にこのツールを使用します。

• コードベースの構造と構成の概要を把握する
• 初期分析のためにリポジトリをテキスト表現にフラット化する
• 詳細な確認なしでディレクトリ構造とファイルの内容を理解する
• より詳細なコードレビューの準備
• コードベースを素早くスキャンして、さらに分析する必要がある関連ファイルを特定します。

例:

• 「レビューする前にこのリポジトリの構造を理解したい」
• 「このコードベースに含まれるファイルとディレクトリを表示してください」
• 「コードの構成を理解するために、コードを平面的に表示してください」

コードレビュー

次の場合にこのツールを使用します。

• 包括的なコード品質評価を実行する
• 特定のセキュリティ脆弱性、パフォーマンスのボトルネック、コード品質の問題を特定する
• コードを改善するための実用的な推奨事項を入手する
• 問題の重大度評価を含む詳細なレビューを実施する
• ベストプラクティスに照らしてコードベースを評価する

例:

• 「このコードベースのセキュリティ上の脆弱性を確認してください」
• 「これらの特定のJavaScriptファイルのパフォーマンスを分析します」
• 「このリポジトリの詳細なコード品質評価を教えてください」
• 「私のコードをレビューして、保守性を向上させる方法を教えてください」

パラメータを使用する場合:

• specificFiles : リポジトリ全体ではなく、特定のファイルのみをレビューしたい場合
• fileTypes : 特定のファイル拡張子（例: .js、.ts）に焦点を当てたい場合
• detailLevel : 簡単な概要には「basic」、詳細な分析には「detailed」を使用します
• focusAreas : 特定の側面（セキュリティ、パフォーマンスなど）を優先したい場合

CLIツールの使用

テスト目的では、付属の CLI ツールを使用できます。

オプション:

• --files <file1,file2> : レビューする特定のファイル
• --types <.js,.ts> : レビューに含めるファイルの種類
• --detail <basic|detailed> : 詳細レベル（デフォルト: details）
• --focus <areas> : 重点を置く領域 (セキュリティ、パフォーマンス、品質、保守性)

例：

発達

LLM統合

コード レビュー サーバーは、複数の LLM プロバイダー API と直接統合されます。

• OpenAI （デフォルト：gpt-4o）
• 人間中心的（デフォルト：claude-3-opus-20240307）
• Gemini (デフォルト: gemini-1.5-pro)

プロバイダー構成

.envファイルで、優先する LLM プロバイダーを構成します。

モデル構成

オプションで、各プロバイダーに使用するモデルを指定できます。

LLM統合の仕組み

1. code_reviewツールはRepomixを使用してコードを処理してリポジトリ構造をフラット化します。
2. コードは、LLMコンテキストの制限内に収まるように必要に応じてフォーマットされ、チャンク化されます。
3. 詳細なプロンプトは、焦点領域と詳細レベルに基づいて生成されます。
4. プロンプトとコードは、選択したプロバイダーのLLM APIに直接送信されます。
5. LLM応答は構造化された形式に解析される
6. レビューは、問題点、強み、推奨事項を含むJSONオブジェクトとして返されます。

実装には、API エラーに対する耐性のための再試行ロジックと、最も関連性の高いコードがレビューに含まれるようにするための適切なフォーマットが含まれています。

コードレビューの出力形式

コードレビューは構造化された JSON 形式で返されます。

ライセンス

マサチューセッツ工科大学